Från 1988 till 2011: Kaniner slaktar Grisar balanserande naturens dådlust-hungriga skådespel

2013-10-04

Ingenting annat än värde finns att se när min kultur-generation låter sin historia, uppväxt och bakgrund skapa nya uttryck för konst och musik.


Från Samurai Warrior: The Battles of Usagi Yojimbo 1988:


Kanin bekämpar gris. Båda gående som människor.

Till Kung Fu Panda 2 2011:


Kanin och gris - båda "kultingar" - tränar motivation och färdighet inför framtida strider: Vad som kanske kan ge en mer lämpad symbol för motståndsrörelsen än den i första filmen övergödda pandan den lite dementa sköldpaddan fick för sig hade värde (jag har inte sett hela filmen än så för mig återstår det att få uppleva men åtminstone hopp om en krigisk kanin finns).

I vilken utsträckning - om alls - aktivitet skapad av emulerade motoriska rörelse-mönster via spegelneuroner den här formen "karate-filmer" - animerade eller inte - bidrar till revenue för film är inte helt lätt att objektivt kvantifiera. Men det tycks väl i alla fall inte orimligt att det är en aspekt av en större grupp värden upplevelsen av film kan bidra med. Kanske delvis en fråga om balans som funktion av i övrigt överuttryckt intensitet?


Att tvingande konvergera mot ett jag format av propaganda via offentligt språk

I internationell politik möjligen mer relevant Iran men kanske också Kina relaterat sista dagarnas "nyhetshändelser" ex. China launches charm offensive as Obama cancels Asia trip (2013-10-03) | USA Today (notera förövrigt att Google News sedan månader nu förvirras av bl.a. USA Today rörande hur de skapar nyhetssidorna vilket sedan dag ett har varit massivt gynnande avseende Google News ranking avseende nyheter likt ingenting jag sett någonsin förr on-page) att vi både som personer och grupp definierar vad vi är.


Det tycks förledande enkelt att kunna definiera ett mer positivt jag än vad vi egentligen är döljande mer problematiska eller direkt omoraliska egenskaper. Praktiskt som vår dynamik mellan människor fungerar och också hur vi påverkar oss själva när vi uttrycker denna bättre sida oavsett om det sker för individ eller för en grupp av ett mindre antal del av denna grupp förändrar vi både vad som förväntas av oss (vilket tenderar att påverka vilka beslut vi blir mer benägna att fatta framledes) såväl och menar jag viktigare hur vi själva resonerar utifrån implicit vilka och vad vi är.


Vårt språk om oss själva är en feedback tillbaka till oss själva och också när skapat för att uttrycka närmare brand building är det funktionellt för att föra oss närmare från vad vi vill se som vi själva som definierat i detta språk.


Också för i många frågor lätt problematiska aktörer likt Iran och Kina tvivlar jag inte på att det är funktionellt i någon utsträckning. Särskilt gäller det som att också vi har för individer sådana som är mer resistenta mot detta (om än tycks det ganska få) gäler att dessa aktörer ej definieras trots reducerad demokrati i närheten av enskilda individ d.v.s. kollektivt språk om dom själva verkar på hela populationen i begreppen inkluderat (ex. Iranska revolutionsgardet och Kinesiska kommunistpartiet).


Det är ett sådant språk paralllellt språk som är närmare optimerat populationen inkluderat i konceptet (d.v.s. propaganda ut i världen om vad man är konkurrerar med propaganda riktat och optimerat en själv). Och representerar en dimensionsrymd där avvikelser kan orsaka dissonans såväl som praktiskt påverka ett otal enskilda beslut.


I någon mening om v skattar risken att förleda demokratier till att fatta amorliska eller omoraliska beslut (vilket vi av allt att döma korrekt ej kan göra) är det därför menar jag ej negativt eller problematiskt. Desto mer av ett ideal som samma länder vi skattar negativ verkan på representerar uttrycks som vad man redan representerar ju mer formar man sig själv till att fatta beslut som konvergerar mot detta.

P(A) P(B) är en oanvändbart vek skattning av P(A,B)

För att fortsätta Tre tidsperspektiv: Sociala media, Nyhetstid och Uppslagsböcker (2013-10-03) och där refererade inlägg gäller när vi utgår från de i den mest långsamt förändrade tiden - "uppslagsböcker" - för upparbetade inlägg att för att addera viss "smoothing" för de relationer där kända adderar P(A) P(B) (där A resp. B är koncept bestående av en eller flera ord i språkmening medan varje koncept i sig är en typ vi igenkänner, förstår och kan resonera kring) inget värde och kan oavsett det ej heller adderas in som smoothing utan att skada övergripande data.


Utnyttjar vi emellertid likhet mot det kontext vi befinner oss i - också när det sker med enklaste tänkbara metod jag använt för liknande vilket är den jag valde för detta - blir det funktonellt för smoothing och adderar rent av tror jag för en del koncept värde jämfört med vad samplat.


Skillnaden - vilket Tre tidsperspektiv: Sociala media, Nyhetstid och Uppslagsböcker (2013-10-03) diskuterade ett annat uttryck för - är den globala sannolikheten för ett koncept ej längre används direkt utan anpassas till det kontext den befinner sig i.


När likheten resp. den sannolikheten vidare formas mot lokalt kontext genom att skatta dess vad ajg kallar Blue light intensity får vi en approximation av att göra similarity operationerna ett mycket stort antal gånger efter varandra för att ta upp formande till kontext sekundärt från dess relationer och vidare utåt. Att göra det specifikt för varje kontext är emellertid praktiskt ogörligt prestanda-mässigt också när viktfiler genereras specifikt för användning under flera år som här men fortfarande när det görs för varje koncept mot det kontext det själv direkt förvaltar medan dess för inverka på varandra globalt under kanske 10 till 50 epoker adderar det värde för den användning vi diskuterar här adderar större värde-höjd jämfört med P(A) * P(B) som skattning.


Givetvis hade vi låtit A och B endast varit ord (i språk mening d.v.s. koncept vi skriver utan att de innehåller mellanslag) hade vi sluppit mycket av problemet med P(A) * P(B) som skattning men all den huvudsakliga användningen som söks med P(A,B) skattningen hade emellertid heller inte varit möjlig.


I övrigt tycks det som att alla datakällor jag använt undantaget de fyra största (där Wikipedia är en avseende fyra upp till sex mått varav den största som gått klart ligger efter stops på cirka 67 GB koncept-relationer beroende av om jag väljer att ta in alla: generering av några fortgår så jag har inte bedömt dem) resp. utan föregående P(A,B) vikt-grid - klarar att täcka upp cirka 45 - 50% av relationerna existerade i Blue light (en positiv upplevelse: jag hade snarare räknat med 10 - 15% maximum). Jag spekulerar ej helt utan tro på korrekheten av det att adderande Wikipedia datat orkar det upp till kanske 70% - 75% (dessa procent-värden skattande från Blue light Red 2.0 som ligger på cirka 800 000 symboler och för bedömda relationer cirka 30 000 000 - 55 000 000 d.v.s. ej senaste Blue light Abstract Concrete 1.0 som ligger på 11 miljoner symboler men där för den senare en mycket stor del av de extra består av relationer relaterat geografi och personer). Smoothing från Blue light relationerna när det är formad sannolikhet varande en ej dålig skattning kan därför addera värde genom att spara gigantisk beräkningskostnad fortgående under hela användnings-perioden för datat (säkert flera år).


Jag hade innan räknat med att ha P(A) P(B) som en parallell smoothing till similarity men som sagt adderar det inget värde alls och skadar ofta.