构建大脑以理解世界数据
Building Brains to Understand the World's Data
频道:Google TechTalks · 时长:1:02:06 · 发布:2013-03-11 · 播放:83628
简介
杰夫·霍金斯提出他的观点:新皮层的工作原理与传统计算机不同。他描述了稀疏分布式表示及其学习方式,然后展示了Numenta如何应用它们从高速数据流中进行预测。
HN 为什么推荐
被推荐为霍金斯本人对其受大脑启发的智能理论及其软件实现的通俗阐述。
他深入阐述了他关于大脑结构的想法,以及他在软件/硬件中重建它所做的努力。 — HN, 2013
中文字幕节选
ALAN: 所以[听不清]实际上几周前邀请我和Jeff共进晚餐。 我想我们大概聊了三个小时。 我们本可以聊上10个小时。 因为他感兴趣的领域也是Larry感兴趣的, 那就是机器智能。 以及我们如何推动下一代的发展? 这对我们公司显然非常重要。 但他整个职业生涯基本上从研究生院开始 就建立了一个机制,基本上让他能够 研究我认为是我们任何人都会参与的 最迷人的领域之一。 那就是受生物学启发的机器智能。 对我来说,它结合了两件非常非常有趣的事情。 一个是显然的计算以及我们如何通勤之类的事情, 但更重要的是我们如何思考,人类如何思考。 我认为真正让我兴奋的是生物学在理解 心智做什么以及它如何处理事物 和使用的不同机制方面取得的进展。 真正让我意识到的是,这是一个完全不同的计算模型。 我认为这就是它如此令人兴奋的原因。 所以我不会深入讲述漫长而辉煌的历史。 我会让Jeff来讲。但我非常高兴和开心,他能来 以及房间里所有人的兴趣。 所以非常感谢。JEFF HAWKINS: 谢谢,Alan。 观众: [掌声] JEFF HAWKINS: 我应该用这个麦克风没问题。 希望你们都能看到我。 嗯,感谢大家来到这里,继续挤进来 随便找个地方坐吧。 很高兴来到这里。 我不会告诉你们我漫长的职业生涯。 我会跳过所有这些。我有过两个职业生涯——一个是移动计算,现在 另一个是大脑和神经科学。 但真正来说,是大脑和神经科学 才是持续了很长时间的那个。 所以我要谈谈机器智能。 我要谈谈它是什么。 我要谈谈我相信我们如何能达到那里, 以及我们到达那里后会做什么。 演讲的某些部分会相当技术性。 有些则不那么技术性。我要先做一个简短的介绍 历史。我的方法——希望这现在能 工作——让我们试试这个。 哦,我记下了。就是这样。 我的方法一直是这样的。 这是一种非常生物学的方法。 首先是发现新皮层的操作原理。 一旦我们理解了这些原理,我们就可以建造 基于这些原理工作的机器。 新皮层,以防你们忘了,它是 你大脑顶部那个大大的、皱皱的东西。 它大约占你大脑体积的75%。 所有高级思维、语言、视觉都发生在这里。 你能告诉我的关于世界的任何事情都存储在你的新皮层中。 我的在说话。你们的在听。 那是一个智能器官。 我们的方法就像这样——哎呀。 哦,我在这里倒退了。 我得习惯这个。 我们的方法如下。 我们从非常详细的解剖学和生理学开始。 从某些方面来说,与其说我是机器学习的人,不如说我更像神经科学家。 我把大脑视为一组约束条件。 这是我们已知的一个证明案例,表明这件事是可以做到的。 我们对大脑的解剖结构和生理机能了解很多, 以及各种各样的东西。 如果我们要提出关于智能是什么的理论, 它必须与这些知识相一致。 我们不必模拟所有这一切。 但至少我们必须认识到,那是一组约束条件。 由此,我们发展出理论原则。 我们可以将这些原则在神经科学中进行实证检验。
HN 上的讨论
这是Jeff Hawkins在Google的相关演讲,他阐述了自己关于大脑结构的想法,以及他在软件/硬件中重建大脑所做的工作。[VIDEO] — scotth, 2013-06
我认为Hawkins对智能所需的一些必要条件做了很好的总结[0]。我个人认为运动驱动和感觉检测之间的联系是最重要的之一——我在2010年做过一个相关项目。运动-感觉联系本质上是所有智能进化的方式。甚至秀丽隐杆线虫也有神经元来决定它应该向哪个方向摆动。从表面上看,他似乎把大量的“解决方案”塞进了他的HTM(分层时间记忆)中。HTM是一个有趣的实现,稀疏编码肯定是一个优点。然而,我认为他过于关注自己的宝贝,而忽略了其他可能更有效地满足必要组件的技术。这只是表面现象。在产品/研究的平衡下,也许我们只是没有看到研究中所有酷炫的事情,但看起来研究会被硬塞进HTM,无论它是否是最好的架构。[0] [VIDEO] 从大约8分20秒开始 — daveguy, 2017-10
这个怎么样?构建大脑以理解世界数据(谷歌技术演讲):[VIDEO] 结果是[LINK] — dsego, 2014-02
相关视频
- 神经网络和反向传播的详细入门:构建micrograd · Andrej Karpathy · 2:25:52
- 1. 人类行为生物学导论 · Stanford · 57:14
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- 斯坦福 Sapolsky 谈美国抑郁症(完整讲座) · Stanford · 52:28
- 身体在想什么:神经系统之外的生物电计算 - NeurIPS 2018 · The Artificial Intelligence Channel · 52:06
- AlphaGo - 电影 | 完整获奖纪录片 · Google DeepMind · 1:30:28
- 伟大的色情实验 | Gary Wilson | TEDxGlasgow · TEDx Talks · 16:29
- Transformer,LLM 背后的技术 | 深度学习第 5 章 · 3Blue1Brown · 27:14
- 控制多巴胺以提升动力、专注力和满足感 · Andrew Huberman · 2:16:31
- USENIX Security '18-Q:为什么主题演讲者不断建议改进安全性是可能的? · USENIX · 51:22
- 第一讲 | 机器学习(斯坦福) · Stanford · 1:08:40
- MarI/O - 视频游戏机器学习 · SethBling · 5:57
- 深入探讨 ChatGPT 等 LLM · Andrej Karpathy · 3:31:23
- 学会玩经典 NES 游戏的计算机程序 · suckerpinch · 16:17
- 个人成长系列:William Dement博士谈健康睡眠和最佳表现... · Google TechTalks · 59:57
- David Silver 强化学习课程 - 第一讲:强化学习导论 · Google DeepMind · 1:28:12