推 reader:謝謝 :) 06/23 18:25
推 ykjiang:呵，只是上來分享好書 06/23 19:26
推 haryewkun:推本篇。 06/23 22:45
※ 引述《reader (讀者)》之銘言：
: 只看了簡介，我不是很清楚這本書的特別在哪裡 @@
: 如果說是一本很好的整理，或是將許多人的研究成果很好地結合在一起，
: 那當然沒問題。只是有一些推薦，彷彿他提出了全新的東西?
1. 玩 AI 的，主要都從心理學著手，自己空想人腦該怎麼作
2. 玩類神經的，早期是因為電腦太慢，及神經科學那累積的資料也不夠，
提出的東西比較粗糙，後進多只知道應用，忽視神經科學幾十年來的發
展。
3. 研究腦神經科學的，主要集中在少數神經元的精確模型，見樹不見林。
Hawkins 的貢獻是對新皮質的大架構，及其運作的原理作了大膽的猜測。
且這些猜測衍生的一些推估結論是可以被後續的研究驗證對錯的。
: 但就簡短的說明看來，至少就記憶與預測系統的主要架構上不就是許多人
: 心目中整合各種相關技術的理想架構 ─ 多層次自組織神經網路模式辨別
: 系統? 那主要是電腦運算能力不足以讓人們這樣玩，或是說目前主流電腦
: 架構不適合這樣玩，對於實現應用目標也沒有幫助，所以沒什麼人在做，
: 卻不是人們不知道可以這樣做。
是早期人們沒想到要往 Hawkins 提的方向著力。
如果真要對每個神經元作精確的模擬，現在電腦運算的能力還不是很充足。
舉個例子：IBM 的 Blue Brain 計畫，8192 顆 CPU 只模擬一萬個神經元，
每顆 CPU 最多只模擬 10 個神經元。
好消息是 Hawkins 的 model 不用從最底層的神經元開始模擬起，這可以參
考他們提的 HTM 架構：
http://en.wikipedia.org/wiki/Hierarchical_Temporal_Memory
短期的應用會著墨在機器視覺、聽覺、觸覺等，電腦一直都做不好的事情上。
: 我想主要的創新，應該是在建構神經科學研究成果的整合模型上吧? 或者
: 這又是人工智慧書籍一貫的行銷方法? 希望能有更清楚的評述。
: 當然面對反 AI 的批評，最好的方法就是證明人腦就是這樣子的，當電腦
: 實作和人腦是同構的系統，那些人自然就只能閉嘴，這也是很重要的事，
: 所以我並沒有要懷疑這類研究之價值的意思。
--
生命的奇蹟，在於不論如何緊抓著現實不放，現實還是會不斷地令我們感到驚奇；
科學之美，在於無論盲從是多麼地根深柢固，我們還是會被這些驚奇所喚醒。
--
Blog: yukuan.blogspot.com
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 61.59.83.148