Tupo katika nafasi yenye vipimo vitatu.
Ndani ya nafasi hii, tunatambua nafasi yenye vipimo vitatu kulingana na habari ya kuona, ambayo ni picha ya vipimo viwili tu.
Hii inamaanisha kwamba akili zetu zina picha ya nafasi yenye vipimo vitatu, na tunabadilisha habari ya kuona ya vipimo viwili kurudi kwenye picha hii ya vipimo vitatu.
Natabiri kwamba, kwa kutumia kanuni hii, wanadamu wanaweza kutambua nafasi yenye vipimo vinne. Ingawa hatuwezi kuunda nafasi yenye vipimo vinne au vitu vya vipimo vinne katika nafasi halisi ya kimwili,
inawezekana kuiga nafasi yenye vipimo vinne na vitu vyake kwa kutumia kompyuta. Kwa kuunganisha nafasi hii ya vipimo vinne iliyoigwa kwenye ndege ya vipimo viwili, wanadamu wanaweza kufahamu habari kwa kuona.
Kisha, ikiwa wanadamu watajifunza tabia na mitazamo ya nafasi na vitu vya vipimo vinne kama hivyo, hatimaye wataweza kuunda nafasi yenye vipimo vinne akilini mwao.
Hata hivyo, hii ni uwezekano tu, na mafunzo kama hayo yanaweza kuhitaji muda mwingi sana.
Zaidi ya hayo, hata kama mtu angepata uwezo wa kutambua nafasi yenye vipimo vinne, hakutakuwa na hali yoyote ambapo uwezo huu ungeweza kutumika.
Utambuzi wa AI wa Vipimo Vinne
Kwa upande mwingine, jambo hilohilo linaweza kufikiwa kwa AI. Zaidi ya hayo, AI inaweza kutumia uwezo huu wa utambuzi wa anga wa vipimo vinne.
Kwa mfano, kwa utambuzi wa anga wa vipimo vinne, AI inaweza kuchora na kuelewa grafu za vipimo vinne.
Wanadamu wanaweza tu kufahamu habari ya kuona kwenye ndege ya vipimo viwili kwa mtazamo mmoja. Kwa hivyo, hata kama grafu ya vipimo vitatu imechorwa na kutambuliwa kupitia ramani ya kinyume, bado kutakuwa na sehemu zilizofichwa.
Wakati sehemu kubwa ya grafu ya vipimo vitatu inapoteza kuonekana, grafu ya vipimo vinne ingeficha data nyingi zaidi.
Ingawa kuzungusha grafu kunaweza kufichua sehemu zilizofichwa, hii inaondoa lengo la kufahamu data kiurahisi kwa mtazamo mmoja.
Kinyume chake, AI haihitaji kufungwa na habari ya kuona ya ndege ya vipimo viwili. Inawezekana kuiwezesha AI kwa maono ya anga ya vipimo vitatu au vipimo vinne na kuifundisha.
Hii ingeruhusu AI kufahamu grafu za vipimo vitatu na vipimo vinne kwa njia asilia ya vipimo, kwa mtazamo mpana, bila data kufichwa au kuhitaji kuzungushwa.
Zaidi ya hayo, hii haizuiliwi kwa vipimo vinne; kimantiki, vipimo vinaweza kuongezwa bila kikomo hadi tano, kumi, ishirini, na zaidi.
Kuelewa Grafu za Vipimo Vingi
Uwezo wa kufahamu grafu kwa mtazamo mpana huwezesha, kwa mfano, uchambuzi wa mwelekeo katika vipimo vingi. Kulinganisha ukubwa na kuelewa uwiano pia kunaweza kufanywa kwa urahisi.
Pia huruhusu uchambuzi wa mifumo ya data, kama vile data inayofanana au inayolingana. Zaidi ya hayo, inaweza kusaidia kugundua kanuni na sheria.
Hii inapita zaidi ya kulinganisha mifumo ya data ya vipimo vingi tu, ambayo AI iliyopo inaweza kuifanya vizuri, ikiwezesha uelewa wa kina wa data.
Kwa mfano, hata kama mifumo inayofanana kabisa ipo ndani ya michanganyiko ya vipimo tofauti kabisa, kulinganisha mifumo rahisi ya vipimo vingi kunaweza kuwa ngumu kuipata.
Hata hivyo, kwa maono ya vipimo vingi, ikiwa maumbo yanafanana, yanapaswa kutambulika mara moja, hata katika michanganyiko tofauti ya vipimo.
Zaidi ya hayo, zaidi ya kutumia tu shoka za vipimo zinazoambatana na data ya kuingiza, inawezekana pia kuchunguza miundo ya vipimo ambayo ni rahisi kuelewa data kwa kupanua au kusinyaa shoka maalum, kuzibadilisha kuwa logariti, au kuunganisha shoka nyingi kwa idadi sawa ya shoka tofauti bila kupunguza vipimo vyao.
Hivyo, kwa kufundisha uwezo wa maono ya vipimo vingi, inawezekana kufahamu miundo ya data kwa mtazamo mpana—kazi ngumu kwa wanadamu na AI ya kawaida—ikifungua uwezekano wa kugundua ufahamu mpya na sheria kutoka humo.
Kuharakisha Ubunifu wa Dhana
Uwezo wa kufahamu data yenye vipimo vingi kwa asili bila kuiunganisha kwenye vipimo vya chini unapendekeza uwezo mkubwa.
Kwa mfano, nadharia ya heliocentric ilivumbuliwa ili kutoshea data ya uchunguzi wa nyota katika fomula za hisabati zinazoeleweka kwa urahisi. Uelewa wa geocentric, uliosema jua linazunguka Dunia, haukuweza kuunganisha data ya uchunguzi kwenye fomula zinazoeleweka, na kusababisha uvumbuzi wa heliocentrism.
Hata hivyo, kama data ya uchunguzi wa nyota ingeweza kufahamu kwa asili bila kupunguza vipimo, sheria zinazofanana na heliocentric zingeweza kugunduliwa mapema zaidi.
Vile vile, uvumbuzi wa kisayansi kama vile nadharia ya uhusiano na mechanics ya quantum zingeweza kutambuliwa mapema zaidi kama data yenye vipimo vingi ingeweza kufahamu kwa mtazamo mpana katika vipimo vyake asili.
Hii inamaanisha kuwa ubunifu wa dhana, unaoongoza kwenye ugunduzi wa nadharia na sheria mbalimbali zisizojulikana bado kwa wanadamu, unaweza kuharakishwa na AI asilia ya vipimo.
Hitimisho
AI iliyofunzwa kuwa asilia katika nafasi ya vipimo vingi, ikitumia uwezo wake wa utambuzi wa anga wa vipimo vingi—ambao hauwezi kuigwa na binadamu—inaweza kupanua haraka wigo wa dhana katika sayansi na elimu.
Dhana huwa zinaongezeka badala ya kubadilika tu. Hata kama dhana mpya zitavumbuliwa, hatuhitajiki kuzifuata.
Bila shaka, AI itaeleza dhana zilizogunduliwa katika vipimo changamano kwa kuziunganisha kwenye vipimo vya chini kwa njia ambayo ni rahisi kwetu kuelewa.
Hata hivyo, dhana za vipimo vya juu sana zinaweza kubaki nje ya uelewa wa binadamu. Zaidi ya hayo, kuna uwezekano mkubwa kuwa haiwezekani kuelewa dhana zote zilizopanuka sana.
Katika hali kama hiyo, tunaweza kujikuta tukiishi tukizungukwa na bidhaa na mifumo inayofanya kazi kwa ufanisi, hata kama hatuelewi kikamilifu kanuni zake za msingi.
Kama mhandisi, sipendi kufikiria hali kama hiyo, lakini kwa watu wengi, inaweza kuwa tofauti kidogo na jinsi mambo yalivyo leo.