※ 引述《reader (读者)》之铭言： : 只看了简介，我不是很清楚这本书的特别在哪里 @@ : 如果说是一本很好的整理，或是将许多人的研究成果很好地结合在一起， : 那当然没问题。只是有一些推荐，彷佛他提出了全新的东西? 1. 玩 AI 的，主要都从心理学着手，自己空想人脑该怎麽作 2. 玩类神经的，早期是因为电脑太慢，及神经科学那累积的资料也不够， 提出的东西比较粗糙，後进多只知道应用，忽视神经科学几十年来的发 展。 3. 研究脑神经科学的，主要集中在少数神经元的精确模型，见树不见林。 Hawkins 的贡献是对新皮质的大架构，及其运作的原理作了大胆的猜测。 且这些猜测衍生的一些推估结论是可以被後续的研究验证对错的。 : 但就简短的说明看来，至少就记忆与预测系统的主要架构上不就是许多人 : 心目中整合各种相关技术的理想架构 ─ 多层次自组织神经网路模式辨别 : 系统? 那主要是电脑运算能力不足以让人们这样玩，或是说目前主流电脑 : 架构不适合这样玩，对於实现应用目标也没有帮助，所以没什麽人在做， : 却不是人们不知道可以这样做。 是早期人们没想到要往 Hawkins 提的方向着力。 如果真要对每个神经元作精确的模拟，现在电脑运算的能力还不是很充足。 举个例子：IBM 的 Blue Brain 计画，8192 颗 CPU 只模拟一万个神经元， 每颗 CPU 最多只模拟 10 个神经元。 好消息是 Hawkins 的 model 不用从最底层的神经元开始模拟起，这可以参 考他们提的 HTM 架构： http://en.wikipedia.org/wiki/Hierarchical_Temporal_Memory 短期的应用会着墨在机器视觉、听觉、触觉等，电脑一直都做不好的事情上。 : 我想主要的创新，应该是在建构神经科学研究成果的整合模型上吧? 或者 : 这又是人工智慧书籍一贯的行销方法? 希望能有更清楚的评述。 : 当然面对反 AI 的批评，最好的方法就是证明人脑就是这样子的，当电脑 : 实作和人脑是同构的系统，那些人自然就只能闭嘴，这也是很重要的事， : 所以我并没有要怀疑这类研究之价值的意思。 -- 生命的奇蹟，在於不论如何紧抓着现实不放，现实还是会不断地令我们感到惊奇； 科学之美，在於无论盲从是多麽地根深柢固，我们还是会被这些惊奇所唤醒。 -- Blog: yukuan.blogspot.com --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 61.59.83.148