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

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-09-20

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技大本营的专栏

AI算法起家的今日头条为何败给了色情?一文告诉你机器学习何以搞不定鉴黄

12月29日,国家互联网信息办公室在官网发布消息称,针对今日头条、凤凰新闻手机客户端持续传播色情低俗信息、违规提供互联网新闻信息服务等问题,要求北京市互联网信息...

4248
来自专栏机器之心

深度 | 谷歌和OpenAI新研究:如何使用达尔文进化论辅助设计人工智能算法?

选自QZ 作者:Dave Gershgorn 机器之心编译 参与:吴攀、黄小天、李亚洲 现代机器智能建立在模仿自然的基础之上——这一领域的主要目的是在计算机中复...

38014
来自专栏AI科技评论

吴博:目标检测集成框架在医学图像 AI 辅助分析中的应用 | AI 研习社第 78 期大讲堂总结

AI 科技评论按:如何界定 AI 用于医学图像分析时的范畴,设置相关的任务及采用合理的模型方法?医学图像分析中目标检测任务的普遍性,使得开发目标检测集成框架显得...

4023
来自专栏AI研习社

DeepMind 弹性权重巩固算法让 AI 拥有“记忆” ,将成机器高效学习的敲门砖

一直以来,计算机程序都是个“左耳进,右耳出”的“傻小子”,它们很快就会忘掉所做过的任务。DeepMind 决定改变传统的学习法则,让程序在学习新任务时也不忘掉旧...

3315
来自专栏机器之心

深度 | 吴恩达对话Yann LeCun:从相识Hinton到深度学习崛起

机器之心整理 机器之心编辑部 深度学习专项课程 Deeplearning.ai 中,也包含吴恩达和多位深度学习大牛的对话视频,之前 YouTube 上已经公开了...

2925
来自专栏机器之心

观点 | 从数据科学的角度,看斯坦福神经网络检测性取向的研究

3696
来自专栏大数据文摘

书单推荐 | 数据挖掘和统计科学自学十大必备读物

1162
来自专栏新智元

【Nature】拥抱深度学习,不要过多苛求黑箱

【新智元导读】Nature 昨日刊发新闻特写,针对AI,特别是深度学习中的黑箱问题的来龙去脉进行分析。AI 中神经网络深度学习方法的黑箱问题是科学家们一直在尝试...

4286
来自专栏ATYUN订阅号

Facebook研究:利用神经网络根据音乐预测音乐家的动作

为了使用人工智能来帮助教人们如何演奏乐器,研究调查了音乐信号和手指之间的相关性是否可以通过计算来预测。我们证明它的确可以预测,这也是首次对这样的想法进行测试。

1613
来自专栏华章科技

普通程序员如何转向AI方向?

本文的目的是给出一个简单的,平滑的,易于实现的学习方法,帮助 “普通” 程序员踏入AI领域这个门。这里,我对普通程序员的定义是:拥有大学本科知识;平时工作较忙;...

712

扫码关注云+社区

领取腾讯云代金券