Я ж говорю, рано или поздно, но модель мозга создадут! При таком-то интересе учёных...

===
Известный компьютерный специалист предлагает смоделировать мозг человека посредством воспроизводства структурных особенностей неокортекса при помощи особой разновидности обучаемых байесовых сетей – так называемой Hierarchical Temporal Memory, НTM.




Специалист по искусственному интеллекту и изобретатель коммуникатора Palm Pilot Джефф Хокинс (Jeff Hawkins) сказал, что в будущем появятся полупроводниковые устройства, имитирующие человеческий неокортекс, и именно они смогут решить многие нерешенные сейчас задачи. Он сделал такое заявление на конференции International Solid State Circuit, прошедшей в Сан-Франциско.

Вместе со специалистами основанной им компании Numenta Джефф Хокинс разрабатывает систему Иерархической темпоральной памяти (Hierarchical Temporal Memory, НTM). HTM представляет собой байесовскую сеть - коллекцию дочерних и родительских узлов, и связей между ними, отражающих условные зависимости.

Иерархическая темпоральная память является самообучающейся моделью, имитирующей структурные и функциональные свойства неокортекса - области коры головного мозга человека, ответственной за высшую нервную деятельность, в том числе речь и мышление.

Неокортекс, заявляет Хокинс, обладает удивительно регулярной структурой. Его различные части, отвечающие за зрение, слух, осязание и другую сенсорную информацию, построены по единым принципам, в том числе по принципу иерархичности. Узлы HTM также организованы в форме древовидной иерархии; однако каждый из них может принимать сенсорную информацию, обучается и имеет функцию памяти.

HTM-системы не программируются в привычном смысле этого слова, а обучаются. Обучение в данном контексте обозначает, что система учится правильно предугадывать входные данные. Она сравнивает непрерывно меняющиеся входные сигналы и информацию, имеющуюся в памяти, и прогнозирует следующие сигналы.

На нижнем уровне иерархии узлы распознают более простые образы, например, линии и углы. На более верхнем уровне узлы получают больше информации, так как она поступает от большего количества узлов. Соответственно, они распознают более сложные образы, например, лица и предметы, и имеют лучшие возможности прогнозирования.

Джефф Хокинс не согласен с мнением многих специалистов, что мозг слишком сложная и поэтому трудно познаваемая структура. Он считает, что эффективные системы обладают простотой, сложность же неизбежно ведет к беспорядку и сбоям в работе. Следовательно, работу мозга можно изучить и успешно имитировать.

В сущности, в разработке Хокинса и его коллег не используются принципиально новые устройства и принципы. Заслуга Хокинса заключается в объединении уже существующих решений в новой системе, которая, возможно, приведет к созданию действительно разумной машины.