Artificial intelligence algorithm

Как я уже упоминал, в теории, при бесконечных вычислительных мощностях, и при бесконечной предыдущей истории, даже нулевой уровень может решать любые задачи, которые описаны как цель этого проекта.

​

Почему? При бесконечных данных, в ветвях дерева паттернов, вероятности будут исчисляться не от количества - оно будет бесконечно, а как абсолютно точная вероятность событий - одна бесконечность деленная на другую. Ветви уже не будут заканчиваться из-за нехватки статистики. Любая зависимость, это повторение, того что уже было несколько раз. Эти несколько раз были подмечены и посчитаны. Но это конечная дистанция между исходными и зависимыми точками. И в тех бесконечных ветвях эта дистанция обязательно будет найдена, хоть и раскидана по разным ветвям, перечисляющим все возможные варианты дистанций между исходным и зависимым.

​

Аргументация с другого края. Каждый новый добавляемый байтик прошедшей истории в накапливаемую статистику, улучшает надежность уже существующих ветвей, и позволяет создавать новые более длинные ветви. При стремлении этого процесса к бесконечности, вероятности определяемые ветвями станут бесконечно надежными по доверительным интервалам, и сами ветви будут бесконечно длинными. Т.е. обязательно где-нибудь заключат в себя те точки, которые являются значимыми для прогноза текущей точки.

​

Задача последующих уровней алгоритмов нахождения зависимостей, это сделать возможным находить зависимости при меньшей истории, чем бесконечная.

​

Этот процесс выглядит, словно попытка предположить, а что будет в той или иной ветви, когда для той ветви будет получено достаточно статистики. И пока этой статистики не хватает, эти предположения нужно делать исходя из того, что эта искомая ветвь будет подобна какой-либо другой, которая уже найдена.