# Джефф Хокинс: «Истинный ИИ появится в ближайшие 20 лет» Источник: https://www.youtube.com/watch?v=TS5zcTGiAH4 Канал: Talks at Google Опубликовано: 07.08.2021 --- Джефф Хокинс и Субутай Ахмад из компании Numenta представили в Google свою «Теорию тысячи мозгов», предлагающую радикально новый взгляд на работу человеческого интеллекта. В основе их подхода лежит идея о том, что мозг — это не иерархическая структура, а распределённая сеть из тысяч автономных моделей, чьи принципы работы могут стать ключом к созданию по-настоящему сильного ИИ (AGI). ## 🧠 Неокортекс как единый алгоритм моделирования [[JUMP:02:59]] Джефф Хокинс подчёркивает, что неокортекс занимает около 75% объёма человеческого мозга и является непосредственным «органом интеллекта» [03:11]. Это слой ткани толщиной около 2,5 мм и площадью с большую обеденную салфетку, отвечающий за всё: от зрения и осязания до высшей математики, языка и политики [03:24]. Ключевым открытием, на которое опирается Джефф Хокинс, стала работа Вернона Маунткасла. В 1978 году Маунткасл предположил, что, поскольку микроструктура неокортекса везде одинакова, он использует один и тот же базовый алгоритм для всех функций [05:05]. * Если подключить участок коры к глазам — вы получите зрение. * Если к ушам — слух. * Если к выходам других областей коры — абстрактное мышление и язык [05:17]. ## 🌾 Кортикальные колонки: 150 000 «микро-мозгов» [[JUMP:05:43]] Согласно теории Хокинса, неокортекс состоит из примерно 150 000 функциональных единиц — кортикальных колонок [06:40]. Каждая такая колонка имеет площадь около 1 кв. мм, толщину 2,5 мм и содержит примерно 100 000 нейронов. Джефф Хокинс сравнивает их с зёрнышками риса, плотно упакованными друг с другом [06:52]. По словам Джеффа Хокинса, каждая колонка — это полноценная система моделирования мира [07:05]: * Каждая колонка получает сенсорный вход (например, от кончика пальца или части сетчатки). * Каждая колонка генерирует поведение (сенсомоторное моделирование). * Колонки не просто пассивно воспринимают данные, они отслеживают, как меняется сигнал в зависимости от движения (например, как меняется ощущение края чашки при движении пальца) [07:45]. ## ☕ Теория тысячи мозгов: знание через голосование [[JUMP:10:03]] Важнейший постулат теории заключается в том, что в мозге нет единой централизованной модели объекта. Например, знание о «кофейной чашке» распределено по тысячам колонок: в зрительной коре, в соматосенсорной (осязание) и даже в слуховой [10:28]. Джефф Хокинс объясняет это так: 1. **Множественность моделей:** Существуют сотни и тысячи независимых моделей одного и того же объекта. 2. **Механизм голосования:** Колонки связаны друг с другом длинными нервными волокнами, через которые они «голосуют» для достижения консенсуса [11:09]. 3. **Перцептивная стабильность:** Когда вы берете чашку, ваши пальцы чувствуют разные её части. Каждая колонка выдвигает гипотезу, и через голосование они приходят к единому выводу: «Это чашка» [11:36]. 4. **Скрытая работа:** Мы не осознаем процесс голосования и смены гипотез при движении глаз (3 раза в секунду). Наше сознание воспринимает только стабильный результат этого голосования [12:40]. ## 🧬 Биологические нейроны против «точечных» моделей [[JUMP:13:48]] Джефф Хокинс и Субутай Ахмад критикуют современные нейросети за чрезмерное упрощение биологических механизмов. В машинном обучении обычно используются «точечные нейроны», которые просто суммируют веса входов. Реальные нейроны неокортекса (их около 18 миллиардов) гораздо сложнее [14:01]: * **Дендриты:** Большая часть обработки информации происходит внутри ветвистых отростков — дендритов, а не в теле клетки [14:28]. * **Контекст:** Дендриты позволяют нейрону распознавать сигналы в разных контекстах (например, предсказывать появление объекта в зависимости от окружающей обстановки) [14:57]. * **Разреженность (Sparsity):** В любой момент времени в мозге активно лишь 1–3% нейронов [15:23]. Если активируются все сразу — это эпилептический припадок [15:36]. По мнению Субутая Ахмада, разреженность обеспечивает системе невероятную энергоэффективность (мозг потребляет всего около 40 Ватт, как лампочка) и устойчивость к шумам [26:03]. ## 🚀 Дорожная карта Numenta: ИИ нового поколения [[JUMP:23:08]] Субутай Ахмад представил три ключевых направления, по которым Numenta переносит принципы работы мозга в технологии: ### 1. Реализация разреженности (Sparsity) Numenta уже продемонстрировала, что внедрение разреженных вычислений позволяет повысить эффективность нейросетей на два порядка (в 100 раз) на платформах FPGA [26:30]. Сейчас ведутся работы по адаптации этих принципов для стандартных CPU и GPU. Это позволит масштабировать ИИ до уровней, сопоставимых с человеческим мозгом. ### 2. Сложные нейронные модели Вместо простых функций активации предлагается использовать модели нейронов с дендритами и локальными правилами обучения. По мнению Субутая Ахмада, это решит проблему «катастрофического забывания», позволяя ИИ учиться непрерывно (continuous learning) без потери старых навыков [30:42]. Такие системы будут самообучаться без необходимости в глобальной функции потерь или жестком методе обратного распространения ошибки (backprop) [30:14]. ### 3. Опорные системы (Reference Frames) Это механизм, заимствованный у клеток решётки (grid cells) и клеток места (place cells). Он позволяет мозгу создавать стабильные 3D-модели объектов, которые можно вращать и перемещать в уме [32:00]. Внедрение опорных систем в ИИ позволит машинам понимать структуру мира так же, как это делают люди: увидев новую машину один раз, человек сразу понимает, как она выглядит с другой стороны и поместится ли она в гараж [32:12]. ## 🤖 Будущее ИИ и экзистенциальные риски [[JUMP:58:18]] В завершение дискуссии Джефф Хокинс поделился своим видением будущего. По мнению Хокинса, полноценный сильный ИИ (AGI) появится гораздо раньше, чем через 100 лет — скорее всего, в ближайшие 10–20 лет [58:30]. Относительно страхов перед «восстанием машин» позиция спикера однозначна: * Джефф Хокинс утверждает, что не боится экзистенциальной угрозы со стороны ИИ [58:44]. * Аргументация Хокинса: у систем на базе неокортекса нет встроенных биологических инстинктов выживания, размножения или стремления к доминированию, которые присущи более древним частям человеческого мозга [58:58]. * Риск злоупотребления технологией людьми Хокинс признает реальным, но «пробуждение» злого сверхразума считает маловероятным сценарием [59:24].