Kita berada dalam ruang tiga dimensi.
Dalam ruang ini, kita mempersepsikan ruang tiga dimensi berdasarkan informasi visual, yang hanyalah gambar dua dimensi.
Ini berarti pikiran kita memiliki citra ruang tiga dimensi, dan kita memetakan balik informasi visual dua dimensi ke citra tiga dimensi ini.
Saya memprediksi bahwa, dengan menerapkan prinsip ini, manusia berpotensi dapat mempersepsikan ruang empat dimensi. Meskipun kita tidak dapat menciptakan ruang empat dimensi atau objek empat dimensi dalam ruang fisik nyata,
dimungkinkan untuk mensimulasikan ruang dan objek empat dimensi menggunakan komputer. Dengan memetakan ruang empat dimensi yang disimulasikan ini ke bidang dua dimensi, manusia dapat memahami informasi secara visual.
Kemudian, jika manusia mempelajari perilaku dan pandangan dari ruang dan objek empat dimensi tersebut, mereka pada akhirnya akan mampu menciptakan ruang empat dimensi dalam pikiran mereka.
Namun, ini hanyalah sebuah kemungkinan, dan pelatihan semacam itu kemungkinan besar akan membutuhkan waktu yang cukup lama.
Lebih jauh lagi, meskipun seseorang mendapatkan kemampuan untuk mempersepsikan ruang empat dimensi, hampir tidak akan ada situasi di mana kemampuan ini 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, AI dapat menggambar dan memahami grafik empat dimensi.
Manusia hanya dapat memahami informasi visual pada bidang dua dimensi secara sekilas. Oleh karena itu, meskipun grafik tiga dimensi digambar dan dikenali melalui pemetaan invers, akan selalu ada bagian tersembunyi yang tidak terlihat.
Meskipun sebagian besar grafik tiga dimensi menjadi tidak terlihat, grafik empat dimensi akan menyembunyikan lebih banyak data.
Meskipun memutar grafik dapat mengungkapkan bagian yang tersembunyi, ini menjauh dari tujuan memahami data secara intuitif dalam sekejap.
Sebaliknya, AI tidak perlu dibatasi oleh informasi visual planar dua dimensi. Dimungkinkan untuk secara virtual memberikan AI visi spasial tiga dimensi atau empat dimensi dan melatihnya.
Ini akan memungkinkan AI untuk memahami grafik tiga dimensi dan empat dimensi secara dimensi-asli, secara panoramik, tanpa data tersembunyi atau memerlukan rotasi.
Selanjutnya, ini tidak terbatas pada empat dimensi; secara logis, dimensi dapat ditingkatkan tanpa batas menjadi lima, sepuluh, dua puluh, dan seterusnya.
Memahami Grafik Multidimensi
Kemampuan untuk memahami grafik secara panoramik memungkinkan, misalnya, analisis tren lintas beberapa dimensi. Perbandingan ukuran dan pemahaman rasio juga dapat dilakukan secara intuitif.
Ini juga memungkinkan analisis pola data, seperti data yang serupa atau analog. Selain itu, ini dapat membantu menemukan keteraturan dan hukum.
Ini melampaui pencocokan pola data multidimensi biasa, yang menjadi keunggulan AI saat ini, memungkinkan pemahaman data yang lebih mendalam.
Misalnya, meskipun pola yang identik ada dalam kombinasi dimensi yang sama sekali berbeda, pencocokan pola multidimensi sederhana kemungkinan akan kesulitan menemukannya.
Namun, dengan visi multidimensi, jika bentuknya serupa, mereka akan segera dapat dikenali, bahkan di seluruh kombinasi dimensi yang berbeda.
Terlebih lagi, selain hanya menggunakan sumbu dimensi yang menyertai data masukan, dimungkinkan juga untuk menjelajahi struktur dimensi yang lebih mudah untuk memahami data dengan memperluas atau mengontraksi sumbu tertentu, mengubahnya secara logaritmik, atau memetakan beberapa sumbu ke jumlah sumbu yang berbeda tanpa mengurangi dimensinya.
Dengan demikian, dengan melatih kemampuan visi multidimensi, menjadi mungkin untuk memahami struktur data secara panoramik—tugas yang sulit bagi manusia dan AI konvensional—membuka potensi untuk menemukan wawasan dan hukum baru darinya.
Mempercepat Inovasi Paradigma
Kemampuan untuk memahami data berdimensi tinggi secara dimensi-asli tanpa memetakannya ke dimensi yang lebih rendah menunjukkan potensi yang signifikan.
Misalnya, teori heliosentris ditemukan untuk menyesuaikan data observasi astronomi ke dalam rumus matematika yang mudah dipahami. Pemahaman geosentris, yang menyatakan matahari mengelilingi Bumi, tidak dapat memetakan data observasi ke dalam rumus yang mudah dipahami, sehingga mengarah pada penemuan heliosentrisme.
Namun, jika data observasi astronomi dapat dipahami secara dimensi-asli tanpa reduksi dimensi, hukum-hukum mirip heliosentris mungkin telah ditemukan jauh lebih cepat.
Demikian pula, penemuan ilmiah seperti teori relativitas dan mekanika kuantum mungkin telah disadari jauh lebih awal jika data multidimensi dapat dipahami secara panoramik dalam dimensi aslinya.
Ini menyiratkan bahwa inovasi paradigma, yang mengarah pada penemuan berbagai teori dan hukum yang belum diketahui umat manusia, dapat dipercepat oleh AI yang dimensi-asli.
Kesimpulan
AI yang dilatih untuk menjadi asli dalam ruang multi-dimensi, memanfaatkan kemampuan kognitif spasial multi-dimensinya—yang melampaui kemampuan manusia—dapat dengan cepat memperluas cakupan paradigma dalam sains dan akademisi.
Paradigma cenderung bertambah banyak daripada sekadar bergeser. Bahkan jika paradigma baru ditemukan, kita tidak selalu dituntut untuk mengikutinya.
Tentu saja, AI kemungkinan akan menjelaskan paradigma yang ditemukan dalam dimensi kompleks dengan memetakannya ke dimensi yang lebih rendah dengan cara yang mudah kita pahami.
Meskipun demikian, paradigma dimensi yang terlalu tinggi mungkin tetap berada di luar jangkauan pemahaman manusia. Lebih jauh lagi, kemungkinan besar tidak mungkin untuk memahami semua paradigma yang telah berkembang pesat.
Dalam skenario seperti itu, kita mungkin mendapati diri kita hidup dikelilingi oleh produk dan sistem yang berfungsi secara efektif, meskipun kita tidak sepenuhnya memahami prinsip-prinsip yang mendasarinya.
Sebagai seorang insinyur, saya lebih suka tidak membayangkan situasi seperti itu, tetapi bagi banyak orang, mungkin tidak akan jauh berbeda dengan keadaan saat ini.