看Palm之父Jeff Hawkins另辟蹊径，剖析超级智能

编者按：Jeff Hawkins是美国发明家、计算机科学家与神经科学家，他主导研发了Palm与Treo，是Palm公司、Numenta公司及Handspring公司的创办者。在本文中，Jeff从生物组成成分、功能组成成分及智能机器的多样化三个方面为我们分享了他对机器智能的独到见解。

1) 智能的生物组成成分 2) 智能的功能组成成分 3) 智能机器的多样化

智能的生物组成成分

Neocortex(新（大脑）皮层)的重要性

Neocortex位于海马体（大脑中被认为是感情和记忆中心的部分）和大脑剩余部分之间，占据整个大脑容积的75%，能够帮助人们更好地认知外部世界。

结构的层级化表征

1) 不同物种和模式的大脑区域具有显著相似性（因而，大脑的所有区域执行相同的动能） 2) 不同物种之间大脑区域层级化呈现出不同的特征（因而，层级图并不是至关重要的，它只是代表一个设计参数）

大脑的每一个区域都同时具备以下能力：

1）识别感官序列（例如，口头语言，音乐，视觉动作）（输入） 2）识别感官-运动序列（例如，肢体运动，眼球运动）（输入） 3）生成动作序列（输出）

每一个区域执行的功能与整个层级结构执行的功能完全相同。

推理：序列记忆是每一个大脑区域的一个重要功能。

锥体神经元

每一个锥体神经元均能够识别成百上千种独立模式。 在基底末梢树突识别出的模式将对细胞去极化，但是不会产生动作电位。

假设：去极化是一种预测，一个去极化细胞很快将被激活，同时将对附近的细胞产生抑制作用。

代表高阶序列A-B-C-D vs. X-B-C-Y

在真实数据中，这些序列组成是非常复杂的。

顶端突触预测序列

通过突触进行学习（这是一种非常高效的学习途径）

（注：单个突触具有很强的随机性）

Dendrite树突 Axon轴突 Synapse permanence突触的永久性 Synapse weight突触权重

基于层级实时记忆（Hierarchical Temporal Memory）的序列记忆

——连续性学习 ——无批次训练 ——随着模式变化进行调整 ——细胞死亡的鲁棒性

智能的功能组成成分

Hawkins关于智能的功能组成成分的列表

（该列表具有主观性）

1）具备学习与回忆序列能力的神经元网络 ——连续性学习，无批次训练 ——同时做出多种预测 ——鲁棒性 层级实时记忆：活跃的树突，突触形成，无锥形 2）大脑各个区域将序列记忆用于： ——感觉推理 ——感官-动作推理 ——动作生成 （以上三种用途是智能机器，甚至人类智能应当具备的基本条件） 3）大脑区域的层级化 ——区域的数量 ——区域的大小 ——大脑区域连通图 4）具身 ——传感器 ——嵌入式行为 ——情感/动机 ——情景记忆/空间记忆

智能机器的多样化

Jeff认为，有一天我们将能够开发出一台具备超级数学家或物理学家才能的机器，需要构造出具有人类大脑区域层级特征的机器，这样的机器将具备数学家的行为模式、能够执行数学家的功能，但是，要实现机器超智能，我们在研究的道路上仍然任重道远。

via Jeff Hawkins