本文的目的是提出一个有色超空间，其中距离不是用数值来提取的，而是用颜色的变化（或振荡）来提取的。想象一个球体的内部；将彩虹的七种颜色随机地添加为球体中的点；然后一次性以相同的速率扩展它们（包括球体）。 第一部分：色彩之环 彩虹的七种颜色是：红、橙、黄、绿、蓝、靛、紫；它们合在一起形成一条无限振荡的颜色线。我们将这七种颜色变成一个圆圈，我们可以无限循环。要玩这个圆圈，我们可以将 25% 的部分涂成黑色。当我们的循环到达黑色区域的起点时，它会立即传送到黑色区域的终点。我们还可以将圆圈的另外 25% 涂成白色。当我们的循环到达白色区域的起点时，它会立即向后移动并反向循环，直到到达白色区域的另一个起点，然后再次向后移动。 在这个圆圈中，除了我们放置的颜色之外，我们还可以使用机器学习技术，以便让算法将对立的概念模式化（或排序）在对立的两侧。这些概念包括：运动（放在上面）- 静态（放在下面）；热（放在上面）- 冷（放在下面）；变化（放在左边）- 静态（放在……下面？）。机器学习是一个相当模糊的领域。通过使用上下文解读算法，我们旨在根据概念和想法的对立面对其进行分类，并将它们放在推理的范围内。后来，当使用推理的范围内对接收到的输入输出最准确的响应时，人工智能会做出更模糊的事情。 经过大量的训练，这些概念已经很好地分类并准备就绪。这种准备就绪并不是一个固定的结果，在成本、效率和准确性方面可能会有所不同；这取决于所用算法的质量、数据的质量，也许还有进行排序的空间的质量。谈到空间的质量，我们可以以我们的圆为例，并提出几个问题：它是一个灵活的空间吗？我们得到了黑色和白色区域，允许进行类似于维度旅行（跳过部分并将空间颠倒）的事情；它是一个同质（到处都一样）的空间吗？圆显然不是。但是，如果我们取一个 7x7 瓷砖的 2D 空间，并用颜色填充它们，这样，无论从哪个方向看，无论我们看向哪个方向，我们都会看到彩虹的颜色，那么我想我们得到的是一个同质空间（+-）。在那个 2D 7x7 空间中，我们基本上得到了 7 个展开的圆圈，可能每个圆圈都有自己独特的排序和概念。 第二部分：超空间 将 2D 7x7 空间扩展为 3D 7x7x7 空间，从任意位置，通过任意行，我们都可以穿过彩虹的所有七种颜色，得到均匀的 3D 空间。为了使其灵活，我们必须以某种方式将某些部分涂成黑色或白色，以便进行更复杂的旅行。让我们想象一下，我们将中间的方块涂成黑色。现在，无论我们从哪个方向来，我们都会不可避免地“撞到”它，我们将被迫跳过它。也许，我们只想在从立方体顶部来时跳过中间。我们怎么能做到这一点呢？ 一种方法（可能也是唯一可行的方法）是将立方体的内部与边界分开。这样，每个立方体将有自己的 6 条边界，所有边界都代表黑色/白色/无特殊参数，并允许我们以自己独特的方式引导每一面。 现在，您可能想知道为什么我决定将这个空间称为“超空间”而不是常规的 3D 空间。超空间在数学中被定义为三维以上的空间，在科幻小说中则被定义为允许超光速旅行的空间。将这些想法转移到我们的彩色计算空间中，我们认识到计算的每一次“标记”都会考虑一个立方体（或其边界）。例如，如果在我们的 7x7x7 空间中，我们将中间立方体的所有上边界标记为黑色，我们会立即跳过所有边界。但是，在计算中，我们通常需要检查每个边界以确保所有边界都可以跳过。但是，可以在创建此空间后在其上运行某种算法，只需检查每个黑色和每个白色边界，然后在它们上写上各自的编号。例如，由于所有中间立方体都有黑色顶部边框，因此最下方立方体的边框将被赋予数字 1，因为在此步骤中跳过了它本身，第二个下方立方体的顶部边框上将写有数字 2，依此类推，直到第 7 个上边框。 负责检查和标记每个立方体边界的算法位于超空间创建和展开之间的中间。对于创建部分，我们假设概念在超空间中的组织方式在某种程度上允许它们以线性方式表达。例如，如果空间的下部切片包含“外面”、“寒冷”、“多云”、“天气”等行，则“表达线”（或可能是叙述的合理线索）可能表达“外面因为多云天气而非常冷”，或者“外面寒冷的天气是由于多云的大气造成的”（假设“大气”在概念列表中）。也许第一个表达式的“合理成本”较低，仅仅是因为它以线性方式遵循给定的概念，而第二个表达式的成本更高，但更清晰、更详细。无论如何，关键在于概念超空间的形成方式与以后的使用方式之间存在明显的联系。 第三部分：超级迷宫 现在我们知道了空间的样子，让我们试着从算法的角度来看待它，该算法的任务是计算重复的边界，使它们最终发挥作用。让我们想象自己在一个大魔方里面。我们每走一步，都会发现自己处于一种新的颜色中。假设我们以某种方式看到周围有一片 5x5x5 立方体的区域。要么是靠魔法，要么是靠记忆和直觉，如果我们熟悉这个空间的话。我们继续穿过这些颜色，从一个点开始，我们前面会有一个黑色边框，上面写着数字 1000。这意味着如果我们继续前进，我们将被送到前面 1000 个方块的地方。我们站在那里想了一会儿，然后决定出发。我们到达的地方和我们之前所在的地方非常相似；毕竟，我们说过这个空间是同质的。但是，当我们转回来时，立方体的另一边没有边界，因此，我们必须逐个走过所有 1000 个立方体才能到达起点。走过 10 个立方体后，我们转身看到黑色边框，上面写着数字 10。似乎只要找到一个好的理由，我们总是可以重新开始走回去。 然而，我们的目标是探索空间，看看我们能在其中找到什么。我们在哪里找到某个概念，我们在哪里找到它的对立面；甚至及时了解对立概念的排序模式以及它们相互联系的方式。即使空间以或多或少可预测的方式组织，负责探索空间并通过空间表达自己的算法最初可能也不知道它会在那里找到什么。在我看来，这允许某种“直觉”探索，以至于可以形成并使用单独的“记忆空间”，以便算法无需任何预设的特殊边界即可跳过数百个立方体。 一个小趣事是，如果我们去掉所有概念排序的想法，只剩下彩色立方体及其特殊边框，我们就可以随机打乱整个超空间，让单向的 1000 个方块跳到某一侧，而不知道我们跳过了多少方块。当我们要返回时，边框将不存在，因此，我们需要一次走过每个立方体。因为我们不知道跳过的方块数量，所以我们永远不知道如何准确地到达起点。如果我们要在 200 个方块之后找到一个与我们开始的空间完全相同的空间，我们就无法知道我们是处在一个新的但相似的空间中，还是处在最开始的空间中。

Writer

該音頻是用故事的原始語言製作的！

可视化颜色：梯度振荡超空间

About Author

註釋

標籤

这篇文章刊登在

Related Stories

Floki 的 Valhalla 成为印度环斯里兰卡赛事联合赞助商

扬帆起航：利用数据湖开发生产级 RAG 应用程序

架构师指南：构建 AI/ML 数据湖参考架构

加密货币增长：创建有效的用户角色

Floki 的 Valhalla 成为印度环斯里兰卡赛事联合赞助商

扬帆起航：利用数据湖开发生产级 RAG 应用程序

架构师指南：构建 AI/ML 数据湖参考架构

加密货币增长：创建有效的用户角色

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps