نحن نوجد في فضاء ثلاثي الأبعاد.
ضمن هذا الفضاء، ندرك الفضاء ثلاثي الأبعاد بناءً فقط على المعلومات البصرية، التي هي مجرد صور ثنائية الأبعاد.
هذا يعني أننا نمتلك صورة مكانية ثلاثية الأبعاد في أذهاننا، وأننا نقوم بإسقاط عكسي للمعلومات البصرية ثنائية الأبعاد على هذه الصورة المكانية ثلاثية الأبعاد.
أتوقع أنه بتطبيق هذا المبدأ، سيكون من الممكن للبشر إدراك الفضاء رباعي الأبعاد. على الرغم من أننا لا نستطيع إنشاء فضاء رباعي الأبعاد أو كائنات رباعية الأبعاد ضمن الفضاء المادي الحقيقي،
إلا أنه من الممكن محاكاة الفضاء رباعي الأبعاد والكائنات رباعية الأبعاد على جهاز الكمبيوتر. وإذا قمنا بإجراء إسقاط من هذا الفضاء الرباعي الأبعاد المحاكى إلى مستوى ثنائي الأبعاد، يمكن للبشر فهم المعلومات بصريًا.
بعد ذلك، ومع تعلم البشر لسلوكيات ومشاهد هذا الفضاء رباعي الأبعاد والكائنات رباعية الأبعاد، سيتمكنون في النهاية من بناء فضاء رباعي الأبعاد في أذهانهم.
ومع ذلك، هذه مجرد إمكانية، ومن المتوقع أن يتطلب التدريب قدرًا كبيرًا من الوقت.
علاوة على ذلك، حتى لو اكتسب المرء القدرة على إدراك الفضاء رباعي الأبعاد، فلن تكون هناك تقريبًا أي مواقف يمكن تطبيق هذه القدرة فيها.
إدراك الذكاء الاصطناعي للأبعاد الأربعة
من ناحية أخرى، يمكن تحقيق الشيء نفسه باستخدام الذكاء الاصطناعي. علاوة على ذلك، قد يتمكن الذكاء الاصطناعي من الاستفادة من هذه القدرة على الإدراك المكاني رباعي الأبعاد.
على سبيل المثال، بفضل الإدراك المكاني رباعي الأبعاد، سيكون من الممكن رسم وفهم الرسوم البيانية رباعية الأبعاد.
لا يستطيع البشر فهم المعلومات البصرية المستوية ثنائية الأبعاد بشكل شامل إلا من خلال النظرة الأولى. لذلك، حتى لو تم رسم رسم بياني ثلاثي الأبعاد والتعرف عليه عن طريق الإسقاط العكسي، فستكون هناك أجزاء مخفية عن الأنظار.
حتى مع الرسوم البيانية ثلاثية الأبعاد، يصبح جزء كبير غير مرئي، ومع الرسوم البيانية رباعية الأبعاد، يصبح المزيد من البيانات غير مرئي.
بينما يمكن لدوران الرسم البياني أن يكشف الأجزاء غير المرئية، فإنه يبتعد عن هدف جعل البيانات مفهومة بشكل شامل وبديهي في لمحة.
على العكس من ذلك، لا يحتاج الذكاء الاصطناعي إلى أن يكون مقيدًا بالمعلومات البصرية المستوية ثنائية الأبعاد. من الممكن تزويد الذكاء الاصطناعي افتراضيًا برؤية مكانية ثلاثية الأبعاد أو رباعية الأبعاد وتدريبه.
وبذلك، يمكن فهم الرسوم البيانية ثلاثية الأبعاد ورباعية الأبعاد بشكل شامل وأصلي بعدي، دون بيانات مخفية أو الحاجة إلى الدوران.
علاوة على ذلك، لا يقتصر هذا على الأبعاد الأربعة؛ فمنطقياً، يمكن زيادة الأبعاد إلى ما لا نهاية لتصبح خمسة، وعشرة، وعشرين، وما بعدها.
فهم الرسوم البيانية متعددة الأبعاد
إن القدرة على فهم الرسوم البيانية بشكل شامل تمكن، على سبيل المثال، تحليل الاتجاهات عبر أبعاد متعددة. كما يمكن إجراء مقارنات الحجم وفهم النسب بشكل حدسي.
علاوة على ذلك، فإنه يسمح بتحليل أنماط البيانات، مثل البيانات المتشابهة أو المماثلة. وقد يؤدي أيضًا إلى اكتشاف الانتظامات والقوانين.
وهذا يتيح فهمًا أعمق للبيانات يتجاوز مجرد مطابقة أنماط البيانات متعددة الأبعاد، والتي يتفوق فيها الذكاء الاصطناعي الحالي.
على سبيل المثال، حتى لو كانت أجزاء ذات النمط نفسه موجودة ضمن تركيبات مختلفة تمامًا من الأبعاد، فسيكون من الصعب العثور عليها من خلال مطابقة أنماط بسيطة متعددة الأبعاد.
ومع ذلك، إذا تم عرض البيانات برؤية متعددة الأبعاد، فستكون الأشكال المتشابهة واضحة على الفور، حتى عبر تركيبات أبعاد مختلفة.
علاوة على ذلك، فإنه يتجاوز مجرد استخدام المحاور البُعدية المرتبطة ببيانات الإدخال، فمن الممكن استكشاف هياكل بُعدية تسهل فهم البيانات عن طريق تكبير أو تصغير محاور معينة، أو أخذ اللوغاريتمات، أو إسقاط محاور متعددة على مجموعة مختلفة من المحاور بنفس العدد دون تقليل الأبعاد.
وبالتالي، يفتح تدريب قدرات الرؤية متعددة الأبعاد إمكانية فهم هياكل البيانات الشاملة التي كانت صعبة على كل من البشر والذكاء الاصطناعي التقليدي، مما قد يؤدي إلى اكتشاف رؤى وقوانين جديدة.
تسريع ابتكار النماذج الفكرية (البارادايم)
إن القدرة على فهم البيانات عالية الأبعاد بشكل أصيل دون إسقاطها على أبعاد أقل تشير إلى إمكانات كبيرة.
على سبيل المثال، تم اختراع نظرية مركزية الشمس لتناسب بيانات الرصد الفلكي في صيغ رياضية سهلة الفهم. لم تتمكن نظرية مركزية الأرض، التي افترضت دوران الشمس حول الأرض، من ربط بيانات الرصد بصيغ سهلة الفهم، مما أدى إلى اختراع نظرية مركزية الشمس.
ومع ذلك، إذا كان بالإمكان فهم بيانات الرصد الفلكي بشكل أصيل دون تقليل أبعادها، فمن المحتمل أن القوانين الشبيهة بمركزية الشمس كان يمكن اكتشافها بوقت أبكر بكثير.
وبالمثل، ربما كان بالإمكان تحقيق الاكتشافات العلمية مثل نظرية النسبية وميكانيكا الكم بسرعة أكبر لو أمكن فهم البيانات متعددة الأبعاد بشكل شامل في أبعادها الأصلية.
هذا يعني أن الذكاء الاصطناعي الأصيل متعدد الأبعاد يمكن أن يسرع ابتكارات النماذج الفكرية، مما يؤدي إلى اكتشاف نظريات وقوانين متنوعة لا تزال مجهولة للبشرية.
الخلاصة
قد يستفيد الذكاء الاصطناعي، الذي تم تدريبه ليكون أصيلًا في مثل هذه الفضاءات متعددة الأبعاد، من قدراته على الإدراك المكاني متعدد الأبعاد، والتي لا يستطيع البشر محاكاتها، لتوسيع نطاق النماذج العلمية والأكاديمية بسرعة.
تميل النماذج إلى التضاعف بدلاً من مجرد التحول. وحتى لو تم ابتكار نماذج جديدة، لسنا مطالبين بالضرورة بمواكبة كل منها.
بالطبع، من المرجح أن يشرح الذكاء الاصطناعي النماذج المعقدة ذات الأبعاد العالية عن طريق إسقاطها على أبعاد أقل بطريقة سهلة الفهم بالنسبة لنا.
ومع ذلك، من الممكن ألا يتمكن البشر من فهم النماذج عالية الأبعاد بشكل كامل. ولن نتمكن أيضًا من استيعاب جميع النماذج الموسعة بشكل كبير.
في هذا السيناريو، قد نجد أنفسنا نعيش محاطين بمنتجات وأنظمة تعمل بشكل جيد، حتى لو لم نفهم مبادئها الأساسية بشكل كامل.
بصفتي مهندسًا، أفضل ألا أتخيل مثل هذا الموقف، ولكن بالنسبة للعديد من الناس، قد لا يختلف الأمر كثيرًا عما هو عليه الآن.