प्रश्न की मेरी व्याख्या:
मेरा मानना है कि इस सवाल को सरलता से एक कम्प्यूटेशनल ज्यामिति जटिलता के मुद्दे के रूप में लिया जाना है। यह कहने के रूप में बेहतर समझा जाना चाहिए: हम निरंतर समय में उत्तर खोजने की क्षमता महसूस करते हैं, जब हम कर सकते हैं। इस बोध को क्या समझा जाता है, और इस स्पष्टीकरण और मानवीय सीमाओं तक, क्या कोई कंप्यूटर भी ऐसा कर सकता है।
इस प्रकार यह प्रश्न संभवतः एक मनोवैज्ञानिक के लिए एक प्रश्न के रूप में देखा जाना चाहिए । मुद्दा शायद समय और प्रयास की आपकी धारणा से संबंधित है। क्या आप वास्तव में समय और समय के बीच अंतर महसूस कर सकते हैं ? विशिष्ट काउंटर उदाहरण वास्तव में मायने नहीं रखते हैं, जैसा कि धारणा के मुद्दों में हम औसत लागत की सहजता से सोचते हैं (जटिलता मनोवैज्ञानिक रूप से एक अवधारणा को सटीक रूप से सटीक करने के लिए किया जा रहा है)। अधिक सटीक रूप से, हम सामान्य मामले में अधिक रुचि रखते हैं, विशेष मामलों की तुलना में जब हमें लगता है कि हम आसानी से सवाल का जवाब नहीं दे सकते हैं।O(1)O(log(n))
इसे वेबर-फेचनर कानूनों द्वारा प्रबलित किया जा सकता है , जिसमें कहा गया है कि हमारी धारणा को वास्तविक भौतिक माप के लघुगणकीय पैमाने पर मापा जाना है। दूसरे शब्दों में, हम निरपेक्ष विविधताओं के बजाय सापेक्ष भिन्नताएँ अनुभव करते हैं। यह उदाहरण के लिए है कि डेसिबल में ध्वनि की तीव्रता क्यों मापी जाती है।
यदि आप इसे उस समय की धारणा पर लागू करते हैं जिसका उपयोग हम निकटतम बिंदु को खोजने के लिए करते हैं, तो यह अब लेकिन , जहां मेरा बस है " मनोवैज्ञानिक जटिलता " के लिए लैंडौ नोटेशन का आविष्कार किया ।O(log(n))Oψ(log(log(n)))Oψ
वास्तव में मैं धोखा दे रहा हूं, क्योंकि स्कैल्पलॉट ग्राफ आकार की मनोवैज्ञानिक धारणा भी लॉगरिदमिक कानून का पालन करती है, जिसे इस सरल जटिलता संबंध में क्षतिपूर्ति करनी चाहिए। फिर भी, इसका मतलब यह है कि एक स्कैल्पलॉट अलवेज हमें वास्तव में बहुत सरल लगता है, खासकर बहुत बड़े लोगों के लिए। लेकिन जो भी आकार हम अनुभव करते हैं, अगर हमारे पास एक निकटतम बिंदु (जैसे न्यूरोनल क्वाडट्रैस) खोजने के लिए एक अंतर्निहित लॉगरिदमिक एल्गोरिथ्म है, तो कथित प्रसंस्करण समय जो सभी व्यावहारिक उद्देश्यों के लिए एक निरंतर से अवधारणात्मक रूप से अविभाज्य है, और मान्यता प्रक्रिया को शुरू करने और परिणाम को स्वीकार करने के लिए आवश्यक रूप से इसमें कुछ निरंतर समय जोड़ा जाता है।Oψ(log(log(n)))
शारीरिक सीमाओं को ध्यान में रखते हुए
छवि अधिग्रहण के चरणों पर विचार करते हुए उपरोक्त निष्कर्ष आगे बनाए रखा गया है।
ओपी एक उचित डेटा संरचना, "जैसे कि क्वाडट्री" के निर्माण को अलग करने के लिए सावधान था, जिसे कई प्रश्नों पर संशोधित किया गया है।
यह उन अधिकांश लोगों के लिए काम नहीं करता है जो छवि को याद नहीं करते हैं। मुझे लगता है कि प्रत्येक क्वेरी के लिए छवि को स्कैन किया गया है, लेकिन यह सभी बिंदुओं को स्कैन नहीं करता है: पहली बार नहीं, और बाद के प्रश्नों के लिए नहीं।
आंखें एक रेखापुंज छवि को स्कैन करती हैं, निरंतर समय , दृश्य के आकार के अनजाने में और रेटिना संरचना द्वारा परिभाषित एक निश्चित संकल्प के साथ (नीचे देखें)। इस प्रकार यह लगातार जानकारी प्राप्त करता है, संभवतः सभी बिंदुओं को अलग नहीं करता है। यह तब छवि के संबंधित भाग पर ध्यान केंद्रित कर सकता है, प्रासंगिक बिंदुओं को एक और समय में अंतर करने के लिए , साथ ही संभवतः आंख के उन्मुखीकरण और फ़ोकस को बदलने का समय। सैद्धांतिक रूप से, इस ऑपरेशन को दोहराया जाना पड़ सकता है, जो कि लघुगणक फोकस के लिए अग्रणी है, लेकिन मेरा मानना है कि अवधारणात्मक अभ्यास में, फ़ोकसिंग दृष्टि के लिए एक सबसे अतिरिक्त कदम है।TscanTscan
स्कैनिंग से मस्तिष्क में एक संरचना बनती है जिसका उत्तर खोजने के लिए विश्लेषण किया जा सकता है। इसमें अभी भी बहुत बड़ी संख्या हो सकती है। हालांकि मुझे नहीं पता कि मस्तिष्क कैसे आगे बढ़ता है, यह सोचना अनुचित नहीं है कि यह किसी प्रकार की फ़ोकसिंग प्रक्रिया है जो सबसे खराब लघुगणक समय पर लेती है , संभवतः कम भी । यह प्रक्रिया कथित छवि पर लागू होती है, जिसमें एक बाउंड आकार होता है। यह निश्चित रूप से अंकों की एक सीमित संख्या है, हालांकि यह काफी बड़ा हो सकता है। इस प्रकार संसाधित होने वाली जानकारी के लिए एक निश्चित ऊपरी है। लॉगरिदमिक प्रसंस्करण को मानते हुए, और उपरोक्त विश्लेषण का पुन: उपयोग करते हुए, कथित प्रसंस्करण समय ।mOψ(log(log(m)))
मानव आंख का संकल्प छड़ की संख्या से तय होता है, जो लगभग 125 मिलियन है । यह लगभग । लॉग्स के लिए बेस 2 का उपयोग करना, जो कि लॉग 2 ऊपरी हिस्से के प्रसंस्करण के लिए देता है
, अर्थात एक कदम के लिए जो भी लागत होती है उसके लगभग 5 चरण। 500 मीटर की दूरी पर है जो आंख संकल्प के अनुमानित मूल्य के बजाय का उपयोग करके अंतिम परिणाम नहीं बदलता है।227log2(27)
उपयोग की जाने वाली वास्तविक इकाइयों को जाने बिना, यह आसानी से दिखाता है कि प्रसंस्करण के लिए भिन्नता अन्य निरंतर समय के संचालन के समान ही सबसे खराब है। इसलिए, यह काफी स्वाभाविक है कि निकटतम बिंदु खोजने का कथित समय स्थिर लगता है। । । चाहे हम निकटतम बिंदु निर्धारित करें या केवल निकटतम बिंदुओं का एक सेट।
प्रति-उदाहरण और एक संभावित समाधान के बारे में
यह निश्चित रूप से काउंटर-उदाहरणों का निर्माण करना आसान है जो नज़दीकी बिंदुओं के एक छोटे से संग्रह के बीच बहुत कठिन बिंदु का निर्धारण करते हैं। यही कारण है कि ओपी वास्तव में एक एल्गोरिथ्म के लिए पूछ रहा है जो निकटतम बिंदुओं को छोड़कर अधिकांश बिंदुओं को जल्दी से समाप्त कर देता है। कई करीबी बिंदुओं के बीच में होने वाली संभावित कठिनाई के इस मुद्दे को कई उत्तरों में दर्शाया गया है, निकटतम बिंदुओं के प्रतिमान उदाहरण के संदर्भ बिंदु के चारों ओर एक सर्कल में लगभग। आमतौर पर वेबर-फेचनर कानून लंबे समय तक पर्याप्त दूरी पर छोटी दूरी भिन्नता को भेदने में सक्षम होते हैं। यह प्रभाव वास्तव में अन्य बिंदुओं की उपस्थिति से बढ़ सकता है, जो हालांकि समाप्त हो गया है, दूरियों की धारणा को विकृत कर सकता है। इसलिए निकटतम बिंदु की पहचान करने की कोशिश करना एक कठिन काम होगा, और अच्छी तरह से विशिष्ट परीक्षा चरणों की आवश्यकता हो सकती है, जैसे कि उपकरणों का उपयोग करना, जो निरंतर समय की भावना को पूरी तरह से नष्ट कर देगा। लेकिन यह ओपी द्वारा माना जाने वाले प्रयोगों की सीमा के बाहर स्पष्ट रूप से लगता है, इसलिए बहुत प्रासंगिक नहीं है।
प्रश्न का उत्तर देने के लिए , जो कि वास्तव में ओपी द्वारा पूछा गया प्रश्न है, यह है कि क्या अधिकांश बिंदुओं को खत्म करने का एक तरीका है, संभवतः शेष कुछ को छोड़कर जो संदर्भ बिंदु के समान दूरी के हैं।
कथित निरंतर समय के पीछे क्या छिपा हो सकता है, के हमारे विश्लेषण के बाद, एक कंप्यूटर समाधान जो इसे समय में करता है, उसे संतोषजनक माना जा सकता है। दूसरी ओर, परिशोधित लागत पर निर्भर होना वास्तव में स्वीकार्य नहीं होना चाहिए, क्योंकि मस्तिष्क इसे इस तरह से नहीं करता है, अफिक।O(log(n))
परिशोधित लागत को अस्वीकार करना कंप्यूटर समाधान की अनुमति नहीं देता है, क्योंकि सभी बिंदुओं को देखना होगा। यह मस्तिष्क की कंप्यूटिंग शक्ति और मानव की धारणा में एक प्रमुख अंतर को रेखांकित करता है: यह उन गुणों के साथ अनुरूप संगणना का उपयोग कर सकता है जो डिजिटल गणना से काफी भिन्न हैं । यह आमतौर पर ऐसा होता है जब अरबों बिंदु आंख से अलग नहीं होते हैं, जिसमें कुछ भी देखने का संकल्प नहीं होता है लेकिन अंधेरे के विभिन्न रंगों के साथ एक बड़ा बादल होता है। लेकिन आंख फिर प्रासंगिक छोटे हिस्से पर ध्यान केंद्रित कर सकती है, और संबंधित लोगों को मिलाकर एक सीमित संख्या में अंक देख सकती है। इसमें व्यक्तिगत रूप से सभी बिंदुओं का पता नहीं होता है। कंप्यूटर को ऐसा करने के लिए, आपको प्रत्येक बिंदु के सटीक संख्यात्मक निर्देशांक के बजाय, इसे एक समान सेंसर देना होगा। यह बहुत अलग समस्या है।
"मात्र दृश्य निरीक्षण" कुछ मामलों में डिजिटल गणना की तुलना में बहुत अधिक शक्तिशाली है। और यह सेंसर की भौतिकी के कारण भी है, न कि केवल मस्तिष्क की एक बड़ी कंप्यूटिंग शक्ति के लिए।