Сырая информация это что? То из чего потом выпекают "жаренные факты"?
Это чисто надуманная конструкция. В Природе не существующая ни в каком виде.
Сырая информация - это акты непосредственного взаимодействия нервной клетки человеческого организма (нейрона) с внешней средой, когда в ответ на внешнее раздражение этот нейрон выдает импульс через свой аксон (обычно следующему нейрону в цепи или сети).
Чтобы исключить спекуляции на сознании, приведу пример из техники - счетчик Гейгера (он же измеритель радиоактивности). Датчиком радиоактивности в этом счетчике служит газоразрядная трубка, к которой приложено высокое напряжение (через резистор, предохраняющий источник напряжения от короткого замыкания). При попадании в эту трубку радиации в виде потока высокоскоростных частиц последние ионизируют газ в трубке, что приводит к лавинообразному разряду в этой трубке, в результате которого напряжение на ней резко падает, а возникший разряд гаснет до тех пор, пока эта трубка снова не зарядится до высокого напряжения. Тогда как сам прибор регистрирует такие скачки напряжения на этой газоразрядной трубке.
Здесь сырая информация - это единичный разряд в этой трубке. А сам прибор считает число таких разрядов в единицу времени (обычно не за одну секунду, а за несколько), а затем выражает частоту разрядов в единицах зв/час (зивертов в час), т.к. рентген/час был бы в этой роли слишком большой величиной. Так вот радиоактивность, выраженная в зв/час и выдаваемая на дисплей прибора, - это уже не сырая информация, а в значительной мере осмысленная (в данном случае наделяемая смыслом интенсивности радиации).
Можно заметить, что работа этой газоразрядной трубки сильно напоминает работу сенсорного нейрона, который тоже накапливает потенциал на своей внешней оболочке/мембране (между внутренней средой и внешней), а при достижении степени раздражения, превышающей "порог срабатывания", претерпевает саморазряд, который вызывает выброс нейромедиаторов из аксона. Это происходит потому, что большинство нейромедиаторов существуют в виде положительно заряженных ионов (за счет протонизации аминогрупп, ходящих в состав их молекул). Именно за счет этого потенциала они и удерживаются в аксоне до тех пор, пока внутренняя среда заряжена отрицательно относительно внешней среды. Но как только произошел разряд, отрицательный потенциал внутри нейрона резко падает, и нейромедиаторы начинают свое путешествие во внешнюю среду. В будущем их, скорее всего, притянет дендрит другого нейрона, который еще не утратил своего отрицательного заряда.
Здесь сырая информация - саморазряд сенсорного нейрона, порожающего нервный импульс, который затем распространяется вдоль нерва. В сетчатке глаза есть очень много таких светочувствительных нейронов, которые "срабатывают" от света. У этих нейронов есть какая-то дифференциация по типам, из-за которой нейроны разного типа по разному чувствительны к свету разной длины волны, но это ничуть не меняет сути механизма. А суть тут та же, что и у газоразрядного счетчика - генерация импульса от одиночного акта взаимодействия с агентом внешней среды.
С примером сырой информации мы еще часто сталкиваемся и в виде картинок на интернет-страницах. Там картинки передаются в виде bitmap'ов, где последовательно по строкам перечисляются цвета точек в кодировке RGB (красный-зеленый-синий). Это тоже сырая информация, т.к. в кодировке изображения нигде не подписано, что на этой картинке изображено. Поэтому для того, чтобы превратить сырую информацию в осмысленную, требуется работа по "распознаванию образов", чем обычно занимается либо само сознание, либо специализированные нервные узлы вроде зрительного бугра.
Короче говоря, наши органы чувств на своем низком уровне не занимаются распознаванием образов, а предоставляют эту работу нервным центрам, которые под эту работу заточены. Но именно в этом и находится корень "глючности восприятия", когда не глаза нас обманывают, а работа по распознаванию образов сделана халтурно. Впрочем, бывают отдельные случаи, когда из-за плохого качества сырой информации распознавание образов в ней оказывается невозможным. Типичный тому пример - чтение самого мелкого шрифта на тестовой таблице у офтальмолога. В этом случае распознавание образов доходит до понимания, что перед нами текст, но прочесть его не удается.
То, что получится из сырой информации после распознавая образов, в значительной мере зависит от того, какого рода образы в этой сырой информации распознаются. Если это тест, то такими образами являются отдельные буквы, перечисленные в алфавите. Вот совсем недавний случай, который произошел со мной - разглядывала через лупу (увеличительное стекло, т.к. микроскопа у меня дома нет) надпись на спинке микросхемы. Сама та микросхема малюсенькая - габаритом 3х3 мм. На этой картинке она почти в 3 раза крупнее:
Смогла прочитать I?R324C, но символ между буквами I и R распознаванию не поддался. Больше всего походило на букву O с разрывом снизу. А без него было неясно, что гуглить, чтобы раздобыть для этой микросхемы описание. В последствии оказалось, что это вовсе не буква была, а изображение диода в круге (так обычно обозначают на схемах светодиоды). Стало быть, буква O была глюком
.
Таким образом, сознание чаще всего руководствуется тем набором образов, который у него сформировался в прошлом. Но откуда-то эти образы берутся, даже если в данном случае для распознавания используется уже имеющий их набор? И здесь для понимания вопроса с их рождением крайне полезно разобраться с процессом обучения ИИ в тех случаях, когда ему заранее не задаются образы, которые он должен распознавать на изображениях, а он сам вынужден их сформировать. Такая процедура известна и носит название "кластеризации". Это когда объекты сперва сортируют по степени подобия между собой, а затем выделяют среди них сгущения, где в относительной близости оказалось много объектов, похожих друга на друга. Именно эти образования и называют в математике кластерами, а на практике им обычно дают имена. Например, "рыба" - это не абстракция, как утверждают многие философы, а кластер, в котором оказалось большинство рыб из-за их естественного сходства между собой и отличия от прочих живых организмов, которые на рыб внешне не похожи. Например, рак в кластер "рыбы" не войдет
.
