Matriisissa tietokonesimulaation pääprosessin asetukset määrittelevät alempien tasojen prosessien reunaehdot, niiden voimavarat sekä fyysisen ja psyykkisen potentiaalin. Ihminen on yksi mikrotason prosessi.
Jokaisen prosessin toimintaa ohjaa alituisesti päivittyvä valvonta-algoritmi, joka syöttää tietoa maailmankaikkeuden säännöistä. Jotta simuloinnissa olisi järkeä ovat algoritmit oppimiskykyisiä. Esimerkiksi kunkin ihmis-prosessin ajonsa aikana kokemat havainnot säätelevät käsitystä vallitsevasta maailmankaikkeudesta.
Jotta simulaatio palvelisi tarkoitustaan, matriisi ruokkii ja tasapainottaa itseään tuottamalla vakiosyötteitä. Ne kattavat valtaosan kunkin instanssin kaikista aistihavannoista ja elämänkokemuksista joiden pohjalta käsitys itsestä suhteessa ympäristöön muodostuu.
Ihmisen fyysinen suorituskyky on matriisin kokonaisuuden kannalta vain pieni yksityiskohta, mutta perhosefektin kautta sillä on järjestelmätason vaikutuksia.
Crossfittiä harrastava juoksijapoika näyttää siltä, kuin todisteessa A1. Ihminen katsoo juoksijaa ja arvioi oman suorituskykynsä huomattavasti alhaisemmaksi, koska ei vastaa kuvaa. Näin voidaan tukea matriisin lähtöasetuksia, ja lisätä muutokseen hitausmomentti.
Exhibit A1 - vakiosyöte: Matriisin juoksijapoika ( (License: CC0 No Rights Reserved) |
Ihmisen huomio hakeutuu automaattisesti erityisesti niihin syötteisin ja yksityiskohtiin, jotka parhaiten palvelevat kyseisen yksilön parametrisointia. Toisin sanottuna ihminen kiinnittää huomionsa siihen, mikä häntä kiinnostaa ja korostaa näiden havaintojen arvoa. Tämä piirre edelleen helpottaa aistivihjeen absorboitumista.
EXHIBIT A2 - vakiosyöte: Matriisiin jumppatyttö (License: CC0 No Rights Reserved) |
Vahva keino käsitysten vakiointiin on ns. reference-stacking. Tässä menetelmässä ympäristöään tarkkailevan henkilön havaintokenttään tuotetaan kerralla suuri joukko standardisoituja referenssi-prosesseja jotka ovat näennäisesti yksilöitä mutta kuitenkin noudattavat samaa kaavaa. Ihmisten välinen dynamiikkia tuottaa myös automaattista reference-stackingia, esimerkiksi triathlon-seuran toiminnassa. Tällöin korostuvat process-collaboration -tekniikan edut, jossa yksilöt vaihtavat keskenään tietoa ja muodostavat auto-standardisoituvan alijoukon.
Exhibit A3: kuvassa syötetään tieto siitä, että tällainen on maratoonarin ulkomuoto. Tarkkaileva prosessi luulee luovansa itse yhteenvedon tilanteesta, vaikka todellisuudessa se on etukäteen laskettu. Menetelmä on erityisen tehokas parametrimurtojen ennaltaehkäisyssä. Eikö ole hämmästyttävää kuinka samanlaisia kaikki maratoonarit ovat.
Exhibit A3 - ReferenceStacking: matriisimaratoonareita (License: CC0 No Rights Reserved) |
Joskus kuitenkin käy niin, että yksittäiselle prosessille ei kyetä tuottaman riittävästi tai riittävän laadukasta vakioivaa syötettä. Tällöin prosessin käsitys siitä, mikä on fyysisesti mahdollista, voi poiketa merkittävästi alkuparametreistä.
Erityisen hankalaksi tilanne muodostuu, jos oppiva algoritmi eli henkilö saa käryn simulaation toimintalogiikasta. Tällöin yksilö voi ryhtyä määrätietoisesti valikoimaan ja itse tuottamaan lisää aistiärsykkeitä, jotka edelleen eskaloivat poikkeavuutta.
Exhibit A4: Jabba The Hutt |