BEAUTY AND MATHEMATICAL INFORMATION THEORY (KECANTIKAN DAN TEORI INFORMASI MATEMATIKA)

In the 1970s, Abraham Moles and Frieder Nake analyzed links between beauty, information processing , and information theory . In the 1990s, Jürgen Schmidhuber formulated a mathematical theory of observer-dependent subjective beauty based on algorithmic information theory : the most beautiful objects among subjectively comparable objects have short algorithmic descriptions (ie, Kolmogorov complexity ) relative to what the observer already knows. Schmidhuber explicitly distinguishes between beautiful and interesting. Pada 1970-an, Abraham Moles dan Frieder Nake menganalisis hubungan antara kecantikan, pengolahan informasi , dan teori informasi .

Pada 1990-an, Jürgen Schmidhuber merumuskan teori matematika pengamat-tergantung keindahan subjektif berdasarkan teori informasi algoritma : yang benda paling indah antara objek-objek subjektif yang sebanding telah singkat algoritmik deskripsi (yaitu, Kolmogorov kompleksitas ) relatif terhadap apa yang pengamat sudah tahu. Schmidhuber eksplisit membedakan antara yang indah dan menarik. The latter corresponds to the first derivative of subjectively perceived beauty: the observer continually tries to improve the predictability and compressibility of the observations by discovering regularities such as repetitions and symmetries and fractal self-similarity . Yang terakhir ini sesuai dengan turunan pertama keindahan subyektif yang dirasakan: pengamat terus mencoba untuk meningkatkan prediktabilitas dan kompresibilitas dari pengamatan dengan menemukan keteraturan seperti pengulangan dan simetri dan fraktal kemiripan-diri . Whenever the observer's learning process (possibly a predictive artificial neural network ) leads to improved data compression such that the observation sequence can be described by fewer bits than before, the temporary interestingness of the data corresponds to the compression progress, and is proportional to the observer's internal curiosity reward [ dead link ] Setiap kali proses pengamat pembelajaran (mungkin prediktif buatan jaringan saraf ) mengarah ke kompresi data yang lebih baik sehingga urutan observasi dapat digambarkan dengan lebih sedikit bit daripada sebelumnya, interestingness sementara data sesuai dengan kemajuan kompresi, dan sebanding dengan pengamat imbalan internal yang keingintahuan [ dead link ]