本篇文章1118字，读完约3分钟
编者按:杰夫·霍金斯是美国发明家、计算机科学家和神经科学家。他领导了palm和treo的研发，是palm、numenta和handspring的创始人。在这篇论文中，杰夫从生物构成、功能构成和智能机器的多样化三个方面分享了他对机器智能的独特看法。
1)智能生物组件
2)智能的功能组件
3)智能机器的多样化
新大脑皮层的重要性，它是智力的一个生物学组成部分
新大脑皮层位于海马体(被认为是大脑中情绪和记忆的中心)和大脑的其余部分之间，占据整个大脑体积的75%，这可以帮助人们更好地了解外部世界。
结构的分级表征1)不同物种和模型的大脑区域具有显著的相似性(因此，大脑的所有区域执行相同的动能)
2)不同的物种在大脑区域层次上有不同的特征(因此，层次图并不重要，它只代表一个设计参数)
大脑的每个区域同时具有以下能力:
1)识别感官序列(例如，口语、音乐、视觉动作)(输入)
2)识别感觉运动序列(如肢体运动、眼球运动)(输入)
3)生成动作序列(输出)
每个区域执行的功能与整个层级执行的功能完全相同。
推理:顺序记忆是每个大脑区域的重要功能。
锥形神经元
每个锥体神经元可以识别数百种独立的模式。
远端基底树突识别的模式将使细胞去极化，但不会产生动作电位。
假设:去极化是一种预测，去极化的细胞将很快被激活，同时，它将抑制附近的细胞。
在真实数据中，这些序列的组成非常复杂。
顶部突触预测序列
通过突触学习(这是一种非常有效的学习方式)(注意:单个突触具有很强的随机性)
树枝状晶体
轴突
突触持久性
突触重量
基于分层时间记忆的顺序记忆
-持续学习
-没有批量培训
——随着模式的变化而调整
细胞死亡的稳健性
智能的功能组件霍金斯智能功能组件列表(该列表是主观的)
1)具有学习和回忆序列能力的神经网络
-持续学习，无批量培训
-同时做出多个预测
鲁棒性
分级实时记忆:主动树突，突触形成，无锥度
2)大脑的每个区域使用顺序记忆来:
感官推理
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的基本条件)
3)分级大脑区域
-地区数量
-面积有多大
——大脑区域的连通图
4)有身体
-传感器
-嵌入式行为
-情感/动机
-情景记忆/空记忆
智能机器的多样化
杰夫相信，有一天我们将能够开发出一台具有超级数学家或物理学家能力的机器，而我们需要建造一台具有人脑区域性特征的机器。这样的机器将具有数学家的行为模式，并且能够执行数学家的功能。然而，要实现机器的超级智能，我们在研究的道路上还有很长的路要走。
通过杰夫·霍金斯
文章视频链接
这篇文章是雷锋独家编辑的。搜索“雷锋”。com "公开号)，并拒绝未经许可转载！
