Kluczowe wnioski
Traktuj korę nową jako wiele modeli świata, a nie jeden centralny obraz
Wspólny schemat budowy kory. Jeff Hawkins rozwija propozycję neurobiologa Vernona Mountcastle’a, według której kora nowa powtarza wspólny podstawowy obwód. Ludzka kora nowa zawiera około 150 000 kolumn korowych, z których każda jest niewielką jednostką tkanki nerwowej. Teoria inteligencji tysiąca mózgów zakłada, że kolumny te uczą się modeli świata według podobnych zasad, otrzymując przy tym różne rodzaje bodźców zmysłowych. Kolumna związana z opuszkiem palca i kolumna związana z widzeniem mogą więc poznawać uzupełniające się aspekty tego samego obiektu.
Nie ma jednego wewnętrznego ekranu. Wiedza o filiżance nie jest zapisana w jednej nadrzędnej reprezentacji. Rozkłada się na wiele kolumn, których częściowe modele łączą się, kształtując percepcję i działanie. Teoria ta oferuje ramy pozwalające powiązać doznania, ruch i myślenie, pozostaje jednak propozycją naukową, a nie uznanym za rozstrzygający opisem mózgu.
Siła tej teorii tkwi w jej architekturze: zamiast szukać jednego centrum dowodzenia, pyta, jak współpracuje wiele lokalnych układów. Przypomina to przetwarzanie rozproszone, w którym zadanie można wykonać, choć żadna pojedyncza maszyna nie przechowuje całego rozwiązania. To użyteczne porównanie, ale nie dowodzi, że kolumny korowe rzeczywiście stosują jeden algorytm. Podobnie wyglądające obwody mogą się istotnie różnić, a teoria musi wyjaśnić zarówno te różnice, jak i podobieństwa. Jej najważniejszym wkładem jest precyzyjny program badawczy: ustalić, co reprezentuje każdy lokalny model, jak się uczy i w jaki sposób lokalna aktywność składa się na spójne doświadczenie.
Ucz się obiektów przez ruch, bo same doznania nie odsłaniają ich struktury
Ruch ujawnia strukturę. Uczenie się sensomotoryczne polega na poznawaniu tego, jak bodźce zmysłowe zmieniają się, gdy porusza się ciało lub jego czujniki. Przelotne spojrzenie na nieruchomy obiekt daje tylko częściowy obraz czegoś nowego. Dłoń badająca brzeg, ucho i podstawę filiżanki odbiera różne doznania, a ruch łączy je w model jednego obiektu. Mózg przewiduje też, co ujawni każdy ruch. Gdy palec przesuwa się w stronę brzegu, mózg antycypuje kolejne doznanie; nieoczekiwane pęknięcie lub faktura sygnalizują, że model trzeba zaktualizować.
Przewidywanie trwa nieustannie. Hawkins twierdzi, że przewidywanie nie jest sporadycznym zgadywaniem, lecz podstawową funkcją kory nowej. Proponuje, że aktywność dendrytów może wprowadzać neuron w stan predykcyjny, przygotowując go do reakcji, gdy pojawi się oczekiwany sygnał. Ujęcie to nadaje ruchowi centralną rolę w percepcji, zamiast przedstawiać mózg jako biernego odbiorcę danych zmysłowych.
To spojrzenie naturalnie łączy się z robotyką: system, który ma manipulować nieznanymi przedmiotami, musi je badać, działać i wykorzystywać wyniki do doskonalenia modelu. Pomaga też wyjaśnić, dlaczego percepcja może być zarazem szybka i omylna. Oczekiwania uzupełniają prawdopodobną strukturę, a niezgodności przyciągają uwagę. Nie należy jednak mylić percepcji predykcyjnej z dowolnym wymyślaniem. Świat ogranicza to, co ujawniają działania, a powtarzające się interakcje mogą korygować model. Najważniejsza wskazówka praktyczna jest taka, by umożliwiać systemom uczącym się badanie otoczenia, zamiast jedynie pokazywać im statyczne przykłady.
Wykorzystaj układy odniesienia, by dostrzec, jak myślenie może być uporządkowanym ruchem
Mapa wiedzy. Układ odniesienia to uporządkowany system przedstawiania położenia względem czegoś. Szerokość i długość geograficzna określają położenie miejsc na Ziemi; Hawkins proponuje, że mózg posługuje się porównywalnymi strukturami, organizując wiedzę o obiektach. Filiżankę można reprezentować za pomocą jej cech i ich położenia względem niej, co pozwala mózgowi przewidywać, co poczuje palec, albo zaplanować, jak sięgnąć po ucho.
Abstrakcyjne idee także mają strukturę. Hawkins rozszerza tę propozycję na takie pojęcia jak matematyka, polityka i język. Matematyk może traktować działania jako przejścia między równaniami; osoba odtwarzająca listę metodą loci wyobraża sobie przemieszczanie się po znanych pomieszczeniach, by przypomnieć sobie kolejne elementy. Opisane w książce badanie obrazowania mózgu u ludzi wykazało aktywność przypominającą siatkę, gdy badani porządkowali w myślach ptaki według długości szyi i nóg. Szersza teza, że całe myślenie opiera się na układach odniesienia, pozostaje bardziej spekulatywna niż ujęcie uczenia się obiektów.
Metafora mapy wyjaśnia, dlaczego wiedza ekspercka może zależeć od sposobu uporządkowania faktów, a nie tylko od ich liczby. Przydatna reprezentacja ułatwia dostrzeganie powiązań i możliwych kolejnych kroków. Te same dowody mogą jednak wspierać różne mapy, prowadzące do odmiennych wniosków. Ma to szczególne znaczenie w dziedzinach, w których kategorie są sporne albo związki przyczynowe niejasne. Teoria skłania więc do postawienia pożytecznego pytania: jaka organizacja myśli ułatwia rozumowanie o danym problemie i co ta organizacja pomija?
Pozwól wielu częściowym modelom uzgodnić wspólne stanowisko, zanim uznasz percepcję za spójną
Kolumny głosują w sprawie obiektów. Problem wiązania w mózgu dotyczy tego, jak odrębne bodźce zmysłowe składają się na jedno doświadczenie. Hawkins proponuje, że kolumny formułują częściowe przypuszczenia o tym, co jest odbierane, a następnie wymieniają informacje za pośrednictwem połączeń dalekiego zasięgu. Ich aktywność tłumi niezgodne interpretacje, aż wyłoni się wspólna odpowiedź. Widzenie, dotykanie i słyszenie filiżanki mogą więc składać się na wspólne spostrzeżenie, choć wszystkie sygnały nie zbiegają się w jednym centralnym modelu.
Zgodność może stabilizować percepcję. Gdy oczy się poruszają lub palce badają przedmiot, bodźce zmysłowe się zmieniają, ale kolumny mogą nadal zgodnie rozpoznawać w obiekcie tę samą filiżankę. Teoria dopuszcza również hierarchię: obszary mózgu mogą łączyć już rozpoznane obiekty w większe lub bardziej złożone całości, zamiast jedynie składać proste cechy w obiekt. Dokładny mechanizm neuronalny tego procesu uzgadniania pozostaje aktywnie rozwijaną tezą teoretyczną.
Rozproszony konsensus stanowi kuszącą odpowiedź na odwieczną zagadkę: jak rozproszona aktywność neuronów tworzy spójną scenę. Sugeruje też, że percepcja może pozostać stabilna, choć jej podstawa dowodowa zmienia się z chwili na chwilę. Zgodność nie jest jednak tym samym co trafność. Grupa kolumn może dojść do tej samej błędnej interpretacji, jeśli ich sygnały wejściowe lub wyuczone założenia są obciążone w podobny sposób. To rozróżnienie ma znaczenie nie tylko w neuronauce: w każdym systemie zbiorowym konsensus służy koordynacji, ale nie gwarantuje prawdy. Ujęcie przedstawione w teorii jest najmocniejsze wtedy, gdy towarzyszy mu wyjaśnienie, jak wykrywane są błędy.
Twórz ogólną sztuczną inteligencję, która stale się uczy, porusza i modeluje zmieniający się świat
Wyniki testów porównawczych nie są miarą ogólnej inteligencji. Program grający w Go może pokonać ekspertów, nie wiedząc, czym jest gra ani jak opanować inną umiejętność. Hawkins odróżnia takie wyspecjalizowane systemy od ogólnej sztucznej inteligencji, która potrafiłaby elastycznie nabywać nowe zdolności. Twierdzi, że systemy przypominające mózg powinny mieć cztery cechy: zdolność do ciągłego uczenia się, uczenie się przez ruch, wiele uzupełniających się modeli oraz układy odniesienia służące do przechowywania wiedzy i planowania.
Adaptacja jest ważniejsza niż pojedynczy wynik. Robot fabryczny, który wielokrotnie wykonuje niezmienne zadanie, może nie potrzebować ogólnej inteligencji. Robot budujący na Marsie napotykałby nieznane materiały i problemy, musiałby więc badać otoczenie, improwizować i wykorzystywać wcześniejsze doświadczenia. Hawkins przewiduje, że sztuczna inteligencja ogólnego przeznaczenia stanie się cenniejsza, gdy będzie tańsza i bardziej zaawansowana — podobnie jak komputery ogólnego przeznaczenia wyparły wiele maszyn służących do pojedynczych zadań. To śmiała prognoza, ale książka nie dowodzi, że projekt naśladujący mózg jest jedyną drogą do elastycznej AI.
Rozróżnienie między skutecznością w zadaniu a zdolnością adaptacji jest cenne, bo imponujące wyniki w testach porównawczych mogą maskować kruchość systemów. W robotyce widać tę przepaść wyraźnie: rozpoznanie obrazu to nie to samo co eksplorowanie pomieszczenia i uczenie się, jak zachowują się znajdujące się w nim przedmioty. Współczesna AI potrafi jednak przyswajać użyteczne reprezentacje na podstawie danych i przenosić niektóre umiejętności między zadaniami, dlatego stwierdzenie, że takie systemy w ogóle niczego nie wiedzą, jest zbyt kategoryczne. Trafniejszy sprawdzian dotyczy tego, czy system potrafi bezpiecznie aktualizować swój model, uogólniać na podstawie ograniczonych doświadczeń i działać niezawodnie w warunkach odbiegających od przykładów treningowych.
Wyjaśniaj świadomość przez wspominane doświadczenia, ale oddziel świadomość od ludzkich motywacji
Świadomość wymaga ciągłości. Hawkins twierdzi, że poczucie obecności zależy od tworzenia i przywoływania wspomnień niedawnych myśli i działań. Gdyby te wspomnienia znikały, człowiek mógłby wykonać jakąś czynność, a później sądzić, że nie był świadomy jej wykonywania. Zgodnie z tym ujęciem maszyna, która buduje model świata i pamięta zmieniające się stany wewnętrzne, mogłaby być świadoma. Propozycja ta traktuje świadomość jako proces fizyczny, a nie tajemniczy składnik wykraczający poza mózg.
Doświadczenie i emocje to różne rzeczy. Książka przedstawia również niektóre cechy doznań zmysłowych jako elementy modelu tworzonego przez mózg: ten sam obraz może wyglądać inaczej dla różnych osób, a wóz strażacki wydaje się niezmiennie czerwony mimo zmieniającego się oświetlenia. Hawkins odróżnia takie wyuczone spostrzeżenia od bólu, który wiąże ze starszymi układami mózgowymi. Twierdzi, że świadoma maszyna nie musi obawiać się wyłączenia ani odczuwać żalu, chyba że takie motywacje zostaną w nią wbudowane.
Powiązanie świadomości z pamięcią nadaje tej dyskusji kierunek, który można poddać badaniu: sprawdzić, jak system śledzi własną niedawną aktywność i wykorzystuje ten zapis. Pozwala też oddzielić inteligencję od popędów, które ewolucja ukształtowała u zwierząt. Sam argument nie dowodzi jednak, że pamięć i modelowanie świata prowadzą do świadomego doświadczenia. Brak strachu również nie rozstrzyga kwestii etycznej: system może mieć doświadczenia istotne z moralnego punktu widzenia, choć nie przypominają one ludzkiego cierpienia. Ostrożne podejście pozwala badać możliwości maszyn, nie zakładając ani że każdy płynnie komunikujący się system jest świadomy, ani że liczą się wyłącznie emocje podobne do ludzkich.
Sprawdzaj przekonania, do których jesteś przywiązany, szukając dowodów, które mogłyby je obalić
Percepcja jest skonstruowanym modelem. Mózg odbiera sygnały nerwowe, a nie światło, dźwięk czy dotyk w ich codziennie doświadczanej postaci. Wykorzystuje te sygnały i wcześniejsze doświadczenia, by budować model świata. Zwykle model ten jest użyteczny, ale może błędnie przedstawiać rzeczywistość: człowiek może odczuwać brakującą kończynę albo ulec znanej iluzji wzrokowej, przez którą dwa identyczne odcienie wydają się różne.
Fałszywe przekonania opierają się korekcie. Przekonanie może się utrzymywać, gdy trudno bezpośrednio doświadczyć tego, czego dotyczy, odrzuca się dowody przeciwne, a społeczne nawyki je wzmacniają. Hawkins nazywa wirusowymi modelami świata przekonania, które rozprzestrzeniają się poprzez zalecane przez nie zachowania. Język pozwala ludziom poznawać odległe miejsca i odkrycia naukowe, ale przenosi też dezinformację. Proponowanym rozwiązaniem jest aktywne sprawdzanie: szukanie obserwacji, które mogłyby podważyć przekonanie, zamiast gromadzenia wyłącznie dowodów na jego poparcie.
Ujęcie percepcji jako modelu skłania do epistemicznej pokory: pewność nie oznacza bezpośredniego dostępu do rzeczywistości, lecz jest cechą aktualnej reprezentacji tworzonej przez mózg. Metoda naukowa przekłada tę pokorę na praktykę, czyniąc twierdzenia podatnymi na obalenie przez przeciwne dowody. Utrzymywanie się przekonań nie wynika jednak wyłącznie z indywidualnych błędów rozumowania. Na to, jakie dowody ludzie akceptują, wpływają zaufanie, tożsamość, instytucje i nierówny dostęp do wiarygodnych informacji. Zachęcanie do ponownego przemyślenia przekonań jest skuteczniejsze, gdy towarzyszą mu godne zaufania sposoby ich weryfikacji. Warto wyrobić w sobie nawyk pytania, jaka obserwacja naprawdę zmieniłaby nasze zdanie.
Nie pozwól, by dawne popędy kierowały technologiami o zasięgu planetarnym
Dawne motywy spotykają się z nową potęgą. Hawkins przeciwstawia korę nową, która buduje model i potrafi rozumować o konsekwencjach, starszym układom mózgowym wiązanym z podstawowymi popędami i emocjami. Te części mózgu współdziałają, ale starsze układy mogą kierować zachowaniem ku natychmiastowym nagrodom, nawet gdy kora nowa rozpoznaje długofalowe koszty. Książka ilustruje to napięcie małym przykładem: powstrzymywaniem się od zjedzenia ciasta; następnie odnosi je do broni jądrowej i zmiany klimatu.
Zmieniaj bodźce, a nie tylko sam impuls. W chwili publikacji książki liczba ludności świata wzrosła z około trzech miliardów w 1960 roku do niemal ośmiu miliardów. Hawkins twierdzi, że popędy reprodukcyjne ludzi mogą kolidować z długofalowymi ograniczeniami ekologicznymi, a dostęp do antykoncepcji i autonomia kobiet mogą zmniejszyć presję demograficzną bez konieczności rezygnowania z seksu czy stosowania przymusu. Szersza teza mówi, że inteligentne kształtowanie warunków społecznych może pomóc pogodzić bezpośrednie potrzeby ludzi z długofalowym przetrwaniem.
Niedopasowanie ewolucyjne to przydatna perspektywa: zdolności ukształtowane w odpowiedzi na lokalne, bezpośrednie problemy funkcjonują dziś w świecie technologii o globalnych konsekwencjach. Podział na stary i nowy mózg jest jednak uproszczonym modelem, a nie pełnym wyjaśnieniem ludzkiego podejmowania decyzji. Instytucje, kultura i zbiorowe działanie mogą zmieniać bodźce, a na trendy demograficzne wpływają zarówno gospodarka i możliwości życiowe, jak i biologia reprodukcji. Szczególnie istotny jest nacisk położony w książce na prawo kobiet do decydowania o płodności, ponieważ wiąże on skutki ekologiczne ze sprawczością jednostek, a nie z przymusową kontrolą populacji.
Zachowuj wiedzę poza granicami naszego gatunku, a nie tylko mechanizmy życia
Planuj przyszłość bez nas. Hawkins wzywa do sporządzenia planu spadkowego dla ludzkości: znalezienia sposobów na pozostawienie śladów naszego istnienia i zachowanie tego, czego się nauczyliśmy. Jedna z propozycji to archiwum wiedzy ludzkiej przechowywane w trwałych satelitach; inna — długowieczny układ obiektów krążących wokół Słońca, wykrywalny dzięki zasłanianemu przez nie światłu. Różnią się one od krótkotrwałych transmisji radiowych, bo mogłyby przetrwać cywilizację, która je stworzyła.
Wiedza może mieć przyszłych spadkobierców. Jej przyszłymi odbiorcami mogłyby być inteligentne istoty na Ziemi lub gdzie indziej. Hawkins rozważa też przekazywanie wiedzy za pośrednictwem inteligentnych maszyn, przekształcenie ludzkości w gatunek wieloplanetarny oraz modyfikowanie ludzkich genów. Każda z tych dróg wiąże się z praktycznymi i etycznymi pytaniami, a żadna nie gwarantuje przetrwania. Podstawowy wybór dotyczy tego, czy ludzkość ceni wyłącznie dalsze istnienie życia biologicznego, czy również zachowanie i rozwój wiedzy.
Ta propozycja przekształca kosmiczną samotność w praktyczny problem projektowy: jakie ślady mogłyby przetrwać zniknięcie ich twórców? Rozróżnia też zachowanie informacji od zachowania żywej cywilizacji — cele te nie muszą się pokrywać. Nawet trwałe archiwum musiałyby odnaleźć, zinterpretować i uznać za wartościowe przyszłe istoty. Głębsze twierdzenie, że wiedzę należy zachować, ma charakter etyczny, a nie naukowy; nie da się go wyprowadzić z samej teorii mózgu. Nie osłabia to propozycji, lecz pozwala wyraźniej ująć debatę: wybór zależy od tego, co naszym zdaniem należy się przyszłym pokoleniom lub przyszłym inteligencjom.
Analiza
Najważniejszym osiągnięciem książki jest zaproponowanie jednoczącej hipotezy w dziedzinie, w której neuronauka często przedstawia katalog wyspecjalizowanych odkryć. Proponowane kolumny korowe, układy odniesienia, uczenie się przez ruch i głosowanie rozproszone składają się na spójny obraz: inteligencja wyłania się z wielu lokalnych modeli, które uczą się poprzez interakcję i koordynują swoje działania bez jednego wewnętrznego obserwatora. Ujęcie to zapada w pamięć między innymi dlatego, że łączy zwyczajne czynności, takie jak dotykanie filiżanki, z myśleniem abstrakcyjnym i projektowaniem maszyn.
Dowody i twierdzenia nie mają jednak jednakowego statusu. Komórki miejsca i komórki siatki związane z nawigacją, powtarzalna architektura kory oraz predykcyjna aktywność neuronów stanowią istotną podstawę teorii. Mocniejsza teza, że analogiczne mechanizmy działają w całych kolumnach korowych i wspierają język, pojęcia oraz spójną percepcję, jest szerszym rozszerzeniem teoretycznym. Wzorce przypominające siatkę w badaniach obrazowania mózgu są sugestywne, ale same w sobie nie dowodzą istnienia całej opisanej architektury. Książka przekonuje najmocniej, gdy przedstawia teorię jako program badawczy, który można poddać weryfikacji; słabiej zaś wtedy, gdy pewność co do słuszności tego ujęcia niekiedy brzmi jak jego potwierdzenie.
Argument dotyczący AI użytecznie przenosi uwagę z imponujących osiągnięć w wąskich dziedzinach na solidne uczenie się i adaptację. Współczesne systemy uczenia maszynowego kodują jednak użyteczną strukturę statystyczną, więc istotne pytanie nie brzmi, czy cokolwiek wiedzą, lecz czy ich reprezentacje pozwalają na zakorzenione w świecie, elastyczne działanie. Podobnie rozważania o świadomości maszyn wskazują pamięć i modelowanie siebie jako możliwe elementy wyjaśnienia, ale nie rozstrzygają, czy wystarczą one do powstania doświadczenia.
Końcowa teza, że ludzkość powinna przedkładać wiedzę nad geny, jest wyborem wartości, a nie wynikiem badań neuronaukowych. Wyraźne zaznaczenie tego rozróżnienia jest zaletą. Książka zachęca czytelników do namysłu nad tym, jak gatunek dysponujący potęgą o zasięgu planetarnym może zachować warunki sprzyjające uczeniu się, dociekaniu i rozwojowi przyszłej inteligencji. Teoria naukowa może ulec zmianie w miarę gromadzenia dowodów; szersze wyzwanie pozostaje jednak aktualne: wykorzystać modele mózgu, by zrozumieć nie tylko, jak działa inteligencja, lecz także jakiej przyszłości powinna służyć.
Podsumowanie recenzji
Tysiąc mózgów w twojej głowie spotkało się z mieszanym przyjęciem. Wielu czytelników uznało pierwszą część, wyjaśniającą teorię inteligencji Hawkinsa, za wnikliwą i pobudzającą do myślenia. Opinie na temat dalszych rozdziałów, poświęconych sztucznej inteligencji, świadomości i przyszłym konsekwencjom, były jednak różne. Niektórzy chwalili jasny styl Hawkinsa i nowatorskie pomysły, inni uważali, że nadmiernie upraszcza złożone zagadnienia lub zbytnio oddala się od głównego tematu. Krytycy zwracali uwagę na brak dowodów eksperymentalnych potwierdzających teorię i kwestionowali niektóre śmiałe twierdzenia Hawkinsa. Ogólnie książka wzbudziła zainteresowanie neurobiologią i sztuczną inteligencją, ale części czytelników zabrakło w niej bardziej treściwej warstwy naukowej.
Inni czytali również
Słowniczek
Teoria inteligencji tysiąca mózgów
rozproszone modele koroweTeoria Hawkinsa zakładająca, że kora nowa zawiera wiele kolumn korowych, które uczą się komplementarnych modeli świata. Każda kolumna wykorzystuje bodźce zmysłowe i ruch, by rozpoznawać obiekty lub pojęcia oraz przewidywać ich aspekty. Zakłada się, że komunikacja dalekiego zasięgu między kolumnami pozwala ich częściowym interpretacjom wypracować wspólne spostrzeżenie.
układ odniesienia
uporządkowane lokalizacje względneSystem przedstawiania lokalizacji w odniesieniu do określonej struktury lub obiektu. Znanym przykładem jest siatka geograficzna. Hawkins zakłada, że mózg wykorzystuje układy odniesienia do porządkowania cech zmysłowych, przewidywania, co ujawni ruch, planowania działań i strukturyzowania wiedzy abstrakcyjnej.
kolumna korowa
lokalny obwód kory nowejJednostka tkanki kory nowej o z grubsza kolumnowym kształcie, rozciągająca się przez jej warstwy. Hawkins nawiązuje do hipotezy Mountcastle’a, zgodnie z którą kolumny mają wspólną podstawową architekturę i funkcję. W Teorii inteligencji tysiąca mózgów każda kolumna jest systemem uczenia się sensomotorycznego, który buduje modele na podstawie dostępnych mu bodźców.
komórki siatki
powtarzające się sygnały lokalizacjiNeurony po raz pierwszy zidentyfikowane w korze śródwęchowej, które uaktywniają się w wielu lokalizacjach rozmieszczonych w powtarzalną siatkę, gdy zwierzę porusza się w otoczeniu. Hawkins traktuje je jako model tego, w jaki sposób mózg może przedstawiać lokalizacje i układy odniesienia wykraczające poza nawigację.
komórki miejsca
aktywność swoista dla lokalizacjiNeurony zidentyfikowane w hipokampie, które uaktywniają się, gdy zwierzę znajduje się w określonym miejscu w danym otoczeniu. W analogii Hawkinsa do mapy pomagają powiązać to, co jest odbierane zmysłami, z miejscem, w którym się znajduje, uzupełniając przypisywaną komórkom siatki rolę organizowania lokalizacji.
stan predykcyjny
neuron przygotowany do reakcjiChwilowy stan, który — jak zakłada Hawkins — może wystąpić, gdy rozgałęzienia dendrytyczne neuronu rozpoznają wzorzec aktywności. Sygnał dendrytyczny zmienia gotowość neuronu do wyładowania, dzięki czemu oczekiwany bodziec może wywołać reakcję szybciej niż nieoczekiwany. Teoria traktuje to jako neuronalną podstawę przewidywania.
uczenie się sensomotoryczne
uczenie się przez działanieUczenie się struktury świata poprzez poruszanie czujnikami lub ciałem i obserwowanie, jak zmieniają się bodźce zmysłowe. Badanie obiektu przez oglądanie go pod różnymi kątami lub przesuwanie palcami po jego powierzchni dostarcza informacji, których nie zapewni pojedynczy, statyczny widok. Hawkins uważa ten proces za kluczowy dla budowania modeli predykcyjnych.
wirusowy model świata (viral model of the world)
przekonanie rozpowszechniane przez zachowanieOkreślenie Hawkinsa na model, który zaleca działania pomagające przekazywać go innym ludziom. Model może rozprzestrzeniać się przez nauczanie, społeczne wzmacnianie przekonań lub zasady postępowania w razie niezgody. Określenie to budzi szczególny niepokój, gdy przekonanie jest zarazem przekazywane społecznie i odporne na dowody, które mogłyby je obalić.
FAQ
O czym jest książka A Thousand Brains: A New Theory of Intelligence?
- Badanie inteligencji: Książka przedstawia przełomową teorię dotyczącą powstawania inteligencji w mózgu, skupiając się na korze nowej.
- Teoria inteligencji tysiąca mózgów: Jeff Hawkins przedstawia koncepcję, według której każda kolumna korowa w korze nowej niezależnie uczy się modeli świata.
- Inteligencja ludzi i maszyn: Książka omawia konsekwencje tej teorii dla rozumienia ludzkiego poznania i tworzenia sztucznej inteligencji naśladującej te procesy.
Dlaczego warto przeczytać A Thousand Brains: A New Theory of Intelligence Jeffa Hawkinsa?
- Nowatorskie spojrzenie: Hawkins podważa tradycyjne poglądy neurobiologii, proponując świeże ujęcie tego, jak powstaje inteligencja.
- Zastosowania praktyczne: Wnioski z książki mogą wpłynąć na przyszły rozwój sztucznej inteligencji, co czyni ją interesującą dla entuzjastów technologii i naukowców.
- Przystępny styl: Książka jest przystępna i wyjaśnia złożone idee naukowe w sposób zrozumiały dla szerokiego grona odbiorców.
Jakie są najważniejsze wnioski z A Thousand Brains: A New Theory of Intelligence?
- Funkcjonowanie kory nowej: Inteligencja jest rozproszona między kolumnami korowymi kory nowej, z których każda uczy się niezależnie.
- Układy odniesienia: Odgrywają kluczową rolę w porządkowaniu wiedzy i przewidywaniu bodźców zmysłowych.
- Inteligencja rozproszona: Inteligencja nie jest scentralizowana, lecz rozłożona między liczne kolumny korowe, co przyczynia się do naszego rozumienia świata.
Na czym polega Teoria inteligencji tysiąca mózgów?
- Kolumny korowe: Każda kolumna działa jako odrębna jednostka ucząca się i tworzy własny model świata.
- Modelowanie predykcyjne: Kolumny formułują przewidywania na podstawie bodźców zmysłowych, co pozwala dynamicznie rozumieć otoczenie.
- Wspólny konsensus: Mózg osiąga jednolite spostrzeżenie dzięki mechanizmowi głosowania między kolumnami.
Jak mózg uczy się według A Thousand Brains?
- Uczenie się sensomotoryczne: Uczenie odbywa się poprzez ruch i interakcję oraz obserwowanie, jak z czasem zmieniają się bodźce zmysłowe.
- Tworzenie modeli: Kolumny korowe tworzą modele na podstawie doświadczeń zmysłowych, porządkowane za pomocą układów odniesienia.
- Ciągłe aktualizowanie: Mózg nieustannie aktualizuje swoje modele, uwzględniając nowe informacje, dzięki czemu pozostają one użyteczne i trafne.
Jaką rolę odgrywają układy odniesienia w mózgu według Jeffa Hawkinsa?
- Porządkowanie wiedzy: Układy odniesienia pomagają porządkować wiedzę o obiektach i pojęciach, ułatwiając jej sprawne przywoływanie.
- Funkcja predykcyjna: Umożliwiają przewidywanie bodźców zmysłowych na podstawie wcześniejszych doświadczeń.
- Elastyczność uczenia się: Układy odniesienia dostosowują się do różnych kontekstów, wspomagając uczenie się pojęć abstrakcyjnych i rozpoznawanie obiektów fizycznych.
Jakie konsekwencje ma Teoria inteligencji tysiąca mózgów dla sztucznej inteligencji?
- Nowy paradygmat sztucznej inteligencji: Sztuczna inteligencja powinna naśladować strukturę i funkcjonowanie mózgu, a nie polegać wyłącznie na głębokim uczeniu.
- Elastyczność i uczenie się: Przyszła sztuczna inteligencja powinna uczyć się elastycznie i adaptacyjnie, tak jak ludzie.
- Potencjał ogólnej sztucznej inteligencji: Zrozumienie tej teorii może doprowadzić do stworzenia ogólnej sztucznej inteligencji o zdolnościach poznawczych podobnych do ludzkich.
Jak Jeff Hawkins rozróżnia stary mózg i nowy mózg?
- Funkcje starego mózgu: Odpowiada za podstawowe potrzeby przetrwania i zachowania instynktowne.
- Możliwości nowego mózgu: Kora nowa odpowiada za myślenie wyższego rzędu, język i rozumowanie.
- Konflikt między mózgami: Stary i nowy mózg mogą pozostawać w konflikcie, wpływając na podejmowanie decyzji i zachowanie.
Jak A Thousand Brains omawia problem wiązania w neurobiologii?
- Konsensus przez głosowanie: Mózg łączy bodźce zmysłowe w jedno spostrzeżenie za pomocą mechanizmu głosowania między kolumnami korowymi.
- Rozproszona wiedza: Wiele modeli wpływa na spostrzeganie, umożliwiając spójne rozumienie bodźców.
- Stabilność spostrzegania: Spostrzeżenia pozostają stabilne mimo zmian bodźców zmysłowych dzięki głosującym neuronom.
Jakie cztery cechy inteligencji proponuje A Thousand Brains?
- Uczenie się w sposób ciągły: Inteligencja obejmuje nieustanne przystosowywanie się do nowych informacji.
- Uczenie się poprzez ruch: Ruch ułatwia interakcję i zdobywanie wiedzy.
- Wiele modeli: Inteligencja utrzymuje wiele modeli świata, co zapewnia jej elastyczność.
- Wykorzystywanie układów odniesienia: Wiedza jest przechowywana w układach odniesienia, które służą przewidywaniu i planowaniu.
O jakich zagrożeniach egzystencjalnych mówi Jeff Hawkins w A Thousand Brains?
- Ludzkie zachowanie: Prymitywne instynkty mogą prowadzić do agresywnych zachowań zagrażających przetrwaniu.
- Fałszywe przekonania: Mogą prowadzić do błędnych decyzji i nasilać zagrożenia, takie jak zmiana klimatu.
- Inteligencja maszynowa: Nie stanowi bezpośredniego zagrożenia, ale jej odpowiedzialny rozwój jest kluczowy, by uniknąć nadużyć.
Jakie sposoby zachowania ludzkiej wiedzy proponuje Jeff Hawkins?
- Koncepcja Wiki Earth: Utworzenie znajdującego się w przestrzeni kosmicznej repozytorium ludzkiej wiedzy.
- Długotrwałe sygnały: Wysyłanie silnych sygnałów w kosmos, by dzielić się wiedzą z pozaziemskimi inteligencjami.
- Inteligentne maszyny: Opracowanie maszyn, które będą podróżować i przekazywać wiedzę w całej galaktyce.
Pobierz PDF
Pobierz EPUB
.epub idealnie nadaje się do czytania e-booków na telefonach, tabletach i czytnikach.