读Jeff Hawkins《人工智能的未来》的一点思考

        本书提出了一套人脑思考的理论框架，这本书是2006年翻译成中文的，到今天已经十几年过去了。但是其理论好像也并没有得到大多数神经科学家的认可。即使这样，书中的观点依然值得深思。下面记录一点读后思考。

1、书中一个很重要的观点“恒定表征”，任何信息流传入大脑都会以一种恒定的模式在新脑皮层进行决策。也就是传到最高层时，同一种信息序列是相同的。通俗的解释就是将所有事物都进行了编码，最高层的输入模式就是这一串编码。做过神经网络的都知道，通过CNN来识别某个物体，首先需要准备大量的数据集，然后设计模型，最后训练。经过一顿操作出来了一个模型，该模型可以识别这个物体。这样出现的问题是如果出现了你数据集中没有的情况，模型是无法识别的。这就是这个“恒定表征”厉害之处，如果一个物体被人脑编码，就算碎成渣你的大脑都能识别。这种特征提取的能力是目前任何CNN  DNN都无法做到的。

2、书中有个观点是：你知道的越多，你记忆的就越少！我们从上面的恒定表征来理解，你的大脑累计了很多经验，拥有很多的“恒定表征”的编码序列。这样就难免出现相似或遇到相同的事情发生，当发生已经发生过的事情，你大脑已经编码过，就不会重新编码。这样后面发生的相同事情你的记忆就会很模糊。限于本人的语言功底，解释的很勉强。

3、脑皮层的分级：书中将脑皮层分成了多个等级，等级越高处理的事情越“新”。这里的“新”指的是之前没有发生或者发生了已经忘记的事。这就像古代的社会制度一样，县令能解决的事就不要麻烦郡里面了，郡里面能处理的事就不要麻烦州里面................这里以学车为例：学车阶段----我们需要时刻思考接下来怎么办，遇到人串出来你会下意识的刹车。但是车学会后，平时开车你并没有特意去思考我是先点火还是先放手刹，这一系列的操作没有经过最高皮层的决策，下面的人就完成了。

4、记忆-预测理论框架：将人脑和计算机进行比较是很不恰当的，计算机处理是通过计算指令，人脑则是从记忆中取出指令，也就是说人脑并没有通过大量的计算。理解：人脑通过常年的学习，形成一套自身的世界模型，遇到的事件会触发并激活模型中的记忆，并以记忆中的行动为蓝本进行一个预测。预测可能正确或者错误，正确则直接解决，错误则交给上面来处理，直到解决（最顶层为IT区）。上行的事件信息和下行的预测最终会取交集。

5、先阶段的神经网络是先通过训练，数据的分布信息存储在网络权重中，做预测的过程就是输入信息通过一个复杂的函数变换，计算出预测值。不管多么复杂的网络，本质还是一种变换函数。和人脑的思考完全不相同。我并不觉得现在的人工智能要像人脑一样思考，两者本质上并没有什么联系。我们要做的应该是怎么改进这种框架和理论，并没有要否定的意思。