Chúng ta tồn tại trong một không gian ba chiều.
Trong không gian này, chúng ta nhận thức không gian ba chiều chỉ dựa trên thông tin thị giác, vốn chỉ là những hình ảnh hai chiều.
Điều này ngụ ý rằng chúng ta sở hữu một hình ảnh không gian ba chiều trong tâm trí mình, và chúng ta đang ánh xạ ngược thông tin thị giác hai chiều này lên hình ảnh không gian ba chiều đó.
Tôi dự đoán rằng bằng cách áp dụng nguyên tắc này, con người có thể nhận thức được không gian bốn chiều. Mặc dù chúng ta không thể tạo ra không gian bốn chiều hoặc vật thể bốn chiều trong không gian vật lý thực tế,
nhưng có thể mô phỏng không gian bốn chiều và vật thể bốn chiều trên máy tính. Nếu chúng ta thực hiện một phép ánh xạ từ không gian bốn chiều được mô phỏng đó sang một mặt phẳng hai chiều, con người có thể nắm bắt thông tin một cách trực quan.
Sau đó, khi con người học hỏi các hành vi và góc nhìn của không gian bốn chiều và các vật thể bốn chiều như vậy, họ cuối cùng sẽ có thể xây dựng một không gian bốn chiều trong tâm trí mình.
Tuy nhiên, đây chỉ là một khả năng, và việc đào tạo được dự đoán sẽ đòi hỏi một lượng thời gian đáng kể.
Hơn nữa, ngay cả khi một người có được khả năng nhận thức không gian bốn chiều, sẽ hầu như không có tình huống nào mà khả năng đó có thể được áp dụng.
Nhận thức bốn chiều của AI
Mặt khác, điều tương tự cũng có thể đạt được với AI. Hơn nữa, AI có thể tận dụng khả năng nhận thức không gian bốn chiều này.
Ví dụ, với khả năng nhận thức không gian bốn chiều, có thể vẽ và hiểu các biểu đồ bốn chiều.
Con người chỉ có thể nắm bắt toàn diện thông tin thị giác hai chiều trên mặt phẳng. Do đó, ngay cả khi một biểu đồ ba chiều được vẽ và nhận dạng thông qua ánh xạ ngược, sẽ có những phần bị che khuất.
Ngay cả với biểu đồ ba chiều, một phần đáng kể trở nên vô hình, và với biểu đồ bốn chiều, thậm chí nhiều dữ liệu hơn nữa trở nên không thấy được.
Mặc dù việc xoay biểu đồ có thể làm lộ ra các phần vô hình, nhưng điều đó làm lệch khỏi mục tiêu làm cho dữ liệu trở nên dễ hiểu một cách toàn diện và trực quan ngay lập tức.
Ngược lại, AI không cần bị giới hạn bởi thông tin thị giác hai chiều trên mặt phẳng. Có thể trang bị ảo cho AI thị giác không gian ba chiều hoặc bốn chiều và huấn luyện nó.
Bằng cách đó, các biểu đồ ba chiều và bốn chiều có thể được nắm bắt một cách toàn diện và nguyên bản theo chiều không gian, không có dữ liệu bị ẩn hoặc không cần xoay.
Hơn nữa, điều này không giới hạn ở bốn chiều; về mặt logic, số chiều có thể tăng lên vô hạn đến năm, mười, hai mươi và hơn thế nữa.
Hiểu Biểu đồ Đa Chiều
Khả năng nắm bắt biểu đồ một cách toàn diện cho phép, ví dụ, phân tích xu hướng trên nhiều chiều. So sánh độ lớn và hiểu tỷ lệ cũng có thể được thực hiện một cách trực quan.
Hơn nữa, nó cho phép phân tích các mẫu dữ liệu, chẳng hạn như dữ liệu tương tự hoặc tương tự. Nó cũng có thể dẫn đến việc khám phá các quy luật và định luật.
Điều này cho phép hiểu sâu hơn về dữ liệu vượt ra ngoài việc chỉ so khớp mẫu dữ liệu đa chiều, điều mà AI hiện tại rất giỏi.
Ví dụ, ngay cả khi các phần có cùng mẫu tồn tại trong các tổ hợp chiều hoàn toàn khác nhau, sẽ rất khó để tìm thấy chúng thông qua việc so khớp mẫu đa chiều đơn giản.
Tuy nhiên, nếu dữ liệu được nhìn bằng thị giác đa chiều, các hình dạng tương tự sẽ ngay lập tức rõ ràng, ngay cả trên các tổ hợp chiều khác nhau.
Hơn nữa, ngoài việc chỉ đơn thuần sử dụng các trục chiều liên quan đến dữ liệu đầu vào, có thể khám phá các cấu trúc chiều tạo điều kiện hiểu dữ liệu bằng cách phóng to hoặc thu nhỏ các trục cụ thể, lấy logarit, hoặc ánh xạ nhiều trục sang một tập hợp các trục khác có cùng số lượng mà không giảm chiều.
Do đó, việc đào tạo khả năng thị giác đa chiều mở ra khả năng nắm bắt các cấu trúc dữ liệu toàn diện mà cả con người và AI thông thường đều khó khăn, có khả năng dẫn đến việc khám phá những hiểu biết và quy luật mới.
Thúc đẩy đổi mới mô hình (Paradigm Innovation)
Khả năng nắm bắt dữ liệu đa chiều một cách nguyên bản mà không cần ánh xạ nó xuống các chiều thấp hơn cho thấy một tiềm năng đáng kể.
Ví dụ, thuyết nhật tâm đã được phát minh để đưa dữ liệu quan sát thiên văn vào các công thức toán học dễ hiểu. Thuyết địa tâm, vốn cho rằng mặt trời quay quanh Trái đất, không thể ánh xạ dữ liệu quan sát vào các công thức dễ hiểu, dẫn đến việc phát minh ra thuyết nhật tâm.
Tuy nhiên, nếu dữ liệu quan sát thiên văn có thể được nắm bắt một cách nguyên bản mà không giảm số chiều của nó, có thể các định luật tương tự như thuyết nhật tâm đã có thể được khám phá sớm hơn nhiều.
Tương tự, các phát minh khoa học như thuyết tương đối và cơ học lượng tử có thể đã được nhận ra nhanh chóng nếu dữ liệu đa chiều có thể được nắm bắt toàn diện trong các chiều nguyên bản của nó.
Điều này ngụ ý rằng AI đa chiều nguyên bản có thể thúc đẩy đổi mới mô hình, dẫn đến việc khám phá nhiều lý thuyết và định luật mà nhân loại chưa biết đến.
Kết luận
AI được huấn luyện để thích nghi với các không gian đa chiều như vậy có thể tận dụng khả năng nhận thức không gian đa chiều của nó, điều mà con người không thể tái tạo, để nhanh chóng mở rộng phạm vi của các mô hình khoa học và học thuật.
Các mô hình có xu hướng nhân lên thay vì chỉ đơn thuần dịch chuyển. Ngay cả khi các mô hình mới được phát minh, chúng ta không nhất thiết phải theo kịp tất cả chúng.
Tất nhiên, AI có thể sẽ giải thích các mô hình phức tạp, đa chiều bằng cách ánh xạ chúng xuống các chiều thấp hơn theo cách mà chúng ta dễ hiểu.
Tuy nhiên, có thể con người không thể hiểu đầy đủ các mô hình quá cao chiều. Chúng ta cũng sẽ không thể nắm bắt tất cả các mô hình đã mở rộng đáng kể.
Trong kịch bản đó, chúng ta có thể thấy mình sống giữa các sản phẩm và hệ thống hoạt động tốt, ngay cả khi chúng ta không hoàn toàn hiểu các nguyên lý cơ bản của chúng.
Là một kỹ sư, tôi thà không tưởng tượng một tình huống như vậy, nhưng đối với nhiều người, điều đó có thể không khác biệt nhiều so với hiện tại.