新的人工智能项目旨在模拟人类新皮质

GETTY IMAGES

一项名为“Thousand Brains（https://www.numenta.com/thousand-brains-project/）”的雄心勃勃的项目旨在努力开发一种新的人工智能框架，其创始人表示，该框架的运作原理与人脑相同，但与当今主导人工智能的深层神经网络的基本原理截然不同。在盖茨基金会的资助下，这项开源计划旨在与电子公司、政府机构和大学研究人员合作，探索其新平台的潜在应用。

在当今的人工神经网络中（https://spectrum.ieee.org/what-is-deep-learning），被称为神经元的组件被馈送数据并合作解决问题，例如识别图像或预测序列中的下一个单词。如果神经网络拥有多层神经元，则称之为“深层”。

深度神经网络目前在许多测试中与人类的表现相匹配或优于人类，例如识别癌症皮肤和玩复杂的游戏。然而，它们受到许多问题的困扰。例如，随着体积和功率的增长，它们变得更加耗电——为了训练OpenAI的GPT-3，2022年《自然》杂志的一项研究表明（https://spectrum.ieee.org/dendrocentric-learning），该公司花费460万美元运行9200个GPU两周。神经网络也经常被证明是不稳定的，它们接收的数据略有变化，导致结果发生剧烈变化。例如，之前的研究发现，改变图像上的单个像素会让人工智能将马误认为是青蛙（https://arxiv.org/abs/1710.08864）。

为了克服这些挑战，Thousand Brains旨在通过对新皮质进行逆向工程来开发一个新的人工智能平台，新皮质约占人脑质量的80%（https://thebrain.mcgill.ca/flash/i/i_05/i_05_cr/i_05_cr_her/i_05_cr_her.html）。

“今天的神经网络是基于80年前的基础神经科学。从那时起，我们学到了很多关于神经科学的知识，我们想利用这些知识来推进人工智能，”Jeff Hawkins说，他是1990年代发明Palm Pilot的共同发明者。Hawkins是位于加利福尼亚州雷德伍德的人工智能公司Numenta的联合创始人，该公司于6月5日在斯坦福大学Human-Centered Artificial Intelligence会议（https://hai.stanford.edu/hai-5-agenda-outline）上启动了Thousand Brains项目。

Thousand Brains计划的目标

这个项目名字的灵感来源于新皮层的结构；这个项目的名字的灵感来源于新皮层的结构；它由数千个所谓的皮层柱组成（https://link.springer.com/article/10.1007/s42452-021-04715-0），每个柱被分成多层神经元。“人类大脑有大约150000个皮层柱，每个柱本质上都是自己的学习机器，” Hawkins告诉IEEE Spectrum。

Numenta的研究人员认为，深度网络本质上是生成一个单一的世界模型，一步一步地处理从简单特征到复杂对象的数据。相比之下，该公司的“thousand brains理论（https://www.numenta.com/thousand-brains-project/thousand-brains-theory/）”提出，大脑的许多皮层柱会生成多张世界地图，就好像每个人脑实际上是数千个大脑同时并行工作一样。

NUMENTA

Hawkins说：“一旦我们学会了如何建造一个皮质柱，我们就可以建造任意数量的皮质柱。”

该项目旨在通过许多皮质柱状单元在人工智能中模拟这种神经科学结构，每个单元都可以执行感觉运动任务，例如操作机器人手指。然后，这些单元可以使用链路相互通信，这种链路很像在新皮层中看到的远程连接。Hawkins相信，这种模块化结构将使他的方法易于扩展。

Hawkins说：“人类大脑在进化过程中通过多次复制皮层柱而迅速变大，我们希望我们也能做到这一点。”

感觉运动学习的作用

该项目也是基于新皮层在感觉运动学习中的作用。尽管深度神经网络目前从巨大的静态数据库中学习，但新皮层是以动态的方式学习的：它使用感官感知周围环境，使用身体运动探索事物是如何工作的，并根据这种感官和运动反馈建立世界模型。

Hawkins认为，人工智能策略之间的这种差异是深刻的。创建和标记深度网络学习的数据集是一项成本高昂、费力的工作，而且这些系统无法从新数据中持续学习（https://spectrum.ieee.org/how-deepmind-is-reinventing-the-robot）；相反，他们必须对整个数据库进行再培训。相比之下，新皮层能够以积极的方式学习，并能够快速适应新的数据。

Hawkins说：“我们可以制造出在感觉运动学习方面像新皮层一样工作的机器，它们天生就是机器人。我认为我们的工作不仅是人工智能的未来，也是机器人的未来。”

此外，这个项目还在开发基于新皮层依赖参考框架的人工智能。在哺乳动物的大脑中，所谓的位置细胞（place cell, https://zuckermaninstitute.columbia.edu/new-discovery-highlights-power-resting-remembering）帮助编码位置记忆，网格细胞（grid cell, https://www.eurekalert.org/news-releases/678514）帮助绘制空间中的位置图。新皮层使用这些参考系来存储和理解其接收到的源源不断的感觉运动数据。

Hawkins说：“大脑在二维和三维参考系中构建数据的方式复制了现实世界中物体的结构。当你观察深度网络时，它们并不能从根本上理解世界，这就是为什么如果你只改变图像的一个微小特征，它们往往无法识别它。相比之下，参考系可以帮助大脑了解其物体模型在不同条件下可能会如何变化。”

Hawkins说，这一新人工智能平台的潜在应用可能包括复杂的计算机视觉系统，该系统可以使用多个摄像头来了解场景中发生的事情，或者先进的触摸系统来帮助机器人操纵物体。“盖茨基金会对全球健康的感觉运动学习感兴趣。想想超声波，它将传感器在太空中移动以建立模型，例如为胎儿成像。这本质上是一个感觉运动问题。”

开源的Thousand Brains项目正在开发一个软件开发工具包，以便其他人可以在其工作的基础上继续努力。该倡议还承诺不主张其与Thousand Brains方法相关的专利。

盖茨基金会资助

盖茨基金会在两年内为Thousand Brains计划提供至少269万美元。（盖茨基金会拒绝对这篇文章发表评论。）Hawkins说：“我们还希望很快宣布与世界各地的政府机构达成协议。”

该项目旨在创建一个完整的皮质柱软件版本。然后，它将为一个复杂的过程连接多个单元，如视觉或听觉。Hawkins说：“然后，我们想交叉模式——比如说，将视觉和触觉结合起来——最终建立层次结构，建立一个由物体组成的世界模型，由物体组成，等等。”

尽管Thousand Brains计划专注于构建软件，但它正在与匹兹堡卡内基梅隆大学电气和计算机工程教授John Shen等研究人员合作，他正在基于Thousand Brains概念设计硬件。

Shen说：“自从第一个模仿大脑的神经形态硬件诞生以来，神经科学研究在理解大脑如何工作以及如何构建方面取得了重大进展。我们想做的是充分利用我们现在对神经科学的了解，并将其与最好的硅相结合，制成一种新型计算机。我们真的接受了千脑理论，今年夏天我们将与芯片公司进行对话，看看是否有人有兴趣与我们合作。”