Optimal Spatial Deconvolution and Message Reconstruction from a Large Generative Model of Models

要約

人工汎用知能へのアプローチの原則に基づく、汎用の単変量信号デコンボリューション法を紹介します。
このアプローチは、情報理論とアルゴリズム確率を組み合わせた生成モデルに基づいており、確率分布から独立したモデルの汎用モデルを構築するために「普遍的分布」の推定の大規模な計算が必要でした。
これは、信号またはメッセージが最初にエンコード、埋め込み、または生成された可能性のある寸法や長さスケールなどの物理的特性に関する情報を非ランダム データがエンコードする方法を調査するために使用されました。
この多次元空間再構築方法は、情報理論とアルゴリズム確率に基づいており、選択された計算可能または半計算可能近似方法またはエンコード/デコード方式に関しては不可知論的ですが、独立していません。
この論文で提示された結果は、コーディング理論、特に事前知識が利用できない未知の性質のソースを生成することによって送信されたメッセージの解読など、ゼロ知識の一方向通信チャネルでのアプリケーションに役立ちます。
これは、暗号化、信号処理、因果デコンボリューション、生命、およびテクノ シグネチャ検出に大きな可能性を秘めていると主張します。

要約(オリジナル)

We introduce a general-purpose univariate signal deconvolution method based on the principles of an approach to Artificial General Intelligence. This approach is based on a generative model that combines information theory and algorithmic probability that required a large calculation of an estimation of a `universal distribution’ to build a general-purpose model of models independent of probability distributions. This was used to investigate how non-random data may encode information about the physical properties such as dimension and length scales in which a signal or message may have been originally encoded, embedded, or generated. This multidimensional space reconstruction method is based on information theory and algorithmic probability, and it is agnostic, but not independent, with respect to the chosen computable or semi-computable approximation method or encoding-decoding scheme. The results presented in this paper are useful for applications in coding theory, particularly in zero-knowledge one-way communication channels, such as in deciphering messages sent by generating sources of unknown nature for which no prior knowledge is available. We argue that this can have strong potential for cryptography, signal processing, causal deconvolution, life, and techno signature detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google