Struktur der Fib-Objekte im Hypothesenraum

Wenn nun angenommen wird, dass "natürliche" Multimediaobjekte (z. B. Bilder), die etwas darstellen sollen, nicht aus völlig unzusammenhängenden Eigenschaften auf den Punkten (z. B. Farbe auf Pixel) bestehen, sondern Zusammenhänge zwischen den Eigenschaften von (benachbarten) Punkten enthalten sind und diese mit entsprechenden Bereichs- und Funktionselementen dargestellt werden können, So gehören zu solchen Multimediaobjekten viele Fib-Objekte mit relativ vielen Bereichselementen, die eine noch größere Menge von Fib-Objekten überdecken, welche die $<_{Fib}$-Relation erfüllen und damit zu den entsprechenden Klassen gehören.

Die daraus gefolgerte Vermutung ist nun, dass im Hypothesenraum der Fib-Objekte die Fib-Objekte, die "natürlicheren" Multimediaobjekte entsprechen, größere Cluster (z. B. die Menge der bezüglich der $<_{Fib}$-Relation ordnerbaren Fib-Objekte) bilden, als die Fib-Objekte, die Multimediaobjekten mit völlig unzusammenhängenden Punken entsprechen. Dies würde bedeuten, dass bei der Wanderung durch den Hypothesenraum Fib-Objekte von "natürlichen" Multimediaobjekten auf mehr Wegen in Fib-Objekte umgewandelt werden können, die ähnlichen Multimediaobjekten entsprechen, als Fib-Objekte, die zufällige Multimediaobjekte (diese haben zufällige Eigenschaften für ihre Punkte) repräsentieren.

Wie in Abschnitt 15.1 auf Seite aufgeführt können zumindest alle Rastergrafiken mit entsprechenden Fib-Objekten dargestellt werden. Es wurde auch ein Algorithmus zur Erzeugung eines (ineffizienten, weil großen) Fib-Objekts zu einer Rastergrafik vorgestellt (das Fib-Objekts kodiert dann die Rastergrafik). Dieser Ansatz kann wahrscheinlich auf beliebige, mit der Fib-Multimediasprache darstellbare, Multimediaobjekte erweitert werden. Auf diese Weise lässt sich zumindest ein Anfangspunkt (Fib-Objekt $Obj$) in einem Cluster zu einem Multimediaobjekt finden. Dieses Fib-Objekt $Obj$ kann dann reduziert werden, indem beispielsweise die Fib-Objekte $Obj'$ ermittelt werden, die nach der $<_{Fib}$-Relation kleiner sind ( $Obj' <_{Fib} Obj$). Diese Vorgehensweise sollte dadurch vereinfacht werden, dass "natürliche" Multimediaobjekte wahrscheinlich größere solcher Cluster haben.

Zur Dichte der Repräsentationen eines Multimediaobjekts im Hypothesenraum kann weiterhin noch Folgendes gesagt werden:

Unter den richtigen Voraussetzungen symbolisiert jedes Individuum ein Multimediaobjekt vom gesuchten Typ (siehe Abschnitt 15.3 auf Seite ). Das heißt: Wenn es beispielsweise $n$ mögliche Rastergrafiken gibt (z. B. $n = 100 * 100$ Bildpunkte $* 8$ Farben$= 80.000$ Möglichkeiten), gibt es auch nur $n$ Fib-Objektgruppen im Hypothesenraum, die unterschiedliche Rastergrafiken des Typs symbolisieren. Wenn jeder Rastergrafik eine Klasse von Fib-Objekten, die dieses repräsentieren, zugeordnet wird, so gibt es im ganzen unendlichen Hypothesenraum nur endlich ($n$) viele verschiedene solcher Klassen, womit das Finden eines Fib-Objektes im unendlichen Hypothesenraum, das eine bestimmte Rastergrafik repräsentiert, sich nicht mehr als ganz so unmöglich darstellt.