أبعاد الإدراك المكاني: إمكانات الذكاء الاصطناعي

نحن نوجد في فضاء ثلاثي الأبعاد.

ضمن هذا الفضاء، ندرك الفضاء ثلاثي الأبعاد بالاعتماد على المعلومات البصرية، التي ليست سوى صورة ثنائية الأبعاد.

وهذا يعني أن عقولنا تحتفظ بصورة للفضاء ثلاثي الأبعاد، ونحن نقوم بـ "الرسم العكسي" (inverse-map) للمعلومات البصرية ثنائية الأبعاد على هذه الصورة ثلاثية الأبعاد.

أتوقع أنه بتطبيق هذا المبدأ، يمكن للبشر نظريًا إدراك فضاء رباعي الأبعاد. فبينما لا يمكننا إنشاء فضاء رباعي الأبعاد أو أجسام رباعية الأبعاد في الفضاء المادي الحقيقي،

من الممكن محاكاة فضاء رباعي الأبعاد وأجسام رباعية الأبعاد باستخدام أجهزة الكمبيوتر. ومن خلال رسم هذا الفضاء رباعي الأبعاد المحاكى على مستوى ثنائي الأبعاد، يمكن للبشر استيعاب المعلومات بصريًا.

بعد ذلك، إذا تعلم البشر سلوكيات ومشاهد هذا الفضاء والأجسام رباعية الأبعاد، فسيتمكنون في النهاية من إنشاء فضاء رباعي الأبعاد في أذهانهم.

ومع ذلك، هذه مجرد إمكانية، ومن المرجح أن يتطلب هذا التدريب قدرًا كبيرًا من الوقت.

علاوة على ذلك، حتى لو اكتسب المرء القدرة على إدراك فضاء رباعي الأبعاد، فلن تكون هناك تقريبًا أي مواقف يمكن فيها تطبيق هذه القدرة.

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 قدرته على الإدراك المكاني رباعي الأبعاد، يمكن للذكاء الاصطناعي رسم وفهم الرسوم البيانية رباعية الأبعاد.

يمكن للبشر فقط استيعاب المعلومات البصرية على مستوى ثنائي الأبعاد بنظرة واحدة. لذلك، حتى لو تم رسم رسم بياني ثلاثي الأبعاد والتعرف عليه عن طريق الرسم العكسي، فستظل هناك أجزاء مخفية عن الرؤية.

بينما يصبح جزء كبير من الرسم البياني ثلاثي الأبعاد غير مرئي، فإن الرسم البياني رباعي الأبعاد سيخفي بيانات أكثر.

على الرغم من أن تدوير الرسم البياني يمكن أن يكشف عن الأجزاء المخفية، إلا أن هذا يبعدنا عن الهدف المتمثل في استيعاب البيانات بشكل حدسي بنظرة واحدة.

على العكس من ذلك، لا يحتاج الذكاء الاصطناعي إلى أن يكون مقيدًا بالمعلومات البصرية المسطحة ثنائية الأبعاد. فمن الممكن أن يتمتع الذكاء الاصطناعي برؤية مكانية ثلاثية أو رباعية الأبعاد افتراضيًا وتدريبه عليها.

وهذا من شأنه أن يسمح للذكاء الاصطناعي باستيعاب الرسوم البيانية ثلاثية ورباعية الأبعاد بطريقة أصلية الأبعاد وشاملة، دون أن تكون البيانات مخفية أو تتطلب الدوران.

علاوة على ذلك، لا يقتصر هذا على الأبعاد الأربعة؛ فمنطقياً، يمكن زيادة الأبعاد إلى ما لا نهاية لتصبح خمسة، عشرة، عشرين، وما بعدها.

فهم الرسوم البيانية متعددة الأبعاد

إن القدرة على استيعاب الرسوم البيانية بشكل بانورامي تمكن، على سبيل المثال، من تحليل الاتجاهات عبر أبعاد متعددة. كما يمكن إجراء مقارنات الحجم وفهم النسب بشكل حدسي.

وتتيح أيضًا تحليل أنماط البيانات، مثل البيانات المتشابهة أو المتناظرة. علاوة على ذلك، يمكن أن تساعد في اكتشاف الانتظامات والقوانين.

وهذا يتجاوز مجرد مطابقة أنماط البيانات متعددة الأبعاد، التي يتفوق فيها الذكاء الاصطناعي الحالي، مما يتيح فهمًا أعمق للبيانات.

على سبيل المثال، حتى لو وُجدت أنماط متطابقة ضمن مجموعات من أبعاد مختلفة تمامًا، فمن المرجح أن تواجه مطابقة أنماط البيانات متعددة الأبعاد البسيطة صعوبة في العثور عليها.

ومع ذلك، باستخدام الرؤية متعددة الأبعاد، إذا كانت الأشكال متشابهة، فيجب أن تكون قابلة للتعرف عليها فورًا، حتى عبر مجموعات أبعاد مختلفة.

علاوة على ذلك، أبعد من مجرد استخدام المحاور البعدية المصاحبة لبيانات الإدخال، من الممكن أيضًا استكشاف هياكل بعدية أسهل لفهم البيانات من خلال توسيع أو تقليص محاور محددة، أو تحويلها لوغاريتميًا، أو رسم خرائط لمحاور متعددة لنفس العدد من المحاور المختلفة دون تقليل أبعادها.

وبالتالي، من خلال تدريب قدرة الرؤية متعددة الأبعاد، يصبح من الممكن استيعاب هياكل البيانات بشكل بانورامي — وهي مهمة صعبة لكل من البشر والذكاء الاصطناعي التقليدي — مما يفتح الباب أمام إمكانية اكتشاف رؤى وقوانين جديدة منها.

تسريع ابتكار النموذج الإرشادي

تشير القدرة على استيعاب البيانات عالية الأبعاد بشكل أصلي دون تحويلها إلى أبعاد أقل إلى إمكانات كبيرة.

على سبيل المثال، اختُرجت 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 مفهومة، مما أدى إلى ابتكار نظرية مركزية الشمس.

ولكن، لو أمكن استيعاب بيانات الرصد الفلكي بشكل أصلي دون تقليل الأبعاد، لربما اكتُشفت قوانين شبيهة بمركزية الشمس في وقت أبكر بكثير.

وبالمثل، ربما تحققت الاكتشافات العلمية مثل نظرية النسبية وميكانيكا الكم في وقت أبكر بكثير لو أمكن استيعاب البيانات متعددة الأبعاد بشكل بانورامي في أبعادها الأصلية.

وهذا يعني أن ابتكار النموذج الإرشادي، الذي يؤدي إلى اكتشاف نظريات وقوانين متنوعة لم يعرفها البشر بعد، يمكن تسريعه بواسطة الذكاء الاصطناعي أصلي الأبعاد.

الخاتمة

قد يوسع الذكاء الاصطناعي، المدرب ليكون أصيلًا في الفضاء متعدد الأبعاد، مستفيدًا من قدراته المعرفية المكانية متعددة الأبعاد — التي تتجاوز قدرة الإنسان على المحاكاة — نطاق النماذج الإرشادية في العلوم والأوساط الأكاديمية بسرعة.

تميل النماذج الإرشادية إلى التكاثر بدلاً من مجرد التحول. وحتى لو تم اختراع نماذج إرشادية جديدة، فليس مطلوبًا منا بالضرورة أن نواكبها.

بطبيعة الحال، من المرجح أن يشرح الذكاء الاصطناعي النماذج الإرشادية المكتشفة في أبعاد معقدة عن طريق رسمها على أبعاد أقل بطريقة يسهل علينا فهمها.

ومع ذلك، قد تظل النماذج الإرشادية ذات الأبعاد العالية للغاية خارج نطاق الفهم البشري. علاوة على ذلك، من المرجح أن يكون من المستحيل فهم جميع النماذج الإرشادية المتوسعة بشكل كبير.

في مثل هذا السيناريو، قد نجد أنفسنا نعيش محاطين بمنتجات وأنظمة تعمل بفعالية، حتى لو لم نفهم مبادئها الأساسية بشكل كامل.

كمهندس، أفضّل عدم تخيل مثل هذا الموقف، ولكن بالنسبة للكثير من الناس، قد لا يختلف الأمر كثيرًا عما هو عليه اليوم.