Ra Materials은 세상의 존재하는 모든 것들의 진화를 다룬 채널링 책입니다.
세상에 존재하는 모든 것의 의식의 진화가 어떻게 이루어졌는지에 대해 매우 자세하게 나옵니다.

출처

어떻게 보면 우린 창조자의 게임말과 같은 역할로 간주될 수 있습니다.
창조자가 자신을 알기 위해 세상을 만들고, 창조자 자신의 분신들을 풀어서, 그 분신들이 대신 경험하게 하는 것처럼 보일 수도 있습니다.

그 과정은 상상할 수 없을 정도로 깁니다. Ra가 얘기하는 Density 3에서 Density 4로 이동하는데 걸리는 시간은 75,000년입니다.

Ra의 말이 맞다는 가정하에 그 진화 방법을 알고리듬으로 구현하면 어떨까 하는 생각을 조금 진지하게 해봤습니다.

사실, 그 진화방법들을 보면, 딥러닝에서 사용되는 방법들과 비슷한 점이 많습니다.

아직은 초기 아이디어 단계라 보셔도 뭔 소리야 하실 겁니다.

Logos 학습법

Logos(Sub-logos)는 우주를 만들고 그 우주가 어떻게 진화할지 설계하는 존재인데, 그 진화 방법을 현대 딥러닝 알고리듬과 유사하게 정리해봤습니다.
여기서는 Density 3 (3차원과 유사한 의미)에 초점을 맞춘 방법들 위주로 정리해봅니다.

Logos까 설계한 존재 진화 방법 (Density 3)

Two Paths

• Positive Path: Service To Other-Selves
• Negative Path: Service to Self

Purpose: Harvest for the next density

Method: Maximize polarity (either positive or negative)

Tools:

• Catalyst: 학습, 경험을 트리거 하는 것들
• Veling Process: 정보에 대한 불투명성 (가림막 효과)
• Free Will: 모든 것을 개체가 선택 (free will에 해당하는 요소 추가)
• Energy Centers: 각 개체의 7개의 에너지 센터가 balancing되도록 학습 유도
• Wanderer; Density 4의 정보를 주변에 흘림. Density 3 존재를 리딩.
• Space/Time, Time/Space: S/T공간에서 발현되기 전에 T/S 공간에서 충분히 긴 시간을 훈련 후 S/T 공간으로 발현
• 무보상 전략. Expect no return.
• 사전 프로그래밍 (Programming life before incarnation)

풀 수 있는 문제?

• 복원 문제. 사진 복구
• 부족한 정보 찾아 내기

오늘은 여기까지입니다.

예전에도 고도로 진화한 존재들의 개념을 가지고 진화 시뮬레이션을 해보려고 고민했던 적이 있습니다. 그 때는 흐지부지 끝났는데, 이번에는 좀 다를 수도 있겠습니다.

결과가 좋다면, GAN (Generative Adversarial Network)을 뛰어 넘는 네트워크이 나올 지도 모릅니다. 하하하.

GAN은 모순이라는 개념을 네트워크로 만든 것이고, 제가 만들려고 하는 것은 음양 원리를 네트워크로 만드는 것과 비슷합니다.

출처