Wij bestaan in een driedimensionale ruimte.
Binnen deze ruimte nemen we de driedimensionale ruimte waar op basis van visuele informatie, die slechts een tweedimensionaal beeld is.
Dit betekent dat onze geest een beeld van de driedimensionale ruimte vasthoudt, en dat we tweedimensionale visuele informatie omgekeerd projecteren op dit driedimensionale beeld.
Ik voorspel dat, door dit principe toe te passen, mensen mogelijk een vierdimensionale ruimte zouden kunnen waarnemen. Hoewel we geen vierdimensionale ruimte of vierdimensionale objecten kunnen creëren in de reële fysieke ruimte,
is het mogelijk om vierdimensionale ruimte en objecten te simuleren met behulp van computers. Door deze gesimuleerde vierdimensionale ruimte op een tweedimensionaal vlak te projecteren, kunnen mensen de informatie visueel waarnemen.
Als mensen vervolgens het gedrag en de weergaven van een dergelijke vierdimensionale ruimte en objecten leren, zullen ze uiteindelijk in staat zijn om een vierdimensionale ruimte in hun geest te creëren.
Dit is echter slechts een mogelijkheid, en een dergelijke training zou waarschijnlijk een aanzienlijke hoeveelheid tijd vergen.
Bovendien, zelfs als men het vermogen zou verwerven om vierdimensionale ruimte waar te nemen, zouden er vrijwel geen situaties zijn waarin deze vaardigheid kon worden toegepast.
AI's Waarneming van Vier Dimensies
Aan de andere kant kan hetzelfde worden bereikt met AI. Bovendien zou AI dit vierdimensionale ruimtelijke waarnemingsvermogen kunnen benutten.
Met een vierdimensionaal ruimtelijk waarnemingsvermogen zou AI bijvoorbeeld vierdimensionale grafieken kunnen tekenen en begrijpen.
Mensen kunnen visuele informatie alleen in een tweedimensionaal vlak in één oogopslag overzien. Daarom zullen, zelfs als een driedimensionale grafiek wordt getekend en herkend via inverse projectie, er nog steeds verborgen delen zijn die aan het zicht onttrokken zijn.
Terwijl een aanzienlijk deel van een driedimensionale grafiek onzichtbaar wordt, zou een vierdimensionale grafiek nog meer gegevens verbergen.
Hoewel het draaien van de grafiek verborgen delen kan onthullen, verwijdert dit ons van het doel om gegevens intuïtief in één oogopslag te begrijpen.
Omgekeerd hoeft AI niet beperkt te zijn door tweedimensionale vlakke visuele informatie. Het is mogelijk om AI virtueel een driedimensionaal of vierdimensionaal ruimtelijk zicht te geven en het te trainen.
Dit zou AI in staat stellen driedimensionale en vierdimensionale grafieken op een dimensie-native, panoramische manier te overzien, zonder dat gegevens verborgen zijn of rotatie vereist is.
Bovendien is dit niet beperkt tot vier dimensies; logisch gezien kunnen dimensies oneindig worden uitgebreid tot vijf, tien, twintig en verder.
Multidimensionale Grafieken Begrijpen
Het vermogen om grafieken panoramisch te overzien maakt bijvoorbeeld trendanalyse over meerdere dimensies mogelijk. Vergelijkingen van grootte en het begrijpen van verhoudingen kunnen ook intuïtief worden uitgevoerd.
Het maakt ook de analyse van datapatronen mogelijk, zoals vergelijkbare of analoge gegevens. Bovendien kan het helpen bij het ontdekken van regelmatigheden en wetmatigheden.
Dit gaat verder dan louter patroonherkenning in multidimensionale data, waar bestaande AI in uitblinkt, en maakt een dieper begrip van data mogelijk.
Zelfs als identieke patronen bestaan binnen combinaties van volledig verschillende dimensies, zou simpele multidimensionale patroonherkenning bijvoorbeeld moeite hebben om ze te vinden.
Met multidimensionale visie, echter, als de vormen vergelijkbaar zijn, zouden ze onmiddellijk herkenbaar moeten zijn, zelfs over verschillende dimensionele combinaties heen.
Bovendien is het, naast het simpelweg gebruiken van de dimensie-assen die bij de invoergegevens horen, ook mogelijk om dimensionele structuren te verkennen die de gegevens gemakkelijker te begrijpen maken door specifieke assen uit te breiden of te verkleinen, ze logaritmisch te transformeren, of meerdere assen naar hetzelfde aantal verschillende assen te projecteren zonder hun dimensionaliteit te verminderen.
Door zo de capaciteit voor multidimensionale visie te trainen, wordt het mogelijk om datastructuren panoramisch te overzien – een taak die zowel voor mensen als voor conventionele AI moeilijk is – wat het potentieel opent voor het ontdekken van nieuwe inzichten en wetten.
Versnelling van Paradigma-innovatie
Het vermogen om hoogdimensionale gegevens dimensie-native te begrijpen zonder deze naar lagere dimensies te projecteren, duidt op een aanzienlijk potentieel.
Zo werd de heliocentrische theorie uitgevonden om astronomische waarnemingsgegevens in gemakkelijk te begrijpen wiskundige formules te passen. Het geocentrische begrip, dat stelde dat de zon om de aarde draaide, kon waarnemingsgegevens niet naar begrijpelijke formules projecteren, wat leidde tot de uitvinding van het heliocentrisme.
Echter, als astronomische waarnemingsgegevens dimensie-native begrepen konden worden zonder dimensiereductie, zouden heliocentrische wetten veel sneller ontdekt kunnen zijn.
Op vergelijkbare wijze hadden wetenschappelijke uitvindingen zoals de relativiteitstheorie en de kwantummechanica veel eerder gerealiseerd kunnen worden als multidimensionale gegevens panoramisch in hun native dimensies begrepen konden zijn.
Dit impliceert dat paradigma-innovatie, die leidt tot de ontdekking van diverse theorieën en wetten die de mensheid nog onbekend zijn, versneld zou kunnen worden door dimensie-native AI.
Conclusie
AI die is getraind om dimensie-native te zijn in multidimensionale ruimte, en haar multidimensionale ruimtelijke cognitieve vaardigheden benut – die menselijke nabootsing te boven gaan – kan het bereik van paradigma's in wetenschap en academische wereld snel uitbreiden.
Paradigma's vermenigvuldigen zich eerder dan dat ze enkel verschuiven. Zelfs als er nieuwe paradigma's worden uitgevonden, hoeven we ze niet noodzakelijk bij te benen.
Natuurlijk zal AI paradigma's die in complexe dimensies zijn ontdekt waarschijnlijk uitleggen door ze naar lagere dimensies te projecteren op een manier die voor ons gemakkelijk te begrijpen is.
Niettemin zouden paradigma's van buitensporig hoge dimensies buiten het menselijk bevattingsvermogen kunnen blijven. Bovendien zal het waarschijnlijk onmogelijk zijn om alle enorm uitgebreide paradigma's te begrijpen.
In een dergelijk scenario zouden we ons kunnen bevinden, omringd door producten en systemen die effectief 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 veel anders dan hoe het er vandaag uitziet.