Jeff hawkins的Numenta的研究成果BAMI的翻译。2017年3月8日版本

Numenta
生物和机器智能
(BAMI,BiologicalAnd Machine Intelligence)
一本记录着分层时序记忆(HTM,HierarchicalTemporal Memory)的在线书籍
2017.03.08
@Numenta,Inc.2017
--------------------------------------------------------------------------------
译者：Karl
译者注：此书不代表Numenta官方，如有不一致，一切以原著为准。
--------------------------------------------------------------------------------
更多使用Numenta公司软件和知识产权的细节，包括在这本书里的想法，请移步: http://numenta.com/business-strategy-and-ip/

生物和机器智能(BAMI)
BAMI是一本在线书籍，由Numenta公司的研发人员和工程师编写。它的目的是记录分层时序记忆，分层时序记忆一个生物和机器智能的理论框架。虽然完善分层时序记忆理论还需要更多的工作，但是我们已经在一些要素上取得了不错的进展，这些要素关乎一个完整的新大脑皮层理论以及如何将这些知识实际应用。在我们前进的同时，我们想要分享我们的阶段成果。我们希望这本书成为标准参考，对那些希望学习HTM(分层时序记忆)皮层理论以及应用于机器智能的人们来说。我们使用两种主要的形式来记录我们的研究，一种是发表研究论文，另一种是把内容添加到生物和机器智能这本书中。
就像开源我们的所有研究和技术一样，我们希望这本原稿完全透明，虽然距离这本书的完成还有很长的路要走。当这本书完成时，它将覆盖所有分层时序记忆理论的基础概念。在那时，我们将分享那些被完成的章节，每一个章节包含一个修订历史，以便于你能看到每个章节的修订之处。随着时间推移，我们将会增加新的章节到这本生物和机器智能书中。
这本整理过的pdf版本包含了所有的章节，这些章节曾在2017年3月8日之前发表于网站上。当新的章节增加或者现有章节有了显著修订时，我们将更新这本整理过的pdf版本。这个pdf每个章节的最新版本请查看http://numenta.com/biological-and-machine-intelligence/。

第1章 生物和机器智能：引言
二十一世纪是人类演化的分水岭。我们正在揭开大脑工作之谜并且开始创造一个和大脑工作原理一致的机器。我们将这个时代视为机器智能纪元，一个有益应用和科学进步爆发的时代。

许多人感性的察觉到理解人类大脑工作原理的价值。很容易能看到大脑理论将有益于治愈精神疾病和防止精神疾病，也很容易看到这个理论将提供一个更好的教育后代的方法。这些实际的好处能说明大脑逆向工程是有价值的。然而，真正的价值远超过了这些近期的实际用途。人类大脑定义了我们这个物种。从许多方面来说，我们是一个寻常的物种，但我们的大脑是独特的。我们大脑巨大的尺寸和它独特的构造是我们成为地球最成功物种的原因。的确，人类大脑是我们在宇宙中目前所知的唯一能创造和分享知识的物质。我们的大脑能够考察过去，预测未来，解开现在的秘密。因此，如果我们希望理解我们是谁，如果我们希望扩展我们关于宇宙的知识，如果我们希望探索新的前沿，我们需要有一个清晰的认知，这个认知关乎我们怎么知道、怎么学习、怎么创造帮助我们获取更多知识的智能机器。大脑理论和机器智能的最终希望是获取和传播新知识。这个过程将会给社会创造无数的价值。这些机器智能在我们日常生活中好的影响将等于并且最终超过可编程计算机。

但是智能机器具体是如何奏效的？它们将做些什么？如果你向一个外行人提议，创造一个智能机器，我们先理解人脑如何工作然后再创建机器，这些机器工作于大脑遵循的相同原则，他们一般会说，“那可行啊”。然而，如果你对那些人工智能和机器学习科学家们提相同的建议，大多数会不同意。最经常遇到的反驳是“飞机并不扇动它们的机翼”，也就是他们并不关心大脑如何工作的，或者更糟糕的是，他们认为研究大脑将导致你走向错误的路途，就像创造一架飞机扇动它的翅膀一样。

这个类比既误导也误解了历史。莱特兄弟和其他成功的航空先驱们理解了飞行原理和推进器要求的区别。鸟的翅膀和飞机翅膀工作于相同的空气动力原理，这些原理必须被首先搞明白，在莱特兄弟能够创造飞机之前。的确，它们研究了鸟如何滑行，用风洞测试了机翼形状来研究升空原理。拍动翅膀是不同的，它是产生推动的一种方法，但是具体使用什么方法用于推进是不重要的，当创造飞行机器时。类比可知，我们需要首先理解智能的原理，在我们能够创建智能机器之前。现状是，大脑是我们唯一拥有智能的系统，并且智能的原理是不显而易见的，我们必须研究大脑，从大脑中学习。然而，就像飞机和鸟类，我们不需要做大脑所做的一切，也不需要使用与大脑实现智能原理相同的方式。我们有许多的软件资源和硅资源用于创造智能机器，用一种新的振奋人心的方式。创造智能机器的目标不是复制人类的行为，也不是造一个大脑，更不是造一个和人类一样的机器。而是创造一个机器遵循大脑工作的相同的原理，这些机器能够学习、探索和用许多的方式适应环境，这是大脑能做而计算机不能做的。

因此，我们在这本书中介绍的机器智能原理推导于对大脑的研究。我们使用了神经科学术语来描述大部分原理，并且我们描述了这些原理是如何被大脑实现的。不参考大脑，也能理解智能原理，但是在可预见的将来，参考大脑去理解这些原理是最简单的，因为大脑持续地提供启发，并且限制于许多公开论文的方案(译者注：此句话最后的“issues”实在不知道如何翻译，原文:because the brain continues to offersuggestions and constraints on the solutions to many open issues)。

这条通向机器智能的路不同于经典人工智能和人工神经网络。人工智能技术试图靠编写规则和知识在软件和人工设计的数据结构中创造智能机器。这条路曾经成功解决了特定的问题，但是没有提供一个通用智能方案，并且大部分，没有指出机器如何学习。人工神经网络(ANNs,Artificial Neural Networks)是学习系统。它建立于简单的过程元素网络。近些年人工神经网络，通常被叫做“深度学习网络”，在解决许多分类问题上获得了成功。然而，它虽然有“神经”一词，大多人工神经网络基于的神经细胞模型和网络架构模型不与真实生物组织相容。更重要的是，人工神经网络，偏离了理解大脑原理，不提供一个创造真正的智能机器的显见路径。

经典人工智能和人工神经网络通常被设计于解决特定类型的问题而不是提供一个通用智能理论。相反的，我们知道大脑使用通用原理，视觉、听觉、触觉、语言和行为都用的同一种原理。这个引人注目的事实被Vernon Mountcastle在1979年首先提出来。他说啊，这里没有视觉皮层和听觉皮层。每一个新皮层区域执行了相同的基本操作。视觉皮层负责视觉的原因是它接受的输入是从眼睛来的；听觉皮层负责听觉的原因是它接受的输入是从耳朵来的。从几十年的神经科学研究中我们现在知道了这个推测是正确的。从这个发现而来的一些推测是令人惊讶的。例如，神经解剖学告诉我们每个新皮层区域都有感受和动作功能。因此，视觉、听觉和触觉被集成于感受动作官能；我们不能创造一个系统能看能听像人类一样却不能运动眼睛、身体和四肢。

新皮层使用通用算法的发现既优雅又偶然。它告诉我们去理解新皮层如何工作，我们必须寻找一个通用方案，它们适用于新皮层的任何感觉的方式和能力。将视觉视作“视觉问题”是一种误导。我们应该将视觉视为“感受和动作问题”并且询问视觉是如何与听觉和触觉或者语言相同的。一旦我们理解了通用的皮层原则，我们能够将他们应用于任何感受和动作系统，即使生物没有相当的部分。这本书介绍的理论和方法推导于这些想法。我们创造的系统或者是用光来看，或者是用雷达来“看”，或者直接用GPS来感受位置，它们的底层学习方法和算法是相同的。

现在我们已经非常理解新皮层如何工作了以至于我们能够创造实际系统来解决有价值的问题。当然，有许多关于大脑和新皮层的事情我们仍然不理解。为了能有一个接下来做什么的路标，清晰的定义我们忽略的事情是重要的。这本书考虑了我们部分知识的状况。内容目录罗列了所有我们认为我们需要理解的主题，但是仅仅有一些章节被编写了。虽然许多主题我们不理解，我们仍然自信于我们足够多的进展，在理解核心智能原理和大脑如何工作上。我们自信于机器智能领域将会比过去更快地发展。

分层时序记忆这个术语包含了三个突出的新皮层特征。首先，最好把新皮层考虑为“记忆”系统。新皮层必须从输入大脑的流数据中感受到的模式中学习这个世界的结构。每一个神经细胞通过形成连接来学习,新皮层的每个区域最好被理解为一种记忆系统。其次，新皮层中的记忆主要是一种时变记忆，或者说“时序”模式。在不断的动作中形成了新皮层的输入和输出，通常一秒钟改变好几次。每一个新皮层区域学习一种关乎它输入的时基模型，它学着去预测变化的输入数据流，并且它学着去反馈一些动作命令序列。最后，新皮层区域以局部“分层地”连接。因为所有的新皮层区域执行相同的基本记忆操作，对一个新皮层区域细节的理解指引着我们对其他新皮层如何工作的理解。这三个原则，“分层”，“时序”模式，和“记忆”，是一个智能系统的必要非充分原则，但他们已经足够作为一个绰号来表示本书的整个路径。

尽管分层时序记忆是一个局限于生物的理论，而且可能是关乎新皮层如何工作的最生物地现实的理论，这个理论不试图将所有生物细节包含在内。例如，生物新皮层表现了许多种类的有韵律的行为，当它们激活整个细胞群时。毫无疑问这些韵律对于生物大脑是必要的。但是分层时序理论不包含那些韵律，因为我们不认为他们扮演了信息论角色。我们最佳的猜测是，那些韵律被大脑用于同步潜在动作,但是我们在用软件和硬件实现分层时序记忆时并不会有这个问题。如果在未来我们发现这些韵律是对于智能来说必要的，并且不仅仅是对于生物大脑来说，那么我们会修改分层时序记忆以包含它们。有许多类似的生物细节没有被包含在分层时序记忆理论中。每一个存在于分层时序记忆理论的特征是因为我们对那特征有信息论需求。