ИИ+КА: Концепция архивации
Как известно, клеточные автоматы достаточно зрелая область, причём довольно интересная! Возможно ли использовать их в сочетании с Искусственным Интеллектом, чтобы оптимизировать алгоритмы сжатия и архивации информации?
Допустим, классический клеточный автомат из нескольких клеток может породить довольно огромную колонию спустя сотню поколений. Допустим, на поле имеются позиции с источником полезной информации.
Если использовать комбинацию из нескольких настраиваемых генераторов псевдослучайных чисел с регулируемой дисперсией, то можно предсказать одним датчиком случайных чисел(прогнозистом) моменты полезного развития колонии, а другим(аналитиком) - позиции и порядок, с которых нужно собрать "урожай" - пакет полезной информации в эти моменты.
Гипотеза:
Допустим, имеется библиотека из сотен алгоритмов датчиков псевдослучайных чисел нескольких классов:
1) Эпохальные - довольно вялые генераторы, не меняющие своего значения достаточно долго (допустим, функция синуса);
2) Эволюционные - датчики средней активности, значения которых меняется в геометрической прогрессии;
3) Революционные - датчики высшей активности с динамической дисперсией, скважностью и модуляцией.
Сначала составляется карта смены эпох в виде последовательности выдержки и смены кадров. В каждом кадре сохраняется информация о факторах, играющих главенствующую роль над эволюцией, когда эволюционные датчики должны замениться. Каждая из колоний разбивается на касты, над которыми правит революционные датчики, внося свои коррективы удалением/добавлением клеток.
Допустим одна каста колонии достигла нужного уровня и в определёных позициях содержится несколько битов для загрузки их в аналитик, который в свою очередь из другой касты переберёт состояние нескольких клеток для внесения этой информации в результат...
Теория:
Имея дамп из 256-ти байтов, загружаем его в наш автомат. Спустя сотню тысяч прогонов получаем на выходе 2359296 байтов - кадр 1024x768 24bpp. Фактически, это не трудно проделать.
Поблема в том, чтобы научить Искусственый Интеллект навыкам инволюции колонии по содержимому входного кадра (видео/звук/текст/таблицы). Чтобы он мог составить таблицу расстановки датчиков по времени и классу, а также прогнать эволюцию колоний обратно и определить, сколько и в каких позициях должна происходить посадка первых зёрен...
Число прогонов не должно пугать, так-как поддержка симуляции жизни колоний на аппаратном уровне довольно проста и не требует сложных арифметических вычислений!
P.S.: Ведутся ли исследования в этом направлении? Знаю, что есть клеточные автоматы с динамически передвигаемыми особями с ДНК по 5 бит.
Допустим, классический клеточный автомат из нескольких клеток может породить довольно огромную колонию спустя сотню поколений. Допустим, на поле имеются позиции с источником полезной информации.
Если использовать комбинацию из нескольких настраиваемых генераторов псевдослучайных чисел с регулируемой дисперсией, то можно предсказать одним датчиком случайных чисел(прогнозистом) моменты полезного развития колонии, а другим(аналитиком) - позиции и порядок, с которых нужно собрать "урожай" - пакет полезной информации в эти моменты.
Гипотеза:
Допустим, имеется библиотека из сотен алгоритмов датчиков псевдослучайных чисел нескольких классов:
1) Эпохальные - довольно вялые генераторы, не меняющие своего значения достаточно долго (допустим, функция синуса);
2) Эволюционные - датчики средней активности, значения которых меняется в геометрической прогрессии;
3) Революционные - датчики высшей активности с динамической дисперсией, скважностью и модуляцией.
Сначала составляется карта смены эпох в виде последовательности выдержки и смены кадров. В каждом кадре сохраняется информация о факторах, играющих главенствующую роль над эволюцией, когда эволюционные датчики должны замениться. Каждая из колоний разбивается на касты, над которыми правит революционные датчики, внося свои коррективы удалением/добавлением клеток.
Допустим одна каста колонии достигла нужного уровня и в определёных позициях содержится несколько битов для загрузки их в аналитик, который в свою очередь из другой касты переберёт состояние нескольких клеток для внесения этой информации в результат...
Теория:
Имея дамп из 256-ти байтов, загружаем его в наш автомат. Спустя сотню тысяч прогонов получаем на выходе 2359296 байтов - кадр 1024x768 24bpp. Фактически, это не трудно проделать.
Поблема в том, чтобы научить Искусственый Интеллект навыкам инволюции колонии по содержимому входного кадра (видео/звук/текст/таблицы). Чтобы он мог составить таблицу расстановки датчиков по времени и классу, а также прогнать эволюцию колоний обратно и определить, сколько и в каких позициях должна происходить посадка первых зёрен...
Число прогонов не должно пугать, так-как поддержка симуляции жизни колоний на аппаратном уровне довольно проста и не требует сложных арифметических вычислений!
P.S.: Ведутся ли исследования в этом направлении? Знаю, что есть клеточные автоматы с динамически передвигаемыми особями с ДНК по 5 бит.
Исследования – ведутся. :) Хотите - можете поучаствовать.
