Kita berada dalam ruang tiga dimensi.
Dalam ruang ini, kita mengamati ruang tiga dimensi hanya berdasarkan informasi visual, yang hanyalah gambar dua dimensi.
Ini menyiratkan bahwa kita memiliki citra spasial tiga dimensi di benak kita, dan kita melakukan pemetaan-balik informasi visual dua dimensi ke dalam citra spasial tiga dimensi ini.
Saya memprediksi bahwa dengan menerapkan prinsip ini, manusia akan dapat mengamati ruang empat dimensi. Meskipun kita tidak dapat menciptakan ruang empat dimensi atau objek empat dimensi dalam ruang fisik nyata,
dimungkinkan untuk menyimulasikan ruang empat dimensi dan objek empat dimensi di komputer. Jika kita melakukan pemetaan dari ruang empat dimensi yang disimulasikan tersebut ke bidang dua dimensi, manusia dapat memahami informasi secara visual.
Kemudian, seiring manusia mempelajari perilaku dan pandangan ruang empat dimensi dan objek empat dimensi tersebut, mereka pada akhirnya akan dapat membangun ruang empat dimensi di benak mereka.
Namun, ini hanyalah sebuah kemungkinan, dan pelatihan diperkirakan akan membutuhkan waktu yang cukup lama.
Selanjutnya, bahkan jika seseorang memperoleh kemampuan untuk mengamati ruang empat dimensi, hampir tidak ada situasi di mana kemampuan tersebut dapat diterapkan.
Persepsi Empat Dimensi oleh AI
Di sisi lain, hal yang sama dapat dicapai dengan AI. Terlebih lagi, AI mungkin dapat memanfaatkan kemampuan persepsi spasial empat dimensi ini.
Misalnya, dengan persepsi spasial empat dimensi, dimungkinkan untuk menggambar dan memahami grafik empat dimensi.
Manusia hanya dapat memahami informasi visual bidang dua dimensi secara komprehensif. Oleh karena itu, bahkan jika grafik tiga dimensi digambar dan dikenali melalui pemetaan invers, akan ada bagian yang tersembunyi dari pandangan.
Bahkan dengan grafik tiga dimensi, sebagian besar menjadi tidak terlihat, dan dengan grafik empat dimensi, bahkan lebih banyak data yang tidak terlihat.
Meskipun memutar grafik dapat mengungkapkan bagian yang tidak terlihat, ini menyimpang dari tujuan membuat data mudah dipahami secara komprehensif dan intuitif dalam sekejap.
Sebaliknya, AI tidak perlu dibatasi oleh informasi visual bidang dua dimensi. Dimungkinkan untuk secara virtual melengkapi AI dengan penglihatan spasial tiga dimensi atau empat dimensi dan melatihnya.
Dengan demikian, grafik tiga dimensi dan empat dimensi dapat dipahami secara komprehensif dan dimensi secara natif, tanpa data tersembunyi atau kebutuhan untuk rotasi.
Selanjutnya, ini tidak terbatas pada empat dimensi; secara logis, dimensi dapat ditingkatkan tanpa batas menjadi lima, sepuluh, dua puluh, dan seterusnya.
Memahami Grafik Multi-Dimensi
Kemampuan untuk memahami grafik secara komprehensif memungkinkan, misalnya, analisis tren di berbagai dimensi. Perbandingan besaran dan pemahaman proporsi juga dapat dilakukan secara intuitif.
Selain itu, ini memungkinkan analisis pola data, seperti data yang serupa atau analog. Ini juga dapat mengarah pada penemuan keteraturan dan hukum.
Ini memungkinkan pemahaman data yang lebih dalam melampaui pencocokan pola data multi-dimensi belaka, di mana AI yang ada unggul.
Sebagai contoh, bahkan jika bagian dengan pola yang sama ada dalam kombinasi dimensi yang sama sekali berbeda, akan sulit untuk menemukannya melalui pencocokan pola multi-dimensi sederhana.
Namun, jika data dilihat dengan penglihatan multi-dimensi, bentuk yang serupa akan segera terlihat, bahkan di berbagai kombinasi dimensi.
Terlebih lagi, di luar sekadar memanfaatkan sumbu dimensi yang terkait dengan data masukan, dimungkinkan untuk menjelajahi struktur dimensi yang memfasilitasi pemahaman data dengan memperbesar atau mengurangi sumbu tertentu, mengambil logaritma, atau memetakan beberapa sumbu ke set sumbu yang berbeda dengan jumlah yang sama tanpa mengurangi dimensi.
Dengan demikian, melatih kemampuan penglihatan multi-dimensi membuka kemungkinan untuk memahami struktur data komprehensif yang sulit bagi manusia maupun AI konvensional, berpotensi mengarah pada penemuan wawasan dan hukum baru.
Mempercepat Inovasi Paradigma
Kemampuan untuk memahami data berdimensi tinggi secara natif tanpa memetakannya ke dimensi yang lebih rendah menunjukkan potensi yang signifikan.
Sebagai contoh, teori heliosentris ditemukan untuk menyesuaikan data observasi astronomi ke dalam rumus matematika yang mudah dipahami. Teori geosentris, yang menyatakan matahari mengelilingi Bumi, tidak dapat memetakan data observasi ke rumus yang mudah dipahami, sehingga mengarah pada penemuan teori heliosentris.
Namun, jika data observasi astronomi dapat dipahami secara natif tanpa mengurangi dimensinya, ada kemungkinan bahwa hukum-hukum seperti heliosentris dapat ditemukan jauh lebih cepat.
Serupa dengan itu, penemuan ilmiah seperti teori relativitas dan mekanika kuantum mungkin dapat segera diwujudkan jika data multi-dimensi dapat dipahami secara komprehensif dalam dimensi aslinya.
Ini menyiratkan bahwa AI natif multi-dimensi dapat mempercepat inovasi paradigma, mengarah pada penemuan berbagai teori dan hukum yang belum diketahui oleh umat manusia.
Kesimpulan
AI yang dilatih untuk menjadi natif di ruang multi-dimensi semacam itu mungkin akan memanfaatkan kemampuan persepsi spasial multi-dimensinya, yang tidak dapat ditiru oleh manusia, untuk dengan cepat memperluas cakupan paradigma ilmiah dan akademis.
Paradigma cenderung berkembang biak daripada sekadar bergeser. Bahkan jika paradigma baru ditemukan, kita tidak selalu dituntut untuk mengikuti setiap di antaranya.
Tentu saja, AI kemungkinan akan menjelaskan paradigma kompleks berdimensi tinggi dengan memetakannya ke dimensi yang lebih rendah dengan cara yang mudah dipahami oleh kita.
Meskipun demikian, ada kemungkinan bahwa manusia mungkin tidak dapat sepenuhnya memahami paradigma yang terlalu tinggi dimensinya. Kita juga tidak akan dapat memahami semua paradigma yang telah meluas secara luas.
Dalam skenario tersebut, kita mungkin akan mendapati diri kita hidup dikelilingi oleh produk dan sistem yang berfungsi dengan baik, meskipun kita tidak sepenuhnya memahami prinsip-prinsip dasarnya.
Sebagai seorang insinyur, saya lebih suka tidak membayangkan situasi seperti itu, tetapi bagi banyak orang, mungkin tidak jauh berbeda dari keadaan sekarang.