Wij bestaan in een driedimensionale ruimte.
Binnen deze ruimte nemen we de driedimensionale ruimte waar, uitsluitend gebaseerd op visuele informatie, die slechts tweedimensionale beelden zijn.
Dit impliceert dat we een driedimensionaal ruimtelijk beeld in onze geest bezitten, en dat we de tweedimensionale visuele informatie omgekeerd projecteren op dit driedimensionale ruimtelijke beeld.
Ik voorspel dat door toepassing van dit principe het voor mensen mogelijk zou zijn om een vierdimensionale ruimte waar te nemen. Hoewel we geen vierdimensionale ruimte of vierdimensionale objecten kunnen creëren binnen de reële fysieke ruimte,
is het mogelijk om vierdimensionale ruimte en vierdimensionale objecten op een computer te simuleren. Als we een projectie uitvoeren van zo'n gesimuleerde vierdimensionale ruimte naar een tweedimensionaal vlak, kunnen mensen de informatie visueel begrijpen.
Vervolgens, naarmate mensen het gedrag en de aanzichten van dergelijke vierdimensionale ruimte en vierdimensionale objecten leren, zullen ze uiteindelijk in staat zijn om een vierdimensionale ruimte in hun geest te construeren.
Dit is echter slechts een mogelijkheid, en de training zal naar verwachting aanzienlijke tijd in beslag nemen.
Bovendien, zelfs als iemand de mogelijkheid zou verkrijgen om vierdimensionale ruimte waar te nemen, zouden er vrijwel geen situaties zijn waarin die mogelijkheid toegepast zou kunnen worden.
Vierdimensionale Waarneming door AI
Aan de andere kant kan hetzelfde met AI worden bereikt. Bovendien zou AI in staat kunnen zijn om deze vierdimensionale ruimtelijke waarnemingsmogelijkheid te benutten.
Met vierdimensionale ruimtelijke waarneming zou het bijvoorbeeld mogelijk zijn om vierdimensionale grafieken te tekenen en te begrijpen.
Mensen kunnen alleen tweedimensionale vlakke visuele informatie volledig overzien. Daarom, zelfs als een driedimensionale grafiek wordt getekend en herkend via inverse projectie, zullen er delen verborgen zijn voor het zicht.
Zelfs bij driedimensionale grafieken wordt een aanzienlijk deel onzichtbaar, en bij vierdimensionale grafieken wordt nog meer data onzichtbaar.
Hoewel het roteren van de grafiek de onzichtbare delen kan onthullen, verwijdert dit ons van het doel om gegevens in één oogopslag volledig en intuïtief begrijpelijk te maken.
Omgekeerd hoeft AI niet te worden beperkt door tweedimensionale vlakke visuele informatie. Het is mogelijk om AI virtueel uit te rusten met driedimensionale of vierdimensionale ruimtelijke visie en deze te trainen.
Hierdoor kunnen driedimensionale en vierdimensionale grafieken uitgebreid en dimensioneel native worden begrepen, zonder verborgen gegevens of de noodzaak tot rotatie.
Bovendien is dit niet beperkt tot vier dimensies; logischerwijs kunnen dimensies oneindig worden uitgebreid tot vijf, tien, twintig en verder.
Meerdimensionaal Grafieken Begrijpen
De mogelijkheid om grafieken volledig te begrijpen, maakt bijvoorbeeld trendanalyse over meerdere dimensies mogelijk. Vergelijkingen van grootte en het begrijpen van verhoudingen kunnen ook intuïtief worden uitgevoerd.
Bovendien maakt het de analyse van datapatronen mogelijk, zoals vergelijkbare of analoge gegevens. Het zou ook kunnen leiden tot de ontdekking van regelmatigheden en wetten.
Dit maakt een dieper begrip van gegevens mogelijk, verder dan louter patroonherkenning van multidimensionale gegevens, waarin bestaande AI uitblinkt.
Als bijvoorbeeld delen met hetzelfde patroon bestaan binnen geheel verschillende combinaties van dimensies, zou het moeilijk zijn om deze te vinden via eenvoudige multidimensionale patroonherkenning.
Echter, als gegevens worden bekeken met multidimensionale visie, zouden vergelijkbare vormen onmiddellijk duidelijk zijn, zelfs over verschillende dimensionale combinaties heen.
Bovendien, naast het simpelweg gebruiken van de dimensionale assen die geassocieerd zijn met de invoergegevens, is het mogelijk om dimensionale structuren te verkennen die het gegevensbegrip vergemakkelijken door specifieke assen te vergroten of te verkleinen, logaritmes te nemen, of meerdere assen te projecteren op een andere set assen van hetzelfde aantal zonder dimensies te reduceren.
Zo opent het trainen van multidimensionale visiecapaciteiten de mogelijkheid om uitgebreide gegevensstructuren te begrijpen die moeilijk waren voor zowel mensen als conventionele AI, wat potentieel kan leiden tot de ontdekking van nieuwe inzichten en wetten.
Het Versnellen van Paradigma-innovatie
Het vermogen om hoogdimensionale gegevens 'native' te begrijpen zonder deze naar lagere dimensies te projecteren, duidt op een aanzienlijk potentieel.
De heliocentrische theorie werd bijvoorbeeld uitgevonden om astronomische observatiegegevens in gemakkelijk te begrijpen wiskundige formules te passen. De geocentrische theorie, die stelde dat de zon om de aarde draaide, kon observatiegegevens niet in gemakkelijk te begrijpen formules omzetten, wat leidde tot de uitvinding van de heliocentrische theorie.
Als astronomische observatiegegevens echter 'native' konden worden begrepen zonder de dimensies te reduceren, is het mogelijk dat heliocentrische wetten veel eerder ontdekt hadden kunnen worden.
Op vergelijkbare wijze hadden wetenschappelijke uitvindingen zoals de relativiteitstheorie en de kwantummechanica snel gerealiseerd kunnen worden als multidimensionale gegevens uitgebreid konden worden begrepen in hun oorspronkelijke dimensies.
Dit impliceert dat multidimensionale, 'native' AI paradigma-innovaties zou kunnen versnellen, wat leidt tot de ontdekking van diverse theorieën en wetten die de mensheid nog onbekend zijn.
Conclusie
AI, getraind om 'native' te zijn in dergelijke multidimensionale ruimtes, zou haar multidimensionale ruimtelijke waarnemingsvermogens, die mensen niet kunnen repliceren, kunnen benutten om de reikwijdte van wetenschappelijke en academische paradigma's snel uit te breiden.
Paradigma's neigen eerder te vermenigvuldigen dan louter te verschuiven. Zelfs als er nieuwe paradigma's worden uitgevonden, zijn we niet noodzakelijkerwijs verplicht om elk ervan bij te houden.
Natuurlijk zal AI waarschijnlijk complexe, hoogdimensionale paradigma's uitleggen door ze naar lagere dimensies te projecteren op een manier die voor ons gemakkelijk te begrijpen is.
Niettemin is het mogelijk dat mensen overmatig hoogdimensionale paradigma's niet volledig kunnen bevatten. Evenmin zullen we in staat zijn om alle enorm uitgebreide paradigma's te begrijpen.
In dat scenario zouden we onszelf kunnen omringd zien door producten en systemen die goed functioneren, zelfs als we hun onderliggende principes niet volledig begrijpen.
Als ingenieur zou ik zo'n situatie liever niet willen voorstellen, maar voor veel mensen is het misschien niet zo anders dan hoe dingen nu zijn.