Stel je voor dat je een enorme, chaotische bibliotheek probeert te organiseren. Momenteel proberen de meeste computers boeken te sorteren door elke letter op de rug één voor één te bekijken. Dit artikel betoogt dat er een slimmere, meer "menselijke" manier is om dit te doen, vooral voor complexe talen zoals het Chinees, en dat deze methode ons hele cloudcomputing-systeem kan upgraden van een simpele opslagloods naar een intelligent kenniscentrum.

Hier is de onderverdeling van de ideeën uit het artikel met behulp van eenvoudige analogieën:

1. Het kernprobleem: De beperking van de "Kleine String"

Denk aan de traditionele computertheorie (zoals het werk van Turing en Kleene) als een systeem ontworend voor LEGO-steentjes. Je hebt een kleine set basiskleuren (0 en 1) en je bouwt alles door ze in een rechte lijn aan elkaar te klikken. Dit werkt geweldig voor simpele zaken, maar de auteur betoogt dat het onhandig en inefficiënt is wanneer je te maken krijgt met complexe "culturele genen" zoals Chinese karakters, die meer lijken op ingewikkelde, vooraf geassembleerde sculpturen dan op simpele steentjes.

Het artikel suggereert dat het proberen te dwingen van deze complexe culturele elementen in eenvoudige "kleine strings" is alsof je probeert een symfonie te beschrijven door alleen het aantal noten te tellen, terwijl je de melodie en harmonie negeert.

2. De oplossing: De "Indirecte" benadering

De auteur stelt een nieuw systeem voor genaamd het Indirecte Computermodel gecombineerd met een Indirecte Formele Methode.

De Analogie: Stel je een balansweegschaal voor.
- Aan de linkerkant heb je een set perfect gestandaardiseerde, vooraf afgewogen metalen gewichtjes (dit vertegenwoordigt de "goede algoritmen" en gestandaardiseerde data van de computer).
- Aan de rechterkant heb je de rommelige, unieke items die je wilt meten (zoals een specifiek Chinees karakter of een complex idee).
- In plaats van te proberen het item in kleine stukjes te breken om het te wegen, match je het simpelweg met de gewichten aan de linkerkant. Als ze in evenwicht zijn, weet je precies wat het item is.

Deze "Indirecte" methode dwingt het complexe item niet om te veranderen; het gebruikt een vooraf georganiseerd referentiesysteem om het direct te begrijpen.

3. De "Twin Turing Machine"

Het artikel introduceert het concept van de Twin Turing Machine. Zie dit niet als een enkele robot, maar als een team van twee:

De Computer (De Linker Lijst): Deze handelt het rigide, wiskundige, gestandaardiseerde deel af (de gewichtjes). Hij kent de regels van orde en positie perfect.
De Mens/Gebruiker (De Rechter Lijst): Deze handelt het flexibele, betekenisvolle en gepersonaliseerde deel af (de items).

De magie gebeurt wanneer deze twee samenwerken. De computer biedt de structuur, en de mens biedt de context. Samen vormen zij een "Collaboratieve Intelligente Computatiesystem".

4. Hoe het werkt met Chinese karakters

Het artikel gebruikt het Chinees als het belangrijkste voorbeeld omdat het complex is.

De Oude Manier: Computers proberen Chinese zinnen in woorden te hakken zoals een machine een taart snijdt, wat vaak fouten veroorzaakt omdat het Chinees geen spaties tussen woorden heeft.
De Nieuwe Manier (De methode uit het artikel): Het systeem behandelt Chinese karakters als een hiërarchie van bouwstenen:
- Niveau 1: Basale streken (de "atomen").
- Niveau 2: Radicalen (de "moleculen").
- Niveau 3: Enkele karakters (de "cellen").
- Niveau 4: Karaktersgroepen/zinsdelen (de "organen").

Door deze te organiseren in een "Sign Set" (een specifieke, bekende categorie), kan de computer een karakter of frase direct herkennen zonder te hoeven gokken. Het is alsof je een bibliotheek hebt waar elk boek al gesorteerd is op exacte vorm en grootte, zodat je niet de titel hoeft te lezen om het te vinden.

5. Het Grote Doel: Van Datacenters naar Kenniscentra

Het artikel beweert dat door dit "Twin" systeem te gebruiken:

Cloud computing krijgt een upgrade: Momenteel is cloud computing voornamelijk een "Datacenter"—een gigantische loods waar je dozen (data) opslaat.
De Toekomst: Dit nieuwe model transformeert het in een "Kenniscentrum". In plaats van alleen dozen op te slaan, begrijpt het systeem de relaties tussen de dozen. Het kan vragen beantwoorden en problemen oplossen omdat het de "culturele genen" van de informatie begrijpt, en niet alleen de ruwe code.

Samenvatting van de claims van het artikel

De Theorie: Het combineert oude wiskundige theorieën (Turing, Kleene) met een nieuwe "indirecte" methode die complexe data (zoals Chinees) behandelt als georganiseerde hiërarchieën in plaats van eenvoudige strings.
Het Mechanisme: Het maakt gebruik van een "Twin Turing Machine" waarbij gestandaardiseerde algoritmen (links) en flexibele menselijke data (rechts) elkaar in evenwicht houden.
Het Resultaat: Dit stelt computers in staat om complexe informatie (karakters, afbeeldingen, geluid, levende lichamen) veel sneller en nauwkeuriger te verwerken.
De Impact: Het verplaatst computing van enkel het opslaan van data naar het actief organiseren van kennis, waardoor systemen slimmer en efficiënter worden.

Wat het artikel NIET claimt:
Het artikel richt zich volledig op het theoretische kader en het ontwerp van dit computatiesysteem. Het claimt niet een voltooid commercieel product te hebben gebouwd, noch bespreekt het specifieke medische toepassingen, klinische studies of toekomstige marktpredicties. Het is een blauwdruk voor een nieuwe manier van denken over hoe computers en mensen samen informatie verwerken.

Technische Samenvatting: Indirect Computatiemodel met Indirecte Formele Methode

1. Probleemstelling

Het artikel behandelt de beperkingen van het mainstream paradigma van algemene digitale computers, dat historisch geworteld is in de Turing-berekenbaarheidstheorie, Kleene's formele theorie van kleine strings, de von Neumann-architectuur en de Turing AI-oordeelshypothese. De auteur stelt dat bestaande benaderingen, met name bij het verwerken van natuurlijke talen zoals het Chinees, leunen op "kleine string"-methoden die ontoereikend zijn voor het verwerken van complexe, gegeneraliseerde teksten (inclusclusief karakters, formules, diagrammen, geluiden, afbeeldingen, 3D-objecten en levende organismen). Bovendien functioneren huidige cloud computing-modellen primair als "datacentra" in plaats van "kenniscentra". De kernuitdaging is het ontwikkelen van een systeem dat de overgang van gegevensverwerking naar kennisverwerking optimaliseert door het gat tussen P (polynomiale tijd) en NP (niet-deterministische polynomiale tijd) problemen te overbruggen via een nieuw computationeel kader.

2. Methodologie

Het artikel stelt een Collaboratief Intelligent Computatiesysteem voor dat een Indirect Computatiemodel integreert met een Indirecte Formele Methode. Deze aanpak is gebouwd op de volgende theoretische en structurele pijlers:

2.1 Theoretische Fundamenten

Indirect Computatiemodel: Biedt een reeks "goede algoritmen" die in staat zijn tot gedistribueerde en parallelle computing, waardoor een scheiding en combinatie mogelijk is tussen computeragenten en menselijke subjecten.
Indirecte Formele Methode: Biedt geoptimaliseerde datastructuren die compatibel zijn met zowel grote als kleine strings, reikend voorbij traditionele stringverwerking.
Twin Turing Machine: De combinatie van deze twee elementen vormt een "Twin Turing Machine virtueel computatieprogramma". Dit wordt geconceptualiseerd als een evenwicht waarbij de linkerlijst (gestandaardiseerde gewichten/decimalen) één-op-één correspondeert met de rechterlijst (arbitraire items/indirect berekenbare data).

2.2 Structureel Kader: Ideale Classificatiesets

De methodologie herclassificeert de verzameling van alle strings ( $\Sigma^*$ ) in drie onderscheidende categorieën om datastructuren te optimaliseren:

Enkele Sets (Sub-universum): Bevatten slechts één type element (bijv. basisstreken, binaire cijfers). Elementen zijn vaststaand, niet-repetitief en bezitten uniek geconserveerde orde-positie relaties.
Gelaagde Sets: Afgeleid van enkelvoudige sets via replicatie en recombinatie (bijv. radicalen, monosyllabische karakters). Deze vertonen evolutionaire gelaagdheid met vaste hoeveelheden en unieke orde-positie relaties op elk niveau.
Sign Sets (Doeldomein): Specifieke bereiken geselecteerd door menselijke subjecten of computeragenten uit de enkelvoudige en gelaagde sets op basis van specifieke doelen (bijv. een vaste set monosyllabische karakters die bekend zijn bij studenten, of gespecialiseerde kennisgroepen).

2.3 Kernprincipes

Stelling 1 (Orde-Positie Conservatie): Orde-positie relaties in sub-universum elementen zijn uniek geconserveerd en dienen als referentiekader voor het meten van het super-universum.
Stelling 2 (Synoniemie Parallelisme): Als twee sequenties in een doeldomein voldoen aan een één-op-één functionele correspondentie en synoniemie parallelisme, kunnen zij wederzijds getransformeerd worden onder vooraf bepaalde regels. Dit wordt de "Balansregel" genoemd.
Lemma 1 (Informatievergelijking): Het doeldomein wordt gedefinieerd als $Target = Known + Unknown$. Bijgevolg is $Unknown = Target - Known$. Deze vergelijking maakt gedistribueerde oplossingen mogelijk waarbij tuples in het onbekende domein efficiënt kunnen worden opgesomd of doorzocht binnen een bepaald responsreferentiekader.

2.4 Implementatievoorbeeld

Het artikel gebruikt Chinese informatiedata als de primaire casestudy. Het construeert een database waarbij:

Yan (Karakters): Worden gerepresenteerd als elementen afgeleid van basisstreken (Enkele/Gelaagde sets).
Yu (Woordgroepen/Frases): Worden gerepresenteerd als afgeleide niveaus equivalent aan Engelse woorden en zinnen.
Proces: Het systeem maakt gebruik van een "karakter-gebaseerd" (Yan-gebaseerd) principe om de relatie tussen karakters en woordgroepen indirect te formaliseren. Dit maakt de conversie van "niet-obvious" NP-problemen naar "obvious" P-problemen mogelijk via het Twin Turing Machine-mechanisme.

3. Belangrijkste Bijdragen

Nieuw Computationeel Paradigma: Introductie van het "Indirect Computatiemodel" en de "Indirecte Formele Methode", die samen het Twin Turing Machine virtuele computatieprogramma vormen.
Geoptimaliseerde Datastructuren: Een herclassificatie van informatie in Enkele, Gelaagde en Sign sets, wat verder gaat dan Kleene's kleine stringtheorie om complexe, gegeneraliseerde teksten (multimedia en levende organismen) te accommoderen.
P naar NP Transformatiestrategie: Een methode om het begrip te verdiepen van P naar NP en de expressie te vereenvoudigen van NP naar P door gebruik te maken van de regel van "synoniemie parallelisme" en het evenwicht tussen bekende en onbekende domeinen.
Chinese Taalverwerking: Een specifieke architectuur voor het verwerken van het Chinees die de afhankelijkheid van kleine-karakterset woordsegmentatiemethoden vermijdt, in plaats daarvoor gebruik te maken van een hiërarchische, karakter-gebaseerde formalisering die tweetalige/biliterale verwerking ondersteunt.
Evolutie van Cloud Computing: Een conceptueel kader voor de verschuiving van cloud computing van "datacentra" naar "kenniscentra" door middel van collaboratieve intelligente computing.

4. Resultaten

Het artikel presenteert een prototype ontwerpconcept voor een collaboratief intelligent computatiesysteem met behulp van Chinese data.

Database Constructie: De auteur beschrijft een database waar de relatie tussen yan (karakters) en yu (woordgroepen) indirect is geformaliseerd. Deze database maakt efficiënte enumeratie en zoekopdrachten (indirecte computatie) op elk gewenst moment mogelijk.
Prestatieclaims: Er wordt beweerd dat het systeem zowel de recall als de precisie in informatie-extractie garandeert. Het maakt gemakkelijke, nauwkeurige en efficiënte berekening van hergebruikpercentages mogelijk.
Probleemoplossing: Het model claimt "niet-obvious" algoritmen (vaak geassocieerd met NP-problemen) te transformeren naar "obvious" algoritmen (P-problemen) door gebruik te maken van de virtuele Twin Turing Machine om de arbeid te verdelen tussen gestandaardiseerde machineverwerking en gepersonaliseerde menselijke selectie.
Generaliseerbaarheid: Het artikel stelt dat het "karakter-gebaseerde" principe uniform kan worden toegepast op acht soorten data: karakters, formules, diagrammen, tabellen, geluiden, afbeeldingen, driedimensionale objecten en levende organismen.

5. Betekenis

Het artikel stelt dat de primaire betekenis ligt in het faciliteren van de optimalisatie van cloud computing van datacentra naar kenniscentra. Door het indirecte computatiemodel (algoritmen) te combineren met de indirecte formele methode (datastructuren), creëert het systeem een collaboratieve omgeving waarin computeragenten en menselijke subjecten effectief met elkaar interageren.

Deze prestatie wordt gepositioneerd als een manier om:

De beperkingen van traditionele woordsegmentatie in Chinese verwerking te overwinnen.
Een theoretische basis te bieden voor het afhandelen van NP-complete problemen door middel van het "dubbele transformatieproces".
Een "collaboratief intelligent computatiesysteem" te vestigen dat standaardisatie (machine) integreert met personalisatie (mens), ondersteund door de constructie van universitaire disciplines op basis van ontologie.

Het artikel concludeert dat dit model een hoger niveau van collaboratieve intelligente computing biedt voor speciale gevallen, inclusief cloud, cloud-edge, gedistribueerde, parallelle en grid computing.

Indirect Computing Model with Indirect Formal Method