《千脑智能》是一部引人深思的科幻小说。小说以未来人工智能的发展为背景，讲述了人类与AI之间的复杂关系。作者通过细腻的描写，展现了AI在医疗、教育等领域的巨大潜力，同时也探讨了人类对AI的恐惧和困惑。小说透露出对于科技发展的担忧，引发了读者对于未来社会的思考。
千脑智能读后感篇一
大脑在进化过程中通过在旧脑部分上增加新脑部分而变大。旧脑部分控制着更原始的行为，而新脑部分则创造出更复杂的行为。 没有单一模型的咖啡杯。你对咖啡杯的了解存储在成千上万个模型中，即存储在成千上万根皮质柱中，但这些仍然只占新皮质中所有皮质柱的一小部分。这就是我们称其为“千脑智能理论”的原因：关于任何特定物体的知识都分布在成千上万个互补的模型中。 大脑具备以下四种特性：持续学习、通过运动学习、多重模型、使用参考系存储知识。 对我来说，存在感，即感到我是世界上正在活动的智能体，是意识的核心。 任何学习了世界模型的系统，会不断记住该模型的状态，并回忆起被记住的状态，这些系统都将是有意识的。 神经元做出有用的行为至少需要5毫秒。硅晶管的运行速度是神经元的100万倍。因此，由硅制成的大脑新皮质可能是人类思考和学习速度的100万倍。
复制你自己只是一个岔路口，而不是道路的延伸。在岔路口后会有两个意识体存在，而不是一个。一旦你意识到这一点，上传你的大脑的吸引力就会消退。
千脑智能读后感篇二
今天读完了杰夫·霍金斯的《千脑智能A Thousand Brains: A New Theory of Intelligence》，一本可以引发无数想象的书。一本与人工智能相关的书，得到大神级的演化生物学家理查德·道金斯做序。对我促动比较大的部分是其中描述的：大脑是如何由新的部分和旧的部分组成的；新皮质如何学习世界的模型，而旧脑生成情绪和更原始的行为（为自私的基因服务）；旧脑是如何操控我们以明知不应该的方式行事的；我们所有人为何都很容易受到错误信念的影响，以及一些信念会像病毒一样蔓延。
这部分然我想起获得诺贝尔经济学奖的丹尼尔·卡尼曼的书《思考，快与慢》里的系统1和系统2。系统1：不费脑力-快速-无意识-难以控制和修改-自主控制-像自动驾驶，是人类在做狩猎者和采集者的思考行为方式的遗留。系统2：需要注意力-费脑力-耗力系统-慢速-逻辑-审视。系统1和2，很是对应了这里的旧脑和新脑；系统1和系统2是从行为和思维模式上的描摹；新脑和旧脑是有生物学基础的物理区分。
读《思考，快与慢》的时候，就希望自己能多使用系统2控制好系统1；有了《千脑智能》里的新脑与旧脑的物理划分，更具象化了，希望自己的情绪控制能教之前有大的进步。
千脑智能读后感篇三
几乎所有我们认为是智能的能力，如视觉、语言、音乐、数学、科学和工程，都是由新皮质创造的。当我们思考问题时，主要是新皮质在思
新皮质可以暂时控制呼吸，比如当你有意识地决定屏住呼吸时，如果脑干检测到你的身体需要更多的氧气，它就会忽略新皮质的命令，重新控制身体。同样，新皮质可能会认为：“不要吃这块蛋糕，这不健康。”但如果大脑中较老、较原始的部分说：“这块蛋糕看起来不错，闻起来也很香，吃吧。”你就很难抗拒蛋糕的诱惑。这种新旧大脑之间的争斗是本书的一个基本主题。
千脑智能读后感篇四
这本书挺神奇的。我先读的《新机器智能》（on intelligence），说实话那本书我评价不高，因为有点过时。我本以为在人工智能极速发展的今天，他的新书价值也有限，但实际看下来并非如此。并不是说这本书多有颠覆性，而是说这本书很不一样，可以为主流观点（至少是人工智能领域的主流观点，神经科学之类我不够了解）提供有趣的补充。本书标题内含的“千脑智能理论”，我的浅显理解是新皮质对同一判断具有大量而又不完全相同的皮质柱，结合不同参考系还可以表达更复杂的概念（注意参考系在神经科学中已经是被证明的存在）。就个人感觉并不算太颠覆，机器学习领域有不少实施该类似想法的idea。但本书除了该理论外，还有很多关于智能（代表新脑，即系统二） vs 基因和模因（代表旧脑，即系统一）的有趣讨论，很明显作者是一个期待人类再进化突破旧脑的拥趸。因此，他支持很多看起来很危险的想法：包括发射人类存在的信号（看过三体的人表示似乎很危险，但本书里提到的每人短暂出席的长派对也是个有趣的假设）、主动基因编辑（看过高达seed同时对人类本性的不信任让我非常反对）、太空探索（我认可、支持且喜欢，很浪漫）等。不过，本书作者有一个不大喜欢的底层逻辑，那就是他的推理过于宏观抽象而不关注微观具体，典型例子是他对基因编辑的乐观态度。从人类群体的角度来看，有一个能改造自身的技术当然好，但这过程中导致的不可挽回的阶层差距在我看来是极端不道德的。nevertheless本书可能一个有趣的读法是5年后再来看，看看这里面讨论的问题在技术进步和社会背景下有哪些有趣的变化。
千脑智能读后感篇五
千脑智能这本书有点超出期望，霍金斯是搞过成功C端产品后重回研究的，行文极其流畅，有效比喻和经典案例贯穿全文，完全没有拿脑科学和人工智能专业术语砌象牙塔的感觉。 他提出新脑里十五万个皮质柱共同感知信息、建模数千个参考系、在参考系里运动，并分布式共识以形成"智能"的脑科学框架，让人耳目一新。
书的中部讲人工智能，成书可能早于chatgpt或同期，其观点还是比较站AGI的，从研究大脑出发，做了大量软件模拟，他对人工智能有其通透的看法。 读的时候能对应到我那点可怜的卷积、线代、偏导、自注意力、神经元...知识点，有时甚至爽出一点冷汗来:因为对一些原来模糊的观念，突然有了难得的画面感！ 一本科技书，写得这么有画面感，要么它是网红书，要么作者是真牛逼！我选后者。 书的后半部开始讲科幻，牵涉诸多送命大题:智能是否造反、意识是什么、记忆上传、脑机接口，费米定律...等等。我认为作者把科学和科幻平衡得相当好，概念分明，又有互相联系，既不固步保守，也不混为空谈。其三观的契合度，简直是用专业大神的身份和口吻，说出了我不知如何有理有据怼人的许多心里话，神级嘴替，爱了。 两年前我看了几本脑科学书，顾凡及老师说过，大脑是宇宙最复杂的东西，人类大脑研究，目前只知其然(有数据有事实)不知所以然，连研究框架都没有。 千脑智能提出的新旧脑，皮质柱，参考系...这种框架，我觉得是一种"必要"的研究路线，但不一定是"充要"的完备正确，作者也诚恳的说了诸多局限和未知，台风一流。 但这个框架具有很强的可理解性和解释性，做为科技爱好者，非常推荐阅读，对当下的智能涌现热潮也是一种参考思考角度。 而专业的研究和判断还是留给真专家们吧。
千脑智能读后感篇六
《千脑智能》是最近读过最震撼的图书，完全颠覆了过去读过所有关于大脑神经元工作机制的理论，作者及其团队通过将近20多年对大脑工作机制的追求和努力，提出了一套完整而体系的理论；过去不管是大模型深度学习的方法，还是目前已知对神经元的理解和认识，我从不相信这条路可以实现真正的机器智能，然而根据作者全新的理论，我觉得本世纪有可能真会实现某些程度真正的机器智能，也许就像20世纪是计算机的时代，21世纪也许真的就是人工智能的时代，我们也许正处于类似20世纪初数理逻辑学理论逐渐统一的年代，那时距离图灵提出图灵机还有10几年时间。
相较于传统的特征层次结构理论，神经元处理感知信息的特征，然后通过一层一层提取更高层次的特征，并通过不同的脑分区来处理不同类型的认知信息，作者提出一个完全不同的理论：在这里大部分神经元针对所有的信息都是使用一套通用算法，神经元不光从细胞附近接受突触刺激从而向树突远端单向发送脉冲信息，更重要的一种新的从树突远端向细胞反向发送的树突脉冲，这种机制形成一种预测，神经元每时每刻都在对我们的感知进行预测，而不是像特征层次模型那样处理静态信息；神经元通过不断对世界建模来学习，这样模型知识存储在突触中，它们存储的是物体本身而不是特征信息，这样信息之间通过突触像指针一样相互引用；分布在各处的物体碎片信息通过投票的机制来形成统一完整的认知……
这种理论不但颠覆了过去的认知，而且它从两个方面暗示机器智能的可行性：首先所有的神经元计算都是一套通用算法，这大大降低了用计算机模拟的复杂度，想想如果按特征层次模型很多神经元有非常多不同的机制，实现起来的系统架构是相当复杂的；其次，大脑的知识存储是以对象而不是特征为单位，通过指针进行引用，这非常符合计算机的特征，而反观现在基于特征的机制，特征是一种压缩的信息，这种统计学方法根本不足以表达知识的复杂关系，更不用说学习新知识的机制。
如果这一理论被更多验证，它的意义堪比进化论，它为大脑的工作机制提出了一种系统的理论，沿着这个理论，智能的秘密将更快地被揭示。
千脑智能读后感篇七
这是我接触的第一本人工智能的书，非常不错，深入浅出，我这外行能看得懂。
按照作者的说法，旧脑是负责提供人类生存原始冲动的思想并控制相关行动，而新皮质则是通过构建参考系和预测模型不断学习，从而能够控制原始冲动。而这一学习需要不断运动（包括外界物体的运动、人本身的走动、眼神扫过、思想运动等）来实现。从他的说法里，我觉得把知识储存在不同位置的记忆法貌似是有用的。
后面又介绍了人工智能的发展。现在的发展方向是专属机器人，将无数的案例输入后由计算机学习做某项特定的工作，例如下围棋或是做视频。作者认为的人工智能应当是机器模拟大脑思考和学习的方式，从事复杂事务的工作，也就是通用计算机的发展方向。这一点我倒是同意的，我不需要机器人来下棋，我需要他们充当保姆。
作者最后对未来的浪漫期待与幻想像是科幻小说。他认为人类的知识比基因重要，需要保存好我们的知识。这我倒是没有感触，就像在博物馆看到出土的精美文物，我不是很关心他们掌握了怎样的技能，我更期待看看他们的样子，跟他们对话。
不过随着人口增加和气候变化，我们未来的去向还是值得探讨的。作者以保存人类知识为目的给出了三个途径：一是成为星际物种，在保存知识的同时也保存人类，也就是去火星之类的生存，将人类散布到宇宙各处。但总有一处可能会产生类似地球的危机，到时候人类基因尤其是在旧脑的支配下可能会发生大规模的道德事件，是不是拒绝其他星球人类的到达，总之是个悲伤的探讨。二是修改自身基因。例如将人类基因调整为适合火星生存或适于星际旅行，最重要的是调整旧脑中原始基因不断扩张的原始冲动。三是创造出拥有人类智能但不依赖人类的智能机器，这就只是保存知识，人类基因的变化和人类的灭绝已经不在考虑范畴之内了。
要么说所有科学的最终都是哲学呢，我看这本书的初衷是想看看以后人工智能会是什么样子，娃们干什么工作会被取代，目前看来单一的工作是很容易被替代的，但在机器学会像人类思考之前，需要大量逻辑判断和分析的复杂管理工作，还是需要人类来完成，这不就是MBA么。。。。
千脑智能读后感篇八
千脑智能 杰夫·霍金斯 11个笔记 点评  认为一般 通用人工智能是未来 推荐序三 智能的起源  我们所感知的现实不过是大脑构建的现实模型，它通过接收来自感官的刺激而不断更新 第一部分 千脑智能理论——对大脑的全新理解  你和我每时每刻所感知到的，都是一个模拟的世界，而不是真实的世界。  大脑依靠的是一种通用的学习方法。大脑能够学习几乎任何事情，这就要求它遵循一个普适的智能原理。 大脑依靠的是一种通用的学习方法。对我来说，最后一个论点最具说服力。大脑能够学习几乎任何事情，这就要求它遵循一个普适的智能原理。  大脑依靠的是一种通用的学习方法。对我来说，最后一个论点最具说服力。大脑能够学习几乎任何事情，这就要求它遵循一个普适的智能原理。  预测并不是大脑时刻会做的事情，而是大脑的一种内在属性。大脑永远不会停止预测，预测在大脑的学习中起着至关重要的作用。当大脑的预测得到验证时，就意味着大脑中的世界模型是准确的。一个错误的预测会使你注意到这个错误并更新该模型。  当一个新的想法能够满足多种限制因素时，“啊哈”时刻就会出现。  处理一个问题的时间越长，最终能解决的限制因素越多，顿悟的感觉就会越明显，你就越有信心相信这个答案 第二部分 人工智能的未来  一台用于下围棋的计算机也许能在围棋对弈中战胜所有人类，但是它并不能做其他事。一辆自动驾驶汽车可能比所有人类都能更安全地驾驶车辆，但是它并不能下围棋或修补漏气的轮胎。 人工智能研究的长期目标是创造展现类人智能的机器，它们能够快速学习新任务，发现不同任务之间的相似性，灵活地解决新的问题。为了区别于目前有限的人工智能，上述人工智能被称为通用人工智能（Artificial General Intelligence）。当下的人工智能产业面临的关键问题是：我们现在是否正处在一条创造真正智能化的通用人工智能的道路上？ 第三部分 人类智能的未来  大脑只认识真实世界的一个部分（子集），我们感知到的只是这个世界的模型，并不是真实世界本身。 大脑只认识真实世界的一个部分（子集），二是我们感知到的只是这个世界的模型，并不是真实世界本身。  大脑只认识真实世界的一个部分（子集），二是我们感知到的只是这个世界的模型
千脑智能读后感篇九
这是一本信息含量很大的书，相信翻开这本书的人总能从不同的角度找到自己的共鸣。
一、对大脑的新认识 读过《思考，快与慢》学习了大脑做决定的两种方式，简单说就是直觉型和分析型。从此就在这两种方式中拉扯而不确定自己的选择是不是正确。 读过《自私的基因》，一直不能认可的就是难道人类就是基因的奴隶吗？ 直到通过本书重新认识了大脑原来是由旧脑和新皮质组成的，似乎一下子回答了我前面的两项疑惑。 旧脑让人类进化到了现代，负责了基因的复制，有点类似那个快速做决定的大脑。新皮质则负责学习知识和理性思考，有点类似慢慢思考的大脑。
二、机器智能会不会消灭人类？ 其实翻开这本书的时候，正是被GPT-4和AI做PPT震惊到的时候。 读完这本书后，前阵子被ChatGPT刷屏的心情，似乎也慢慢平复下来。毕竟，“坏人利用智能机器做坏事是一回事，而如果智能机器本身就是坏人，并决定消灭人类，就是另一回事了。”
机器智能毁灭人类取决于两种不可能满足的条件： 1. 尽管智能机器接受了我们的第一个请求，但它会忽略后续的请求。 2. 智能机器有能力征用地球上足够多的资源，让人类无法阻止它。
任何能够自我复制的东西，尤其是病毒和细菌，都是潜在的生存威胁，而智能本身并不是。
三、人类智能的未来 探索完人工智能本身，还是应该回到人类身上来，毕竟，人工智能也只是工具，人类的未来才是努力的方向。 复制是基因的本能，让人类能活下来，但是，基因的复制并不一定都对个体有益。作为个体，探索、学习、创造也并不一定有利于生命的延续。 从更广的角度来看，生命的延续更重要，还是知识的探索更高级？也许同等重要，也许就是在不断拉扯中前行。 如果人类文明终将毁灭，相比于永远被湮灭，还是希望有其他文明能知道我们曾经存在过。 因此，“当我们思考未来时，面临的选择是，我们应该继续接受生物学意义上的过去所驱动，还是选择拥抱新出现的智能。”
这并不是对这本书的小结或评论，只是我想要看到的那部分。就像我们感知到的世界也并不是真实的世界，只是真实世界在我大脑中的投影和建模而已。
千脑智能读后感篇十
杰夫·霍金斯是个奇人。想要研究大脑和神经科学的奥秘，想要从功能模拟的角度做研究，但是找不到合适的研究机构和合作导师。于是自己在图书馆里读书读论文，成为大脑和智能领域的专家。所谓的博士阶段并不能让他对这个领域的探索感到满足，于是他重返工业界工作几年，再回到学术界，自己建立实验室，做这方面的研究。如果他在工业界再多做几年，就没有乔布斯什么事了。
大脑分为新脑和旧脑。旧脑中包含了很多身体的本能，保证人能够生存下去。大脑的进化是在旧脑的基础上增加新脑，而并没有丢弃旧脑。比如旧脑能够直接控制身体的活动，而新脑只能通过旧脑间接控制。这就解释了很多本能反应。
好的参考系是成为专家的关键。大脑中有特定的结构给周围的世界建立参考系，并感知他们的相对位置，组织这些事件。但是对于非实物，不同人组织事物的方法不一样。具有更好的参考系的人才能成为专家。
未来的人工智能是能够展现类人智能的机器。所以需要反思，当下的人工智能产业是否正处在一条创造真正智能化的通用人工智能的道路上。人之所以聪明，是因为人几乎能学会做任何事，而不是能做好一件事。现在的人工神经网络在训练过程中并不包含知识图谱型的参考系，不能用它来组织存储知识，并生成面向目标的行为。
设计智能机器需要设计目标和动机。智能是学习世界模型的一种能力，他可以按照某些途径实现某些事情，但是它本身没有目标和动机。所以作为智能机器的设计者，需要考虑我们为什么要设计这样一种智能机器，它为什么会接受这个请求，忽视那个请求。就像设计机器人三大定律一样。虽然实现智能还有很多困难要克服，但同时也需要严肃思考，为什么要实现智能，结果会怎么样。
保存知识比保存基因更重要。因为基因只会自我复制，本质上没有这种基因比那种基因更好。而知识既有方向，又有最终的目标。知道万有引力以后，再也不能回到没有万有引力的时代。保存知识最可靠的方法是不断进行复制传递。但是在另外的星系，可能也无法用基于光刻机的硅芯片进行知识的复制。所以要创造能够用普通元素进行知识复制的智能机器（就像碳基生命复制一样？）。
人的一生好短，想想这里提到的每一个技术难题都需要好几代人前赴后继的努力才能克服，而这只是智能时代一个微不足道的小部分。未来值得期待。
千脑智能读后感篇十一
国庆假期，读完《千脑智能》，让我非常赞叹、惊叹的一本书，醍醐灌顶，极好。
大脑的进化史一目了然，大脑的进化是是在旧部分的基础上进化出新的部分，逐渐具备了操纵越来越复杂的行为的能力。
人类大脑最新的部分是新皮质，意思是新的外层，只有哺乳动物和人类才有新皮质，人类的新皮质特别大，约占大脑体积的70%。新皮质负责与智能有关的一切，从视觉、触觉、听觉到语言，还包括数学、哲学等抽象思维。
新皮质看起来就像一大片细胞，并没有明显的分界线。在整个新皮质中，全部皮质柱和迷你皮质柱都做着同样的事情，执行一套普适基本算法：每根皮质柱都在进行预测。大脑永远不会停止预测。当大脑的预测得到验证时，就意味着大脑中的世界模型是正确的，一个错误的预测会使你注意到这个错误并更新该模型。新皮质在你刚出生时就已对世界有一些固有的假设，但对于具体事物一无所知，通过经验积累，它学习了一个丰富而复杂的世界模型。大脑学习世界模型的唯一途径是通过其输入的变化，大多数时候我们必须通过移动来发现物体、地点和动作的结构。大脑中的连接存储着我们通过经验学习到的世界模型。
大脑通过将感觉输入与参考系中的位置联系起来，即皮质柱通过不断的感应和移动（每根皮质柱都具有代表参考系和位置的神经元，预测建立在新皮质中），来建立和调整世界模型。新皮质利用位置细胞、网格细胞、头朝向细胞的导航作用（其作用模式与旧脑中海马体、内嗅皮层的位置细胞和网格细胞相似）追踪物体的位置。
只有不到10%的细胞突出是在近端区，其他90%以上的突触距离都比较远，当远端树突上一组相邻的突触同时接收信息输入时，就会产生树突脉冲，树突脉冲使细胞进入预测状态。如果后续的输入已经是预测到的，那么已处于预测状态的神经元会更早发射脉冲信号。而未预测到的输入通常会比预测到的输入引起更大的刺激。
同样，大脑也是用参考系来管理所有知识，并且思考是移动的一种形式。当神经元激活参考系中一个又一个的位置时，思考就会产生（信息存储在参考系中，正如好地图可以使你弄清楚如何高效到达新位置;新皮质中的好参考系可以使你弄清楚如何高效构建知识目标，找出一个有用的参考系，是学习或创新最困难的部分），成为专家主要是要找到好的参考系来组织事件和数据。
嵌套结构和递归是语言的关键属性，事实上，世界上所有事物都是通过这种方式组成的。皮质柱为正在学习的每个物体（概念）创建参考系，而这些参考系会指向先前学过的参考系链接，无须重头开始。
大脑中的知识是分布式存储的，关于一个物体的知识会分布在成千上万根皮质柱中。新皮质并不依赖单根皮质柱。每一根皮质柱都是一个完整的感觉-运动系统。皮质柱会进行“投票”，感知是投票后达成的共识。
旧脑则负责与我们生存至关重要的部分，包括：呼吸、运动、饮食、性和反射反应等更原始的行为。旧脑包含几十个独立的器官，每个器官都有特定的功能，从视觉上看他们是彼此分离的，比如杏仁核、海马体。
千脑智能读后感篇十二
科学家的严谨、企业家的使用，未来学家的insight都很好，充满兴趣
千脑智能读后感篇十三
一、《千脑智能》和《人工智能的未来》
看《千脑智能》，跟以前读的一本书《人工智能的未来》有很强的相似性，通过剖析人脑的智能原理，来阐述人工智能应该朝哪些方向发展。一查才发现，两本书都是杰夫霍金斯写的。作者名字你可能不太熟悉，但提到 palm 手机创始人，可能就比较熟知了。
他专业背景是神经科学家，palm 是他从神经科学术界到工业界过渡时期的产物，后来他又回到学术界了。
印象更深和钦佩的是，他在2006年出版的《人工智能的未来》，当时这本书阐述人神经和智能的研究原理，但对整个人工智能有非凡意义。AI当时只是机器学习的时代，这神经学理念极具启发。听说吴恩达也受这本书的影响，重燃人工智能未来的信心。
《千脑智能》这本书看完之后，感觉人的大脑构成很复杂，运行方式也很趣。其智能的核心大脑新皮质概念，有更详细的解释和启示。
二、什么是新皮质及其原理
大脑分旧脑和新脑，旧脑可以理解为物理的识别、运动和本能。新脑是智慧，新脑的关键构成是“新皮质”和“新皮质柱”，人类新皮质面积也是远大于其他动物的。
新皮质可被视作一个输入输出系统，它接收大量信息并据此学习。随后在适当时机，新皮质会根据之前的输入（特征检测），特征还可分低中高，低为线条颜色，中为形状，高为物体场景，并采取相应行动。这些学习过程和记忆存储在神经元中，通过突触连接变化催生智慧。这个过程叫思维，也可类比为拼图游戏。
新皮质分 what 区域和 where 区域并互补，并创建不同的知识参考系。并把这些知识进行分布式的存储。对物体的辨认，就是皮质柱集体“投票”的结果。
参考系理论能从原理上，解释了人类用“记忆宫殿方法”是有效的。（记忆宫殿，指的是想象将你想记住的物品放在家里的不同位置的关联）
分布式的存储能力，能解释为什么一幅画可能会出现多种相似于现实物品的结果都是对的，这是因为五官的注意力时的不同，影响了大脑的参考系。
而人类要成为专家，主要是要找到一个好的参考系来组织事件和观察数据，长期训练即可。由此新皮质参考系的建模理论，成为AI世界模型的基础。
三、新皮质对AI的启示
现在AI中提到的世界模型，类似新皮质的理论模型。大致来自于四个部分：新皮质的结构、预测模型、预测模式识别、及新皮质预测的核心是“参考系”。
新皮质基础结构，是神经元和突触。神经元类似于，最小的数据、接收和处理单元，树突是输入端，并有自身预测性，神经元脉冲通过它接收信号至突末端；突触类似于，是神经元间信号和总线链接，强度和数量决定效率。
新皮质的参考系，是单根皮质柱能通过感应和移动来学习物体的三维形状，对数据进行分布式的存储。新皮质柱整体，则通过感觉器官（视听触味嗅）的信息输入，与知识参考系中的“位置与坐标”联系起来，建立世界模型，对信息进行判断和预测。这个流程是不断进行刷新的。
比如，你拿一只水杯，感官上，眼晴会传递手与杯的距离，手会传递触碰时的温度；这检测系统和大脑新皮质柱形成了距离参考系和温度参考系，从而能判断杯子是否会掉地上，水杯是否烫的预测。当手移动和温度变化，会不断刷新这个参考系的数据模型，并预测是不是会掉地上，还有温度是否冷了。建立和不断移动（刷新）参考系，就是平常人类所说的“思考”过程。
因此，把新皮质中每根皮质柱能力，简单理解为技术性语言：它能通过外部传感器收集，也是就是数字孪生，并进行数据检测，根据这些数据，动态创建知识地图（参考系或领域模型），用于预测和决策。这也就是智能的流程。
现在所说的“具身智能”，类似是新皮质柱的能力，以五官的物理感知与检测，和大脑中存在的知识概念建模。但还没融合与打通，是技术上要突破和解决的问题。
四、对 AI 的理解
机器学习中的神经网络，类似于神经元突触连接。芒卡斯尔的理论基础规则很具启示，智慧算法运作为五步：1）生成，2）评估，3）选择，4）繁殖，5）重复1-4。
在AGI领域应用：数据标准化和向量化变成数据最小单元，这类似神经元；通过分布式的存储；再通过生成式AI技术，加算力，用prompt触发预测不同数据间的向量连接（用模型概率进行拼图），从而创造出新智慧，这类似突触。
五、总结
重大的发现几乎总是伴随着令人困惑的复杂观察。复杂观察的背后是可能我们还未知的一套简单的机制和算法。行星的规律，物种起源如此，智慧也是这样。有了正确理论框架后，复杂性并没有消失，但它不再令人困惑了。由此理论，也能带领我们一些科学未来的方向。
千脑智能读后感篇十四
这不是当下火热的 深度学习、gpt 走的路。
我也没具体看懂新皮质智能的原理，大概是这么回事吧。
千脑智能读后感篇十五
读这本书的感觉很奇妙，从似疑非疑的科普到大气磅礴的科幻，作者构建了一个奇妙的讲述逻辑。
无论是物理学、化学、生物学，都有一些底层的模型来描述世界，比如牛顿运动三定律、化学元素周期表、进化论、孟德尔遗传定律，但针对大脑的科学理论是什么？作者正是被这样一个谜所牵引。
点燃杰夫·霍金斯科学探索梦想的是基因双螺旋结构的发现者弗朗西斯·克里克，他于1979年9月在《科学美国人》杂志发表科普文章《思考大脑》，指出“脑科学研究明显缺乏的是一个普适的思想框架来解释这些研究结果”。书中的推荐序称杰夫·霍金斯是探索大脑理论的孤胆英雄，当我在谷歌学术上查询该作者相关论文及引用时，我从一个侧面理解了为何叫孤胆英雄。一方面文章引用数不多，另一方面主流科学界似乎对构建大脑普适的理论框架不太感兴趣，要么是因为太难，要么是因为现在的人工智能正在蓬勃发展，可以在商业上解决不少问题。
大脑的研究按作者的说法就像是拼图，我们通过不同的实验证据研究大脑各部分的功能，手里拿到了大量的碎片，但是怎么拼凑他们毫无头绪，大部分的科学家在这件事情上也没有展开探索。杰夫·霍金斯希望突破，他希望有统一的理论搞清楚大脑的原理，进一步基于大脑的原理来展开人工智能的研究。他的研究方法依赖于思考和推理，提出假设后，拿散落在各处的实验数据来论证，所以读起来总有种将信将疑的感觉。不过这种构建宏大叙事的方式方法是挺能勾起读者的兴趣，不妨来听听作者的理论框架。
杰夫·霍金斯的研究主要集中在大脑的新皮质，生物进化中仅有哺乳动物有新皮质，同时人类的新皮质占大脑比例的70%以上。从进化的角度，大脑氛围爬行时代的旧脑和新皮质对应的新脑，旧脑更多应对基因生存的基本需求，控制呼吸、运动、基础的欲望等，新皮质掌控理性、学习、创造等，类似于系统1、系统2，不过这个分类更多从进化的生物学依据来。第一个关键的认知是人类一直在新旧脑的争斗中存活，旧脑注重短期利益，新脑进行长期决策，但人必须作为一个整体行动，因此新旧脑的争斗构成了人类的纠结和妥协。
在很多心理学的教科书中，我们可以看到将大脑按不同的脑区划分，不同的脑区处理不同的功能，有跟语言相关，有跟视觉相关，但是关于构成这些区域的生物学基础是否有差异，他们是如何发挥作用的，这是杰夫·霍金斯关心的话题。从生物学的角度来看，新皮质、以及构成新皮质的细胞，看起来没啥两样，整个大脑一层一层观察下去，并没有找到明显的生物学不同。所以杰夫·霍金斯构建的理论是如何基于完全相似的底层结构，构建出不同的大脑能力，新皮质都是一样的，那他们底层的结构能力是什么，智能的多样性基于的是一种怎样的基本算法。在这个方向上研究的先驱是芒卡斯尔，他认为，“新皮质的每一部分都是基于同一原则工作的。从视觉、触觉、语言到高级思维，所有我们认为是智能的东西，从根本上来说都是一样的”。“使这些区域有所区别的不是它们的内在功能，而是它们所链接的东西”。
杰夫·霍金斯在构建自己的理论体系的时候有三个重要发现：
1.新皮质学习世界的预测模型
2.预测发生在神经元内部
3.新皮质的关键是参考系
这三个发现解释了为何大脑能在不同的智能层面采用相同的算法处理，新皮质学习世界时在不停地构建模型，当外界信息输入发生变化时，我们会进行模型对比，对原有模型做调整。这个理论让我想到了大脑是贝叶斯机器的说法，同时信息给到我们的是惊奇，和预测不一致。那如何对比，如何行动，关键是参考系，这个参考系既是物理空间的参考系，也是逻辑知识之间关联关系的参考系，这也是为什么会有记忆宫殿的记忆发放的原因。当我们理解了这三个发现，就会发现对于大脑学习来说，有没有获取新知、新的惊奇的输入，以及有没有在输入之间建立关系非常重要，一方面大脑在结构层是支持这样认识世界的模型，另一方面也恰恰能更好地发挥大脑的优势。
好的参考系是成为专家的关键，书中介绍了参考系的四种用途：
1.旧脑中的参考系学习环境地图，熟悉领地
2.新皮质里的what柱中的参考系学习实物地图，学习具体的物品
3.新皮质里的where柱中的参考系学习我们身体周围空间的地图，学习物体和我们身体之间的三维相对位置
4.新皮质里非感觉皮质柱中的参考系学习概念地图，来理解知识的关联关系，有种知识图谱的感觉。
成为专家需要找到一个好的参考系来组织事件和观察数据。
当我们了解了新皮质的三个重要发现后，千脑智能理论呼之欲出。千脑智能指大脑中的知识是分布式存储的，关于任何特定物体的知识都分布在成千上万个互补的模型中，既然新皮质里的皮质柱都是类似的，大家都在对输入进行模型构建，学习预测，同样的物体就会被构建成成千上万个互补的模型，进行分布式存储。但大脑最终的行动只有一个主体，所以这些成千上万个模型必须在最终达成行动的一致，这里提出的假说是大脑中的”投票“机制，皮质柱通过投票达成共识，这里的描述有点类似区块链世界的共识建立过程。
作者花大力气构建大脑模型，一方面希望建立统一的理论进行描述，另一方面也希望能基于对大脑的认知来构建人工智能系统。当下的人工智能路线作者并不认可，快速发展的深度学习、机器学习等有限人工智能的发展路径，很难过渡到通用人工智能，来应对不同的场景，比如移民火星的建设问题，人工智能可能会碰到层出不穷的新问题，现有的有限人工智能是无法应对这种基于真实世界的复杂场景的。基于对大脑的研究，作者提出了智能的四个判断标准：持续学习、通过运动学习、多重模型、使用参考系存储知识，这些会对现有人工智能的构建带来新的思路和挑战。
为什么说阅读的最后带来的是大气磅礴的科幻感，有种三体的即视感，作者是不惧黑暗森林法则的人，他希望能向宇宙发射信号，在宇宙中留下人类遗产。他对宇宙的比喻不是黑暗森林，而是舞池，因为每个物种所处的时空不同，在大尺度条件下，大家很有可能是不照面的，你方唱罢我登场，每个物种可能在舞池留下点啥，更可怕地是啥都留不下。所以作者关心的首要问题是如何保存人类遗产，能让人类消亡之后不至于没有任何痕迹留下。如果你对这么宏大的问题也有自己的想法，不妨拿起书来自己阅读。
