Chúng ta tồn tại trong không gian ba chiều.
Trong không gian này, chúng ta nhận thức không gian ba chiều dựa trên thông tin thị giác, vốn chỉ là một hình ảnh hai chiều.
Điều này có nghĩa là tâm trí chúng ta lưu giữ một hình ảnh về không gian ba chiều, và chúng ta ánh xạ ngược thông tin thị giác hai chiều lên hình ảnh ba chiều này.
Tôi dự đoán rằng, bằng cách áp dụng nguyên tắc này, con người có thể có khả năng nhận thức không gian bốn chiều. Mặc dù chúng ta không thể tạo ra không gian bốn chiều hoặc các vật thể bốn chiều trong không gian vật lý thực tế,
nhưng hoàn toàn có thể mô phỏng không gian và vật thể bốn chiều bằng máy tính. Bằng cách ánh xạ không gian bốn chiều được mô phỏng này lên một mặt phẳng hai chiều, con người có thể nắm bắt thông tin một cách trực quan.
Sau đó, nếu con người học được các hành vi và góc nhìn của không gian và vật thể bốn chiều như vậy, cuối cùng họ sẽ có thể tạo ra một không gian bốn chiều trong tâm trí mình.
Tuy nhiên, đây chỉ là một khả năng, và quá trình đào tạo như vậy có lẽ 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 này 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 nhận thức không gian bốn chiều, AI có thể vẽ và hiểu các biểu đồ bốn chiều.
Con người chỉ có thể nắm bắt thông tin thị giác trên một mặt phẳng hai chiều một cách nhanh chóng. Do đó, ngay cả khi một biểu đồ ba chiều được vẽ và nhận diện thông qua ánh xạ ngược, vẫn sẽ có những phần bị che khuất.
Mặc dù một phần đáng kể của biểu đồ ba chiều trở nên vô hình, một biểu đồ bốn chiều sẽ che giấu nhiều dữ liệu hơn nữa.
Mặc dù việc xoay biểu đồ có thể làm lộ các phần bị che khuất, nhưng điều này đi chệch khỏi mục tiêu nắm bắt dữ liệu một cách trực quan ngay lập tức.
Ngược lại, AI không cần bị giới hạn bởi thông tin thị giác phẳng hai chiều. Có thể ảo hóa trang bị cho AI thị giác không gian ba chiều hoặc bốn chiều và huấn luyện nó.
Điều này sẽ cho phép AI nắm bắt các biểu đồ ba chiều và bốn chiều theo cách nguyên bản chiều, toàn cảnh, mà không cần dữ liệu bị che giấu hoặc yêu cầu xoay.
Hơn nữa, điều này không giới hạn ở bốn chiều; về mặt logic, số chiều có thể được 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 cảnh cho phép, ví dụ, phân tích xu hướng trên nhiều chiều. Việc so sánh kích thước và hiểu tỷ lệ cũng có thể được thực hiện một cách trực quan.
Nó cũng cho phép phân tích các mẫu dữ liệu, chẳng hạn như dữ liệu tương tự hoặc tương đồng. Hơn nữa, nó có thể giúp khám phá các quy luật và định luật.
Điều này vượt xa việc khớp mẫu dữ liệu đa chiều đơn thuần, vốn là sở trường của AI hiện có, cho phép hiểu sâu hơn về dữ liệu.
Ví dụ, ngay cả khi các mẫu giống hệt nhau tồn tại trong các kết hợp của các chiều hoàn toàn khác nhau, việc khớp mẫu đa chiều đơn giản có thể sẽ khó khăn để tìm ra chúng.
Tuy nhiên, với thị giác đa chiều, nếu các hình dạng tương tự nhau, chúng sẽ được nhận ra ngay lập tức, ngay cả trên các kết hợp chiều khác nhau.
Hơn nữa, ngoài việc chỉ đơn giản sử dụng các trục chiều đi kèm với dữ liệu đầu vào, cũng có thể khám phá các cấu trúc chiều dễ hiểu dữ liệu hơn bằng cách mở rộng hoặc thu hẹp các trục cụ thể, biến đổi logarit chúng, hoặc ánh xạ nhiều trục sang cùng số lượng trục khác nhau mà không làm giảm chiều của chúng.
Do đó, bằng cách rèn luyện khả năng thị giác đa chiều, có thể nắm bắt các cấu trúc dữ liệu một cách toàn cảnh – một nhiệm vụ khó khăn đối với cả con người và AI thông thường – mở ra tiềm năng khám phá những hiểu biết và quy luật mới từ chúng.
Thúc đẩy Đổi mới Mô hình
Khả năng nắm bắt dữ liệu đa chiều một cách nguyên bản mà không cần ánh xạ 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. Sự hiểu biết địa tâm, cho rằng mặt trời quay quanh Trái đất, đã không thể ánh xạ dữ liệu quan sát vào các công thức dễ hiểu, dẫn đến sự ra đời của thuyết nhật tâm.
Tuy nhiên, nếu dữ liệu quan sát thiên văn có thể được nắm bắt một cách nguyên bản mà không cần giảm chiều, thì các quy luật giống nhật tâm có thể đã 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 hiện thực hóa sớm hơn nhiều nếu dữ liệu đa chiều có thể được nắm bắt toàn cảnh trong các chiều nguyên bản của nó.
Điều này ngụ ý rằng đổi mới mô hình, dẫn đến việc khám phá các lý thuyết và quy luật khác nhau mà nhân loại chưa biết, có thể được thúc đẩy nhanh hơn nhờ AI có khả năng xử lý dữ liệu nguyên bản theo chiều của nó.
Kết luận
AI được huấn luyện để bản địa hóa trong không gian đa chiều, tận dụng khả năng nhận thức không gian đa chiều của nó – vượt xa khả năng mô phỏng của con người – có thể nhanh chóng mở rộng phạm vi các mô hình trong khoa học và học thuật.
Các mô hình có xu hướng nhân lên hơn là chỉ đơn thuần dịch chuyển. Ngay cả khi các mô hình mới được phát minh, chúng ta không nhất thiết phải theo kịp chúng.
Tất nhiên, AI có thể sẽ giải thích các mô hình được khám phá trong các chiều phức tạp bằng cách ánh xạ chúng xuống các chiều thấp hơn theo cách dễ hiểu đối với chúng ta.
Tuy nhiên, các mô hình có chiều quá cao có thể vẫn nằm ngoài tầm hiểu biết của con người. Hơn nữa, có thể sẽ không thể hiểu được tất cả các mô hình đã mở rộng đáng kể.
Trong kịch bản như vậy, chúng ta có thể thấy mình sống giữa các sản phẩm và hệ thống hoạt động hiệu quả, ngay cả khi chúng ta không hiểu đầy đủ các nguyên tắc cơ bản của chúng.
Với tư cách là một kỹ sư, tôi thà không tưởng tượng một tình huống như vậy, nhưng đối với nhiều người, nó có thể không khác nhiều so với hiện tại.