Självorganiserade kartor: Information, entropi och fördelning indata resp. tillstånd kartor

I fortsättning tidigare inlägg relaterat själv-organiserade kartor där förra inlägget också har många av de tidigare länkade överst:

• Vektorer för n-gram, entiteter och fraser skapade ad-hoc från vektorer ord

Jag läste en del idag om sambandet fördelning indata resp. skapad självorganiserad karta som särskilt under några år genererande en hel del publicerat som ex. Kohonen maps versus vector quantization for data analysis vilka en del sett som något man kan försöka arbeta bort för att få en mer direkt 1-1 avspegling av distributionen indata i tränat nät.

Nu är det mycket möjligt att jag tar fel här därför att jag brydde mig inte om att göra det här noggrant på något sätt. Snarare har jag förutsatt detta resonemang. Samma natur vi diskuterar här för resulterande SOM ser vi förövrigt jämförbart (men följande sin effekt självklart) vid skapande av distribuerade representationer för ord med de vanliga algoritmen. Vi kan ex. (och enklast normalt tror jag) se det mellan två stycken ord med sin representation när vi relaterar dem via en också existerande gemensam skapelse gällande som ord så som en bit av url ord_1/ord_2 eller som ett sammansatt ord av typen ord_1-ord_2 (vilket jag experimenterat lite lätt med för att ta ut en del vikter från som nämnt nyligen i Vektorer för n-gram, entiteter och fraser skapade ad-hoc från vektorer ord för ett test där man kan hitta det genom att söka på 0.4).

I resonemanget ligger ju också just att vi försöker tillför ett särskilt värde via algoritmen vilket oavsett riktighet rörande resonemang resp. typ av entropi behöver komma med sin information i resulterande data (om ej istället ligga i algoritmer som skapar samma värde vid resp. tillfälle data används).

1. Vi måste inse att den topologiska sorteringen inte fanns i indata. Det är en sortering som argumenterat i den mån vi får en sådan vi är nöjd kan sägas existera potentiellt.

2. En tillförs av vetande avspeglande "slutsats" byggd från data enligt algoritm sker. Vi kan om vi vill kanske kalla det emergence även om jag inte är helt nöjd med termen här som jag brukar använda den.

"In philosophy, systems theory, science, and art, emergence is a process whereby larger entities arise through interactions among smaller or simpler entities such that the larger entities exhibit properties the smaller/simpler entities do not exhibit.

Emergence is central in theories of integrative levels and of complex systems. For instance, the phenomenon of life as studied in biology is an emergent property of chemistry and psychological phenomena emerge from the neurobiological phenomena of living things. Likewise, economic and legal phenomena emerge from psychology."

Från: Emergence | Wikipedia

3. Snarare vill jag kan se det som att vi via "samarbetet" mellan neuronerna bygger upp information på en högre struktur.

Emellertid innebär nu 3. också att vi ej längre kan utgå från att entropi i mening av den vanligaste formeln här p(i) * log ( 1 / p(i) ) är direkt möjlig att addera mellan två sådana i (där i är något i det resulterande nätet direkt topologiskt adresserat via numret i har men som jag ogärna vill ge mig på att direkt uttrycka här innan jag behövt göra det i kod). Följande gäller ej självklart:

E = p(i) * log ( 1 / p(i) )

E ( i + (i + j) ) = E ( i ) + E (i + j)

Och för detta finns Tsallis entropy även om jag får erkänna att jag aldrig riktigt insett poängen med den. I mån av behov för sådant data jag möter känns det mer naturligt att omvandla värdena (typiskt möjligt för mig) till något där praktiskt funktionella indikationer entropi och information finns till vilka jag ej brukar räkna exponenter på sannolikheten.

Hur som helst gäller att den exponent vi har för Tsallis entropy på sannolikheten är vad vi kan välja att se som ett uttryck för den magnitud systemet eller systemet av system avviker från den möjlighet att addera vi ej kan sägas ha med utgångspunkt från sannolikheten i ett indata när organiserad information har tillförts data oavsett om nu informationen kommer från annat data eller för självorganiserade kartor själva algoritmen som sådan (vännerna med antal är information + algoritmen).

Hade vi nu haft p log (1/p) som funktionellt hade ingen information i form av nu organisation tillförts i mening av något som ej direkt fås från sannolikheterna i indatat (här ofta för språk semantiskt distribuerade representationer) så som ex. när vi bygger SOM utan några vänner / grannskap alls och representationen endast är i princip en medelvärdesbildning av några entiteter i indatat med sina sannolikheter.

Och vännerna / grannskapet lär för språk åtminstone ge oss ett antal normalfördelningar "ovanpå" varandra vilket jag tänker kommer uttrycka men ej blev på det klara läsande ytligt en del om det kommer stämma. Så eventuellt om ej fel i det ena eller andra har vi något av den relation mellan resp. jag dock lyckades hitta uttryckt (konkret i matematisk mening: jag ser sådant här mer visuellt ofta hellre) i (sidan 8. Enklast att se samband här som skrivet i 2.8).

Säg här att vi för att antar att alla vara distribuerade representationer i indatat har lika god kvalitet (d.v.s. ej som rimligt är anta att de för mindre vanliga ord är sämre) och vi endast önskar organisera i vår själv-organiserade karta orden utan deras relationer. Mest effektivt om allt går av sig själv (medan det praktiskt egentligen ger mycket större värde resultat om man adderar mänsklig intelligens under processen) är att varje ord är lika sannolikt i indata (förutsättande också att alla är lika viktiga att koda). Vi slumpar dem så de blir oberoende av varandra. I "sorteringen" topologiskt blir de dock (för att typiskt för domänen informationsteori låna in ett begrepp från ett annat område) entangled:

"To tangle; to twist or interweave in such a manner as not to be easily separated; to make confused and intricate; as, to entangle yarn or the hair.

To involve in such complications as to render extrication difficult; hence, metaphorically, to ensnare; to perplex; to bewilder; to puzzle; as, to entangle the feet in a net, or in briers.

To involve in difficulties or embarrassments; to embarrass, puzzle, or distract by adverse or perplexing circumstances, interests, demands, etc.; to hamper; to bewilder."

Från: Entangle | Wiktionary

De får samband med varandra på sådant sätt som ej är meningsfullt utan similarity-funktionen eller förståelse av grannskapet. För just ord gäller ju att vi rent mänskligt kan se meningsfullheten i vad det sorterat till som normalt gjort semantiskt. Så den första delen här upplever jag hör hemma i Rényi entropy medan vi för den senare "förståelsen" är i Tsallis entropy.

I den mån en dimensionsreduktion skett i skapandet SOM. Eller vi på annat sätt komprimerar data vi får ska vi också i allt normalt tror jag få en något bättre komprimering i det färdiga tillståndet. Det rent visuella värdet (ett värde också möjligt att p.s.s. ta fram för annat som tidigare diskuterat från mitt perspektiv) tenderar i detta sammanhang vara redundant information: Information vi lätt komprimerar men information som praktiskt gör användning av datat lättare. Information skapad med ett konkret värde.

Enkelhet genom lägre komplexitet kommer ofta med minskad exakthet

"Jared Diamond’s Guns, Germs, and Steel" var okänd för mig:

"Jared Diamond’s Guns, Germs, and Steel [Diamond J, (1997) Guns, Germs, and Steel (WW Norton, NY)] has provided a scientific foundation for answering basic questions, such as why Eurasians colonized the global South and not the other way around, and why there is so much variance in economic development across the globe. Diamond’s explanatory variables are: (i) the susceptibility of local wild plants to be developed for self-sufficient agriculture; (ii) the domesticability of large wild animals for food, transport, and agricultural production; and (iii) the relative lengths of the axes of continents with implications for the spread of human populations and technologies."

Från: Geographic axes and the persistence of cultural diversity (PDF)
David D. Laitin, Joachim Moortgat och Amanda Lea Robinson
DOI: 10.1073/pnas.1205338109
PNAS | June 26, 2012 | vol. 109 | no. 26 | 10267

En kanske till sin natur något liknande förklaring jag emellertid inte försökt verifiera är oavsett meningsfull eller rent av direkt felaktig mot data ett intressant exempel på natur hos en hel del allmänna faktorer.

Vi vet att oavsett om vi är här i Sverige och far med fordon på vinterhalvåret eller vandrar längs kusten i Vietnam under tsunami tider att naturen kan variera mycket plötsligt ganska oväntat.

Komplexitet för att hantera sådana förändringar bestäms inte otroligt med vår förmåga att förutsäga dem. Detta är enklast sannas i kortsiktig tid motsvarande att vi vet att det mer troligt kan vara plötsligt halt.

Emellertid är detta kortsiktiga inte vad som uteslutande kan tänkas fylla upp det och en till större grupp förstår vi kanske enklast från samma exempel: förmågan att förutsäga om det troligt är halt denna dag bygger på att vi överhuvudtaget med rimlighet har kunskap att resonera om att det kan vara halt vintertid.

Komplexitet förändringar i naturen förändrar tillståndet vi rör oss bestäms därmed inte uteslutande med hur oväntade de är utan också med möjlighet att etablera och bygga upp kunskap om den. Mer inverkande här under ej mer ordentligt bak i historien är faktorer relaterade till att utveckla verktyg för att tlka och förstå faktorerna resp. hantera dem och hur kunskapen om dessa etableras och sprids, och för föregående resp. själva prediktionen kunskapssystem mer allmänt (böcker, kommunikation och skolundervisning för tre exempel bland oändliga).

Längre tillbaka och styrande innan ex. böcker fanns kan vi dock rimligt förstå att komplexitet för vår kognition och mindre grupp kan vara styrande. Att när vi vandrar x. Sverige långt tillbaka som jägare vintertid att det kan blåsa upp till storm må vara svårt att prediktera rörande en enskild dag men ej rörande risken som realitet. Och jag tänker mig (men har som sagt inte försökt verifiera det) att den samlade komplexiteten för att hantera ex. vinterstormar m.m. rörande det här samlar sig till mindre än vad det är att hantera motsvarande faktorer ex. i Afrika trots att de senare ytligt kan tyckas enklare att hantera "därför att det är varmt" och man inte riskerar att frysa. Bara ett av ett mycket stort antal ganska enkelt att lista är ju infektionssjukdomar oavsett virus och bakterier som stor grupp.

Om nu grundtillståndet mer troligt är ganska hanterbart (varmare utan vinterkyla) men ett större antal (högre antal större last både på individens resonerande såväl som flockens kunskapssystem explicita eller implicita: trivialt att jämföra med arbetsminne och antal faktorer vi enkelt kan växla mellan och hålla i minna) faktorer som möjligt kan inverka var och en mindre troliga såväl som kanske för en del rent teoretiskt också med dagens kunskap väsentligt svårare att förstå (virussjukdomar för ett extremt exempel) är ju ett mer sannolikt troligare tillstånd för flocken att uttrycka något mindre distans till i denna region ett större antal individer i flocken optimerande att ta värde från enklare grundtillstånd spelande på att det ej förändrar sig oväntat till farligt tillstånd (tsunami eller virussjukdom).

Medan det i ett kallare klimat (för att hålla oss till en domän av flera vi enkelt kan se i tempererade klimat) lönar sig mer att försöka optimera mot att utveckla hantering mot de färre men mer problematiska händelserna rörande prediktion och verktyg / åtgärder att aktivera när prediktion över något ungefärligt tröskelvärde indikerar det lönsamt att ta kostnaden relativt risken (ex. energikostnad att bära på torr ved springande efter en flock renar att kasta ett spjut på för att kunna tända eld för värme och fortsatt torka fuktig ved på relativt risken att frysa till döds direkt eller indirekt via då snabbt mycket troligare infektionssjukdomar i den skadade vävnaden).

Varför är detta ett bra exempel på dessa allmänna faktorer? Därför oavsett någon av dessa eller ex. pris på föda i Mellanöster vs möjlighet till att medborgarna söker förändring i statsskcik gäller att p.s.s. de växande i mer allmänt troligare tycks indikera något gäller att de tappar exakthet. På nivå när en faktor som ex. pris på livsmedel tycks leverera prediktion gäller att för samma tid möjligen aktuell gäller att vi för möjliga regioner eller städer för den delen redan har fått den risken utmärkt predikterat via ett antal andra faktorer att mäta.

Reduktionen i dimensioner gör dem enklare och mer effektiva att räkna med: deras komplexitet är lägre.

Men om faktorerna som inverkar på den tid vi är intresserade av bedöma uttrycker fler dimensioner med högre komplexitet är det inte längre fungerande. Du behöverbära med dig veden utan att egentligen veta om det mer troligt kommer bli plötsligt kallt just denna dag. Emellertid typiskt för ganska allmänna faktorer hör de till risk för kyla vintertid: när de börjar leverera hör till de till en grupp av allmän kunskap etablerad motsvarande mindre exakt men för en större tidsrymd mycket troligt korrekta (är det december och regnat på dagen är det nog klokt oavsett dag att vara beredd på halka även om det inte var halt så att vi märkte det igår).

Snowden-filerna: Att detektera manipulerad information

Antar vi att de flesta (inte alls otroligt alla ännu) filer stämer med som tagna (piratkopierade? spionerade?) från SSA's bygger det givetvis upp stort förtroende över tiden.

Vi kan här leka på antagandet att filer vid någon punkt kan innehålla enskilda delar manipulerade eller ändrade. Kanske endast en rad. Problematiken relaterat att detektera det är intressant bredare och Snowden-filerna kan passa som utgångspunkt för att diskutera det.

En möjlighet här är att om rimlig korrekt finns upparbetad i att ej förneka filer korrekta (åtminstone i meningen att man ej heller bekräftar dem) hos NSA kan det delvis vara funktionellt för att begränsa ev. skadeverkan på godtyckligt företag eller annan aktör.

Under förutsättning att NSA kan spåra publicerade filer till deras motsvarighet hos dem och noterar enskilda manipulationer av data (det tycks troligt).

Om den möjligheten saknas behöver vi först konstatera vår större utmaning i detektionen:

• Vi kan ej anta att vi kan verifera fakta givet som korrekt eller inte på rimlig tid (istället kan det ta många år innan det klarar).
• Manipulaton av enskild text rörande detaljer (ex. ersättande hypotetiskt och ej troligt något relaterat avlyssning Google's datacenter med något spelkonsol-leverantör Microsoft eller Playstation) kan vi heller inte detektera vi språkmodeller.

Några pdf-filer publicerade av Guardian jag tittade lite närmare på (utan något liknande god vetskap om pdf-formatet) tycks vara skapade av ett antal bildfiler efter varandra. Om så redan i NSA databas (eller ev. om kontorsdatorer om nu Snowden kopierade upp dem från sådana korrigerande problem eller installerade program) är det tror jag bättre här än om skapat mer direkt i relevant program för att göra sådant här genom att test, linjer m.m. då är uttryckt i meta-språk för pdf (om jag försår konceptet rätt).

Ändå för så begränsad manipulation betvivlar jag att det alls detekteras givet att mycket annat varit tycks det genomtänkt i detaljer i mycket kring det här. Det går ju enkelt via gissar jag räcker bra ex. Gump att utmärkt ta bort det som nu märks med lite filter m.m.

Så återstår möjligheter för detektion? Nja. På nivån vi anagit ovan är det nog tror svårt via andra metoder också. Men skillnad finns trots allt ändå mellan vad vi ser och hur något uttrycks. Ju mer "komponent-överskrivande" eller strukturellt det ändras (där det lär bli troligare förändrande om man mer försöker föra in saker och ting eller ändra struktur - d.v.s. manipulativt på störr nivåer och potentiellt farligare i skadeverkan ex. på företag eller liknande) desto ("eventuellt" läggs bäst för jag har aldrig prövat det pdf) blir en till metod möjlig (och möjligt när den är funktionell är övriga metoder vi antog ej möjliga minst lika effektiva samtidiga).

Vi förstår metoden från vad som kanske gör pdf känsligare än mycket annat:

"A PDF file consists primarily of objects, of which there are eight types:[38]
[...]
Objects may be either direct (embedded in another object) or indirect. Indirect objects are numbered with an object number and a generation number. An index table called the xref table gives the byte offset of each indirect object from the start of the file.[39] This design allows for efficient random access to the objects in the file, and also allows for small changes to be made without rewriting the entire file (incremental update). Beginning with PDF version 1.5, indirect objects may also be located in special streams known as object streams. This technique reduces the size of files that have large numbers of small indirect objects and is especially useful for Tagged PDF."

Från: PDF | Wikipedia

D.v.s. tänkbart kan vi etablera språkmodell ej för innehållet utan själva språket dokumentet uttrycks med. Där distansiering över tiden med relativt små-förändringar i klientprogram, personliga preferens hos användare m.m. kan bli märkbart.

Kan det hindras att detekteras genom medvetenhet om detta? Kanske. Det beror nog på hur mycket data Snowden egentligen har. Jag misstänker nog att PDF-filerna inte innehåller genomgående särskilt komplett information hur konfiguration sett ut ev. inverkande här (även om det nog kan förenklas till ett fåtal enkla grupper möjligt) medan jag mer tydligt kan tänka mig att corpus för användare nog här saknas.

Det räcker inte för att bevisa något men kanske kan ge en och annan out-lier via en kompletternade metod om jämförelse corpus kan påvisas personer. Detta är en helt annan fråga där en del alternativa lösningar kan existera men ligger utanför vad möjöigt att få med här vettigt begränsat och meningsfullt vad jag vet om representativt.

Artikel nedan från The Royal Society's journal Proceedings of the Royal Society B (B är mer hard-science och matematik närmare ingenjörs-tillämpning och A biologi och neuro science, bioinformation m.m.) ger illustration hur detektion meta-språk fungerar:

"Many prehistoric societies have left a wealth of inscribed symbols for which the meanings are lost. For example, the Picts, a Scottish, Iron Age culture, left a few hundred stones expertly carved with highly stylized petroglyph symbols. Although the symbol scripts are assumed to convey information, owing to the short (one to three symbols), small (less than 1000 symbols) and often fragmented nature of many symbol sets, it has been impossible to conclude whether they represent forms of written language."

"This paper reports on a two-parameter decision-tree technique that distinguishes between the different character sets of human communication systems when sample sizes are small, thus enabling the type of communication expressed by these small symbol corpuses to be determined. Using the technique on the Pictish symbols established that it is unlikely that they are random or sematographic (heraldic) characters, but that they exhibit the characteristics of written languages."

Från: Pictish symbols revealed as a written language through application of Shannon entropy
Rob Lee1, Philip Jonathan och Pauline Ziman,
Mars 2010 doi: 10.1098/rspa.2010.0041
Proc. R. Soc. A rspa20100041

Pressmeddelande: Unlocking the mysteries of the Picts | The Royal Society

Specifika algoritmer i artikel för bildspråk är dock något för förenklade här där från det mer begränsade jag sett för PDF-filerna istället graf-relaterade informationsmått (Entropy and Graphs, Seyed Saeed Changiz Rezaei (University of Waterloo, Kanada), 2013 är en diskussion men flera mått relaterat graf-entropier finns flera är nog vad som normalt oavsett tillämpning man prövar praktiskt hellre än att försenare för mycket kring resp. teori- se kompletterande att globala distributioner finns såväl som lokala ev- uttryckt i flera dimensioner per användare, miljö, tidpunkt, organisation i IT-mening fil passerade relaterat i samband med skapad och presenterad) är aktuella (PDF gör åtminstone för delar jag såg i standarder och från data extraherad från ett apr test-filer Snowden just vad som skapar vad vi kan se som graf inkl. vad vi programmatiskt kan se som rekursiva förhållanden - men mindre av det senare i aktuella filer vilket dock kan vara relaterat angvet sist här).

Motsvarande en värld där vi definierar meningsfullt språk som nivå med hur näraliggande "vanligt" som förväntad för skapare A, på plattform B, för event C där filen tas och sparas om för gemensam presentation (exempelvis) o.s.v.

Flera exempel på bildspråket finns i Wikipedia Pictish stones (artikel refererad längre upp har endast en bild).

Meningsfullhet i att koncept går igen med liknande betydelse är möjligt. Samband kan också tänkas uppstå från att de förekommer tillsammans meningsfullt utan att vara riktigt språk som vi oftare kanske tänker oss det nu.

Något jag minns mig uppleva när jag tittade på ett antal bilder av stenar i samband med att läste artikeln var kontrakts-liknande övrrenskommelser relaterade mark, giftemål, bokskap m.m. Att hugga det i sten ger det ju väldokumenterat och trovärdigt en tid i alla fall. Passande storbönder när de gifter sig samman med en näraliggande för tiden kraftfull aktör med många djur, betesmarker, gårdsfolk inkl. vapen till dem kanske mycket tiotal eller rent av hundra st även om det spontant utan att veta mycket alls om kulturen låter ovanligt stort under normala tider).

Där får vi ju statistiskt återkommande mönster meningsfulla med viss kontext runt stnen (kontrakt rörande giftemål ex.) men utan riktigt ren återkommande betydelse. Att storbonde eller motsvarande uttrycker relativ storlek till häst. Och ev. kontrakts-relaterat djur uttrycks relaterat det med djur eller jämförbart (jag minns ej exakt hur det brukade se ut).

Från den tanken kanske vi överst har et avtal relaterat jaktmark eller jämförbart.

Ett av många tänkbara ex. där dom statistiska relationerna ger mönster av språk men utan att vi enkelt förstår språket utan att veta en del av två kkonkurrerande storbönders historia några år tillbaka och giftmålet man önskade ha detaljerna huggna i sten kring rörande betesmarker o.s.v.

Relaterat

• Intrusion detection: Snowden-sensorer

PDF-begränsning

Att understryka: PDF från sajt Guardian refererar är med säkerhet ändrade efter NSA och antagligen just relaterat denna. Vad av ursprunlgit data som kvarstår oföänrdrat för de få jag tittat på är inte helt trivialt att veta. Men en möjlighet att förutom webb-program för att hantera pdf'er där är det samma. Datum för event tycks stämma med geo och händelse konret visad som jag såg som möjligt stämmande med en presentation för data identifierad genom att med hjälp av Google.com's sökoperator site:gov sökande diverse sidor i och runt aktuella datum. Så möjligen stämmer det. Samtidigt är datum relaterat webb-api-pdf-grunkan för uardian's lagringstjänst också angiven relaterat den. Men det kan nog om alls riktigt variera "binärt" mellan filerna.

Möjligt gör samma mjukvara (ganska standardartad sådan och taggad i filerna så det går antagligen att kontrollera) filerna optimerade för snabbare nedladdning samtidigt som information från nod-relationerna vi här önskar analysera reduceras.

Nya otäcka försök av media att kapitalisera på påhittade "skandaler"

Vad som helst kan bland media kallas skandal. Allt för att bedrägligt locka en till läsare till att ödsla tid på vad man istället hade kunnat använda för att uppfinna något viktigt, sopsortera eller som jag ofta som barn gjorde samlade in pengar till Luther-hjälpen (hur många barn och ungdomar sitter och läser medias påhittade skandaler istället?).

Här vi ett väldigt tråkigt exempel och denna gång i MDPI AG journal Information:

• Semantic Information and the Trivialization of Logic: Floridi on the Scandal of Deduction

Kanske har Dagens Nyheter rätt i att sådant här bäst förhindras med statliga bidrag - en välkänt välfungerande metod inom många områden - för att se till att hålla saker tryckta tryckt oberoende av världens stressande verklighet där tjuvknep som dessa för att lura oss att läsa vad som visar sig mycket tråkigare än man först trodde hindras.

Jämför gärna med Dagens Nyheter jag de få gånger de fortfarande håller sig seriösa inser bara genom att läsa utsidan är tråkiga istället för att slösa tid på att bläddra tidningen. Jag tycker att vi medborgare ska kunna kräva och vara beredda att med skattepengar betala för att Dagens Nyheter är tråkiga redan på tidningens utsida.

Möjligheten att bedöma brist på korrekthet när medier gör sakfel eller överdrifter för personer utanför själva tidningarna är i dagens samhälle där dessa aktörer mer eller mindre etablerat ett system syftande till kompetens monopol är ytterst begränsat förutom enstaka ämnesspecialister (ofta just dom som ex. har fel-citerats). Med större istället för minskade pengar som är kravlösa försvinner ju motivationen till att uttrycka saker oseriöst överdrivet, smyga in småfel för att hålla politiska frågor man har egen-intresse i eller för att stimulera annonsörer samtidigt som att riktad rekrytering till att möjliggöra flera lager av media-medarbetare som läser saker och ting innan publicering kan införas.

Jag tvivlar t.ex. på att det annat än enstaka gånger varje år hände att en läsare klarade eller hade möjlighet att upptäcka felaktigheter i Dagens Nyheter innan de optimerande upp antalet medarbetare till i antal färre. Numera kan nog många tycka att allt möjligt känns lite underligt som från en parallell-värld där det mesta är lite mer - och felaktigt - negativt och tråkigt - än som innan mer balanserat värdeneutralt format av den sunda brist på engagemang en insatslös existens skapar. Mest rädd blir jag när dom diskuterar kärnkraft och ekonomi. Tänk om det blir fel? Vilka skadligt stora konsekvenser kan inte det få? Ett argument självklart också för att avveckla kärnkraften om nu inte statsbidragen till DN m.m. för att minska risken för kunskapsfel där kan klaras.

Menade jag 朔州? Eller Suzhou?

Blev lätt förvirrad när jag flyttade u och o felordning när jag ville hitta Shuozhou på Google.com för att få den indikerad på kartan där jag inte såg den. Först föreslog Google.com suzhou som alternativ men det var någon helt annan ort. Därefter när jag fick den "korrekt" enligt något av antagligen en bunt system för hur orten inte sällan stavas med våra bokstäver föreslog Google:

Jag blev lite förvånad faktiskt. Kanske har vi några - det är ju ett stort land - orter med troligare samma stavning men ev. lite troligare mer avgränsat med de kinesiska tecknen?

Lyfter vi blicken framåt för att sträcka ut en hjälpande hand till framtidens mer intensivt än tänkande snickrande idag på vår framtid med förhoppning om färre irriterande vardagsdefekter eller fel arkitektur i allt från politik till livsmedelsbutiker är ett i mycket påverkande område unicode.

Med all respekt för svenskan med dess å, ä och ö liksom alla kineser, iranier, greker m.m. - unicode-idiotin. Unicode kostar enorma enorma mängder cpu-tid, minne, utvecklingskostnad m.m. bör vi istället alla våga stå upp för ett rationellt alfabet: 7-bitars ASCII. En skapelse från en tid när USA och Europa var rikt och det var naturligt för medarbetarna på dom stora industriföretagen att bränna iväg miljarder på ett ständigt växande antal redundanta standarder till stora andelar berörande hur bokstäver och siffror ska representeras (någonstans efter ASN.1 respektive den förenklade grunkan för webben som blev vanlig kunde det ha räckt där oavsett hur komplext folk tyckte ASN.1 var då är det ingenting med flera - kan det vara hundra - unicode-standarder och unicode-mimicking "standarder" för mer än alla språk en bunt datorkulturer och generationer ( =~ s/[A-Za-z0-9 \t]// ).

Tar vi bort å, ö och ö från bokstäverna och siffrorna vi har i den här bloggpostningen (oräknat titel och bild) är det nära nog alla tecken jag tycker vi behöver. Krävs något extra för särskilda tecken kan folk gott och väl göra en liten bild för sådant. Det är verkligen att jag tvivlar på att de över-komplexa ordbehandlare som inte gör mycket mer än för 15 år sedan är mycket snabbare via gränssnittet att få dit rätt tecken (Google Docs är ju dock i det området mer nöjd med än mycket annat: få-funktioner och litet gränssnitt).

Praktiskt i representationer - om man nu skulle börja kasta bort alla onödiga otäcka nationalistiska språkliga forsar svenskar, ryssar, kineser m.m. spärrande en värld som söker ett enkelt språk med ett fåtal bokstäver från att mötas via enkelt data. För en kollision / tvetydighet när så uppstår får man ju också fråga sig hur troligt det är att den härrör till att du ex. reducerat bort å, ä och ö oavsett hur brutalt och hur troligt det är att det snarast härrör från ett mer svårtolkat kontext. I sådant gäller ju att själva indatat vi reducerar och jämför med en representation nu ju faktiskt bär informationen vilket räcker en bit till. Jämför trivialt egennamn om vi tänker oss att vi också skär bort stora bokstäver alt. små vilka jag nog tillsammans med punkt m.m. också känner är vad vi egentligen inte behöver. Visst att det blir svårläst och irriterande utan små och stora bokstäver men det är bara vanesak. Informationen det bär är försvinnande liten jämfört med hela ord-symbolen resp. lokalt och globalt kontext.

Den trosföreställningen är dock huvudsakligen formad från praktisk programmering och datorns begränsade minne och cpu:er. Rent personligt har jag mycket lättare för att lära mig språk som i den visuella representationer uttrycker högre redundans med större uttryck av absoluta tecken snarare än som ex. svenskan relativa övergångar och relativa skillnader mellan ljud, ord, meningsbyggnad o.s.v. Jag upptäckte det av en slump för några år sedan när jag surfade japanska webben via Google Translate och upptäckte att jag av mig själv lärde mig tecknen (av "kinesisk" typ). Glömmer dem tämligen snabbt igen om jag låter det gå men ingenting i språk är jämförbart med hur lätt dom väcks upp. Andra språk som engelskan, tyskan m.m. jag lärt har jag vänligen haft större problem med. Swahili upplevde jag dock i ljudformen som väldigt naturligt och på sätt jag inte riktigt förstår passande mig bättre och lite jämförbart med de japanska tecknen lättare att lära utan just något märkbart av dyslexin.

Jag tittade en del på hieroglyfer i vintras och under sommaren. Intressant på många sätt men jag upplevde inte samma egenskap med dom som för de japanska tecknen. Jag tror verkligen att det för japanskan är en fråga om visuell redundans i information relativt hur benägen man är att flacka med bilden.

Om vad som gör tecknen i japanskan speciellt har viss funktionell relation till andra språkliga skillnader som har att göra med mängden information relativt t.ex. visuell uppmärksamhet och koncentrationsförmåga som hur vi tolkar ansiktsuttryck - och var i ansiktet vårt fokus konvergerar - med ev. motsvarighet resp. skillnad med hur vi läser relativ resp. absolut information i ex. engelskan resp. de japanska tecknen vore nog att tolka in ganska mycket (jämför ex. Perception of emotion is culture-specific i brist på en intressantare som mer specifikt tittat just visuell uppmärksamhet och ansiktsuttryck jämförande en japansk försöksgrupp med andra).

Tänker man sig lite vågat ändå en förklaring närmare min spekulation här är det kanske mycket naturligt att låta den relativa representationen av språkets ljud behålla användningen av tecken för att ge förstärkt "visuellt-koncentrerad" redundans kanske lite jämförbart med bilder och illustrationer. Ungefär som de japanska skriftskråken har där vi huvudsakligt numera har två system: ett med tecken konceptuellt jämförliga med kinesiska tecken (men också väldigt olika) och sedan ett tecken-system som uttrycker relativa förändringar i ljud ungefär som vårt.

Möjligen är det konceptet inte helt olikt som mellan en i andra sammanhang uppfattad t.ex. mer "kollektivt" synsätt kanske egentligen ingen större skillnad mer relaterat om vi tenderar att vara lite mer visuell gestalt tolkande hellre eller är mer Markov ljudande tolkande från ljudet eller orden innan där ju Markov-kedjor helt säkert lär tendera att kräva en visuell och annan uppmärksamhet just optimerad mot en längre temporal utsträckning med färre synkroniseringar mot globalt kontext per tidsenhet - om det nu verkligen är så att det kommer med och innebär ökad behov av synkronisering globalt är det ju just inte helt olika vad vi i andra sammanhang kanske vill uttrycka som visuell gestalt eller kollektivt tänkande, eller koncentrationssvårigheter i vissa andra situationer.

Mycket i vår kultur och hur vi tolkar och talar märks och bor i språket. Och varför inte? Finns det inte där kan man svårligen mäta det energieffektivt och i dagens globala intensivt kommunicerande värld är tryggt att ofta försumma allt annat: finns det ej uttryckt i en kulturs kollektiva språk är det direkt otroligt att någon viktigt eller oviktigt finns att hitta någon annanstans (undantaget rena flow-processer ex. trafik detekterad via satellit bevakning utan just det kulturella, hur vi tänker och hur vi resonerar med likheter och skillnader mellan folk och språk).

Det är med visst nöje man av och till kan roa sig med att låta flera för många tråkiga ämnen kollidera och ändå känns viss tillfredsställelse av att det faktiskt ändå som konsekvens av några ämnen som råkade komma med lär bli läst av några stycken i alla fall.

hans husman

Metaforer med Wordnet? Nja

Testade stödet för att konvergera initial tolkning av mening för att ge initial primacy effect en situation sätts upp i märktes en till anledning att särskilt rörande mening vara mer noggrann med att separera "naturlig" association med de mer filosofiska idéer om hur man mer generellt kan uttrycka egenskaper och relationer mellan koncept.

Sådana ex. via Wordnet (jag använder fler inte sällan ofta för att just identifiera relationer som vad som existerar i sådana från större samlingar av data om relationerna mellan koncept) kan ha värden i många situationer, och många ser antagligen tolkning av betydelse som en.

Så länge vi håller oss till mycket lokaliserad information ex. enskilda meningar eller meningar i mycket direkt närhet är också Wordet och mycket liknande (och kanske lika ofta Verbnet inte ersättningsbart riktigt på samma sätt upplever jag).

Problemet med förståelse av mening uppstår när de noggrant genomtänkta idéerna om hur koncept sorterar och ansluter till varandra, och uttrycker över flera koncept återkommande "egenskaper, möter språkets och tankens kreativitet. Flexibla associationer mellan koncept fritt som mycket vi skriver och säger (jfr arbetsminne eller ett verktyg skapat från vetenskap i område X eller kombination av områden men tillämpat i ett annat) blir mer problematiskt) följer svårligen att uttrycker kunskapsmöten utifrån definierade regler som beskriver vad betydelse här. Vi kan jämföra mellan en grundläggande textbok för gymansiet om ett ämne och de implicita antaganden om konvergerad kunskap nödvändig för att bygga förståelse av ämnets benämningar och samband med den ständiga kunskapsutveckling där områden och vad som är möjligt förändras i praktisk tillämpning bland företag och uttryckt i universitetens forskning.

Ju mer lokaliserad ner till det extrema i en ensam mening tolkning görs desto mindre problem ger dessa sådana system helt enkelt därför att mindre utrymme för mer kreativa kopplingar finns. Därför är system som Wordnet värdefulla för att just tolka lokaliserad betydelse.

Under testandet där jag plockade ut en del mer ontologiska symboler ej definierade som sådana för att ha dem separerade till ett avgränsat annat system såg jag ett utmärkt exempel på just denna begränsning och där denna också är lokalt verkande motsvarande i samma princip i det lokala som våra kreativa associationer mer generellt: Metaforer. För tolkning och förståelse av metaforer adderar Wordnet med en del liknande system samtidiga här inte bara föga eller inget värde utan drar konkret ner värdet adderande en till anledning att hålla ontologiska dimensioner separerat för vad dom är bra till.

Det ska absolut inte förvåna oss. Att definiera en färdig lösning med ett språk som mer än fritt kreativt som vara vanliga språk ge oss alla möjligheter att uttrycka snarast försöker definiera vad vi kan uttrycka fodrar en enorm komplexitet om det inte ska ge en direkt begränsning närmare den katolska kyrkans syn på vetenskap under antingen än vad vi i dagligt tal klarar att flexibelt uttrycka. Och varför skulle vi behöva ontologier med regelstyrda tillståndsövergångar när språket i sig uttrycket fria möjligheter liksom vår kunskap?

Det är precis detta man jämförbart i ett oerhört lokalt mer "regel-enkelt" kontext ser för metaforer som är en av de mer kreativt flexibla i mening kanske oftare upplevda lite svårare än väldigt tråkigt språk utan meningens verkliga färg med alla dess nyanser och bara en av två verkande i lokalt kontext jag känner till som ej påverkas av faktorer utanför lokalt (i domänen syntax snarare än skattning av värde-dimensioner jfr stereotyper och associerad uppskattning eller ogillande av varumärken).

Fascinerande nog kan jag praktiskt utifrån de algoritmer jag föredrar också se skilda värden mellan konceptuella grupper av dessa mellan när vi tittar på de mer betydelse-nära relationer där similarity-koncept med ställda perspektiv fungerar bättre medan när vi tittar på ontologiska dimensioner tenderar koncept ungefär motsvarande Resniks (se Semantic Similarity in a Taxonomy: An Information-Based Measure and its Application to Problems of Ambiguity in Natural Language) och Lins (se An Information-Theoretic Definition of Similarity) algoritmer (men anpassat för att klara flexibla kopplingar och hantering salience för information o.s.v.) att fungera bättre. I det senare fallet är ju själva det vi utnyttjar just mer strukturellt ordnade relationer och där vinner man på att mer maximalt söka utnyttja det utan att bestraffa ner informationen via detekterade olikheter: finns en relation mellan ett koncept och en dimension eller över-gripande koncept litar vi på den.

Det ontologiska svaret på metaforer skulle jag hos de mer specialiserade på det området antagligen ofta skulle bli ett försök att definiera vad metaforer är rörande relationer, vad som förändras, vad som är en del av vad o.s.v. Men det har vi ju faktiskt en lösning för i språket och låter man det verka fritt och följer lite hur symboler (i meningen ord och kombinationer av ord) används kan det berätta ganska mycket utan att man behöver förstå allt i språket. Vi kanske kan jämföra med hur många tyckte att deras andra språk var problematiskt att lära sig trots att de från sitt första språk och vanligen ett antal år av ex. svenska undervisningen rimligen borde lärt sig en del upplevda regler för hur språk fungerar (vilka inte olikt kanske en del ontologi-filosofiska lösningar ibland får hjälpas upp med att lära sig saker utan-till som extra regler så att säga ungefär som med oregelbundna verb).

Det ontologiska epitetet ska dock inte generellt underskattas. Och om jag något roades av det här exemplet har det mer med traumatiska upplevelser mer specifikt relaterat Wordnet i samband med att jag importerade in delar av dess data till ett csv-format.
I mycket hör det ontologiska konceptet till det viktigaste vi har när det kommer till kunskap därför det hjälper oss att organisera vetande. Men man ska heller inte överutnyttja det och ex. för att tagga mina bloggpostningar låter jag mitt språk naturligt uttrycka vad jag just för postningen upplever är relevant inklusive värde-dimensioner och salience snarare än att följa förberedda noggranna regler för det. Praktiskt gör det närmast enklare - via sökmotor - just att hitta information jag eller en läsare söker efter som ligger i kreativa kombinationer ex. mellan personer och ämnen ej enkelt förberedda i färdiga regler.