नियोकार्टेक्स से किन स्मार्ट कारों को सीखना चाहिए

कंप्यूटर ने काम और मनोरंजन, परिवहन और चिकित्सा, खेल और खेल को बदल दिया। और उनकी सभी शक्ति के लिए, ये मशीनें अभी भी सबसे सरल कार्य करने में सक्षम नहीं हैं जो एक बच्चा संभाल सकता है - उदाहरण के लिए, एक अज्ञात कमरे में स्थानांतरित करें या एक पेंसिल का उपयोग करें।

अंत में, इस समस्या का हल उपलब्ध हो जाता है। यह अनुसंधान के दो क्षेत्रों के चौराहे पर दिखाई देगा: मस्तिष्क का रिवर्स विकास और कृत्रिम बुद्धिमत्ता का रसीला फूल वाला क्षेत्र। अगले 20 वर्षों में, ये दोनों क्षेत्र स्मार्ट मशीनों के एक नए युग का विलय और प्रक्षेपण करेंगे।

हमें यह समझने की आवश्यकता है कि स्मार्ट कारों के निर्माण के लिए मस्तिष्क कैसे काम करता है? हालांकि मशीन सीखने की तकनीक जैसे कि गहरे तंत्रिका नेटवर्क ने हाल ही में प्रभावशाली परिणाम दिखाए हैं, वे अभी भी बुद्धिमान से बहुत दूर हैं, हमारे चारों ओर की दुनिया में समझने और कार्य करने में सक्षम होने से। बुद्धि का एकमात्र उदाहरण, किसी योजना को सीखने, योजना और निष्पादित करने की क्षमता मस्तिष्क है। इसलिए, हमें मानव बुद्धिमत्ता के अंतर्निहित सिद्धांतों को समझना चाहिए और उनका उपयोग वास्तव में स्मार्ट मशीनों के विकास में करना चाहिए।

हमारी कंपनी Numenta , रेडवुड सिटी, पीसी में स्थित है। कैलिफ़ोर्निया, हम नियोकोर्टेक्स (नया कॉर्टेक्स) का अध्ययन करते हैं - मस्तिष्क के घटकों का सबसे बड़ा, और मुख्य बुद्धि के लिए जिम्मेदार। हमारा लक्ष्य यह समझना है कि यह कैसे काम करता है और उन सिद्धांतों की पहचान करता है जो मानव चेतना को रेखांकित करते हैं। हाल के वर्षों में, हमने जैविक बुद्धिमत्ता के कई गुणों को परिभाषित करके अपने काम में बड़ी सफलता हासिल की है, जिनका मानना ​​है कि हमें भविष्य की सोच मशीनों में शामिल किया जाना चाहिए।

इन गुणों को समझने के लिए, आपको जीव विज्ञान की मूल बातों से शुरू करने की आवश्यकता है। मानव मस्तिष्क सरीसृप के मस्तिष्क के समान है। उनके पास रीढ़ की हड्डी है जो सजगता को नियंत्रित करती है; एक मस्तिष्क स्टेम जो स्वायत्त व्यवहार को नियंत्रित करता है, जैसे कि श्वास और हृदय गति; मध्य मस्तिष्क, भावनाओं और सरल व्यवहार को नियंत्रित करना। लेकिन इंसानों और सभी स्तनधारियों के पास ऐसा कुछ है, जो सरीसृप के पास नहीं है: एक नियोकार्टेक्स।

नियोकोर्टेक्स एक 2 मिमी मोटी तह शीट है। यदि इसे बढ़ाया जा सकता है, तो यह एक बड़े नैपकिन के आकार का होगा। मनुष्यों में, यह मस्तिष्क के 75% हिस्से पर कब्जा कर लेता है। यह इसका एक हिस्सा है जो हमें स्मार्ट बनाता है।

जन्म के समय, नियोकोर्टेक्स लगभग कुछ भी नहीं जानता है, यह अनुभव के माध्यम से सीखता है। वह सब कुछ जो हम दुनिया के बारे में सीखते हैं - एक कार चलाना, एक वेंडिंग मशीन में कॉफी बनाना, और हजारों अन्य चीजें जो हम हर दिन बातचीत करते हैं - नियोकोर्टेक्स में संग्रहीत होती है। वह सीखता है कि ये वस्तुएं क्या हैं, वे कहां हैं और कैसे व्यवहार करती हैं। नियोकॉर्टेक्स प्रेरणा के लिए कमांड उत्पन्न करता है, इसलिए जब आप खाना बनाते हैं या एक प्रोग्राम लिखते हैं, तो यह नियोकार्टेक्स है जो इस व्यवहार को नियंत्रित करता है। एक भाषा भी नियोकॉर्टेक्स द्वारा बनाई और समझी जाती है।

पूरे मस्तिष्क और तंत्रिका तंत्र की तरह नियोकार्टेक्स में न्यूरॉन्स नामक कोशिकाएं होती हैं। इसलिए, यह समझने के लिए कि मस्तिष्क कैसे काम करता है, हमें न्यूरॉन्स के साथ शुरुआत करने की आवश्यकता है। आपके नियोकार्टेक्स में लगभग 30 बिलियन न्यूरॉन होते हैं। एक विशिष्ट न्यूरॉन में एक पूंछ की तरह अक्षतंतु और कई पेड़ों की तरह के विस्तार होते हैं - डेंड्राइट्स । यदि आप कल्पना करते हैं कि एक न्यूरॉन एक निश्चित संकेत प्रणाली है, तो एक अक्षतंतु एक ट्रांसमीटर है, और डेंड्राइट रिसीवर हैं। डेंड्राइट्स की शाखाओं पर 5,000 - 10,000 सिनैप्स होते हैं, जिनमें से प्रत्येक दूसरे न्यूरॉन्स के समान सिनाप्स से जुड़ता है। कुल मिलाकर, मस्तिष्क में 100 ट्रिलियन से अधिक सिनैप्टिक कनेक्शन हैं।

बाहरी दुनिया के साथ आपका अनुभव - कि आप अपने दोस्त के चेहरे को पहचानते हैं, संगीत का आनंद लेते हैं, अपने हाथ में साबुन पकड़ते हैं - आंखों, कानों और अन्य इंद्रियों से इनपुट के परिणामस्वरूप दिखाई देते हैं जो आपके नियोकोर्टेक्स और न्यूरॉन्स के मजबूर समूहों को पारित कर देते हैं। काम करना। जब एक न्यूरॉन भड़कता है, तो इसका विद्युत रासायनिक विस्फोट अक्षतंतु के साथ यात्रा करता है और सिनेप्स से होकर अन्य न्यूरॉन्स तक जाता है। यदि प्राप्त न्यूरॉन पर्याप्त इनपुट दालों को प्राप्त करता है, तो यह प्रतिक्रिया में ट्रिगर हो सकता है और अन्य न्यूरॉन्स को सक्रिय कर सकता है। नियोकोर्टेक्स में निहित 30 बिलियन न्यूरॉन्स में से, किसी भी समय 1-2% काम करते हैं, जिसका अर्थ है कि किसी भी समय लाखों न्यूरॉन सक्रिय हैं। जब आप चलते हैं और दुनिया के साथ बातचीत करते हैं तो सक्रिय न्यूरॉन्स का सेट बदल जाता है। आपकी शांति की भावना, जिसे आप उचित अनुभव मान सकते हैं, सक्रिय न्यूरॉन्स के कभी-बदलते पैटर्न से निर्धारित होती है।

नियोकॉर्टेक्स में, इन ड्राइंग को नए सिनेप्स के गठन के कारण संग्रहीत किया जाता है। उनका भंडारण आपको चेहरे और स्थानों को पहचानने की अनुमति देता है जब आप उन्हें फिर से देखते हैं, और उन्हें स्मृति से याद करते हैं। उदाहरण के लिए, जब आप अपने दोस्त के चेहरे के बारे में सोचते हैं, तो नियोकॉर्टेक्स में ट्रिगर न्यूरॉन्स का एक पैटर्न दिखाई देता है, जो उस पैटर्न के समान होता है, जब आप वास्तव में उसका चेहरा देखते हैं।

यह आश्चर्यजनक है कि कैसे neocortex सरल और जटिल दोनों है। यह जटिल है क्योंकि यह दर्जनों साइटों में विभाजित है, जिनमें से प्रत्येक विभिन्न सचेत कार्यों के लिए जिम्मेदार है। प्रत्येक क्षेत्र में न्यूरॉन्स की कई परतें, साथ ही साथ दर्जनों प्रकार के न्यूरॉन्स होते हैं, और ये न्यूरॉन जटिल परिसरों में जुड़े होते हैं।

नियोकॉर्टेक्स को सरल कहा जा सकता है, क्योंकि प्रत्येक साइट का विवरण लगभग समान है। विकास की प्रक्रिया में, एक एकल एल्गोरिथ्म दिखाई दिया है जो कि नियोकोर्टेक्स करता है पर सब कुछ पर लागू होता है। इस तरह के एक सार्वभौमिक एल्गोरिथ्म का अस्तित्व एक रोमांचक तथ्य है, क्योंकि अगर हम इसे समझ सकते हैं, तो हम "बुद्धिमत्ता" की अवधारणा के सार को प्राप्त कर सकते हैं और इस ज्ञान को भविष्य की मशीनों में पेश कर सकते हैं।

लेकिन ऐसा नहीं है कि ऐ क्या करता है? क्या सभी एआई " तंत्रिका नेटवर्क " पर निर्मित नहीं हैं जो मस्तिष्क में मौजूद हैं? वास्तव में नहीं। एआई प्रौद्योगिकियां न्यूरोबायोलॉजी का उल्लेख करती हैं, लेकिन वे एक ओवरसिम्प्लाइड न्यूरॉन मॉडल का उपयोग करते हैं जो वास्तविक न्यूरॉन्स के मुख्य पहलुओं को याद करता है, और वे वास्तविक और जटिल मस्तिष्क वास्तुकला में उसी तरह से जुड़े नहीं हैं। कई अंतर हैं, और वे मायने रखते हैं। यही कारण है कि आज के एआई छवि मार्कअप या भाषण मान्यता के साथ एक अच्छा काम करते हैं, लेकिन रचनात्मक रूप से कारण, योजना और कार्य नहीं कर सकते हैं।

यह समझने में हालिया प्रगति कि नियोकॉर्टेक्स कैसे काम करता है, हमें इस बात का अनुमान लगाने के लिए प्रेरित करता है कि भविष्य की सोच मशीनों को कैसे व्यवस्थित किया जा सकता है। मैं जैविक बुद्धि के इन पहलुओं का वर्णन करने की कोशिश करूंगा जो आवश्यक हैं, लेकिन आधुनिक एआई में अनुपस्थित हैं। ये विश्व की वास्तविकताओं को सिखाने के लिए पुन: असेंबली प्रशिक्षण, वितरित अभ्यावेदन और आंदोलन के उपयोग से संबंधित कार्यान्वयन हैं।

रिवाइरिंग द्वारा सीखना: मस्तिष्क अद्भुत शिक्षण-संबंधी गुणों को प्रदर्शित करता है। सबसे पहले, हम तेजी से सीखते हैं। दूसरे, प्रशिक्षण धीरे-धीरे होता है। हम मस्तिष्क को खरोंच से प्रशिक्षित किए बिना और जो कुछ हमें पहले से ही सिखाया गया है, उसे भुलाए बिना कुछ नया सीख सकते हैं। तीसरा, मस्तिष्क लगातार सीख रहा है। दुनिया भर में घूमना, योजना और अभिनय करना, हमने सीखना बंद नहीं किया है। तेज़, वृद्धिशील और चल रहे प्रशिक्षण अपरिहार्य तत्व हैं जो स्मार्ट सिस्टम को एक बदलती दुनिया के अनुकूल बनाने में सक्षम बनाते हैं। न्यूरॉन्स सीखने के लिए जिम्मेदार हैं, और वास्तविक न्यूरॉन्स की जटिलता उन्हें एक शक्तिशाली सीखने की मशीन बनाती है।

हाल के वर्षों में, न्यूरोसाइंटिस्ट्स ने डेंड्राइट्स के बारे में कुछ दिलचस्प तथ्य सीखे हैं। इसकी प्रत्येक शाखा पैटर्न मान्यता के एक सेट के रूप में काम करती है। यह पता चला है कि शाखा पर 15-20 सक्रिय synapses न्यूरॉन्स के एक बड़े सेट में एक गतिविधि पैटर्न को पहचानने के लिए पर्याप्त हैं। इसलिए, एक एकल न्यूरॉन सैकड़ों विभिन्न पैटर्न को पहचान सकता है। उनमें से कुछ इसे काम करते हैं, जबकि अन्य सेल की आंतरिक स्थिति को बदलते हैं और भविष्य के कार्यों की भविष्यवाणियों के रूप में काम करते हैं।

एक समय में, न्यूरोसाइंटिस्ट्स का मानना ​​था कि सीखने को केवल मौजूदा सिनेप्स की प्रभावशीलता को संशोधित करके होता है ताकि जब एक आने वाला संकेत आता है, तो एक सिंकैप द्वारा न्यूरॉन के चालू होने की संभावना कम हो जाती है या बढ़ जाती है। लेकिन अब हम पहले से ही जानते हैं कि अधिकांश प्रशिक्षण कोशिकाओं के बीच नए synapses की खेती के कारण होता है - मस्तिष्क का "पुन: संयोजन" होता है। 40% तक न्यूरॉन सिनेप्स को रोजाना नए के साथ बदल दिया जाता है। नए सिनैप्स न्यूरॉन्स के बीच नई संचार योजनाओं के उद्भव के लिए नेतृत्व करते हैं, और, परिणामस्वरूप, नई यादों के लिए। चूंकि डेंड्राइट की शाखाएं लगभग स्वतंत्र होती हैं, जब एक न्यूरॉन डेंड्राइट्स में से एक पर एक नए पैटर्न को पहचानना सीखता है, तो यह पहले से ही अन्य डेंड्राइट्स के साथ न्यूरॉन को सीखने से नहीं रोकता है।

इसीलिए हम पुरानी यादों को तोड़े बिना नई चीजें सीख सकते हैं, और जब भी हम कुछ नया सीखते हैं, तो हमें अपने दिमाग को खरोंच से प्रशिक्षित करने की आवश्यकता नहीं है। आज के तंत्रिका नेटवर्क में इतनी क्षमताएं नहीं हैं।



स्मार्ट मशीनों में जैविक न्यूरॉन्स की संपूर्ण जटिलता का अनुकरण नहीं करना है, लेकिन डेंड्राइट्स और पुन: असेंबली के माध्यम से प्रशिक्षण के अवसर उपलब्ध हैं। ये क्षमता भविष्य के एआई सिस्टम में होनी चाहिए।

वितरित विचार: मस्तिष्क और कंप्यूटर विभिन्न तरीकों से जानकारी प्रस्तुत करते हैं। शून्य और लोगों का कोई भी संयोजन कंप्यूटर की मेमोरी में संभावित रूप से संभव है, इसलिए यदि आप एक बिट बदलते हैं, तो इससे अर्थ में पूर्ण परिवर्तन हो सकता है - जैसे "बिल्ली" शब्द "बिल्ली" में "और" अक्षर को प्रतिस्थापित करने से इसका कुछ संबंध नहीं होगा। शब्द "व्हेल"। यह दृश्य अविश्वसनीय है।

मस्तिष्क तथाकथित का उपयोग करता है विरल वितरित प्रतिनिधित्व (एसडीआर)। उन्हें विरल कहा जाता है क्योंकि किसी भी समय गतिविधि अपेक्षाकृत कम न्यूरॉन्स होती है। जब आप चलते हैं या सोचते हैं तो न्यूरॉन्स की गतिविधि लगातार बदल रही है, लेकिन उनका प्रतिशत हमेशा छोटा होता है। यदि हम कल्पना करते हैं कि प्रत्येक न्यूरॉन एक सा है, तो मस्तिष्क सूचना का प्रतिनिधित्व करने के लिए हजारों बिट्स का उपयोग करता है (कंप्यूटर में 8-बिट या 64-बिट प्रतिनिधित्व से अधिक), लेकिन किसी भी क्षण बिट्स का केवल एक छोटा हिस्सा 1 है; अन्य सभी 0 हैं।

मान लीजिए कि आप एसडीआर का उपयोग करके एक बिल्ली की अवधारणा को पेश करना चाहते हैं। आप 10,000 न्यूरॉन्स का उपयोग कर सकते हैं, जिनमें से 100 सक्रिय होंगे। सक्रिय न्यूरॉन्स में से प्रत्येक बिल्ली के एक निश्चित पहलू का प्रतिनिधित्व करता है, उदाहरण के लिए, "पालतू", "शराबी", "पंजा"। यदि कई न्यूरॉन्स मर जाते हैं, या कई नए शामिल होते हैं, तो नए एसडीआर अभी भी बिल्ली के बारे में एक अच्छा विचार होगा, क्योंकि अधिकांश भाग के लिए सक्रिय न्यूरॉन्स समान होंगे। इस प्रकार, एक अविश्वसनीय प्रतिनिधित्व के बजाय, एसडीआर त्रुटि और शोर प्रतिरोधी है। जब हम मस्तिष्क के सिलिकॉन संस्करणों का निर्माण करते हैं, तो वे अंतर्निहित त्रुटि सहिष्णुता होंगे।

मैं एसडीआर की दो विशेषताओं का उल्लेख करना चाहता हूं। सबसे पहले, ओवरलैपिंग दो चीजों की तुलना करना आसान बनाता है, और आपको यह समझने की अनुमति देता है कि वे समान कैसे हैं और वे कैसे भिन्न हैं। मान लीजिए कि एक एसडीआर एक बिल्ली और दूसरा एक पक्षी का प्रतिनिधित्व करता है। दोनों एसडीआर में, न्यूरॉन्स के समान समूह सक्रिय होंगे, जो "पालतू" और "पंजे" का प्रतिनिधित्व करेंगे, लेकिन "शराबी" नहीं। उदाहरण को सरल किया गया है, लेकिन सुपरपोजिशन संपत्ति महत्वपूर्ण है, क्योंकि इसके लिए धन्यवाद, मस्तिष्क तुरंत वस्तुओं की समानता और अंतर को समझता है। यह संपत्ति उसे सामान्य करने की क्षमता देती है जो कंप्यूटर की कमी है।

दूसरी संपत्ति, संघ, मस्तिष्क को एक साथ कई विचारों का प्रतिनिधित्व करने की अनुमति देता है। कल्पना कीजिए कि मुझे झाड़ियों में एक जानवर दौड़ता हुआ दिखाई दे रहा है, लेकिन मैं इसे केवल संक्षेप में देख सकता हूं, इसलिए मुझे यकीन नहीं है कि मैंने क्या देखा। यह एक बिल्ली, एक कुत्ता या एक बंदर हो सकता है। चूंकि एसडीआर वितरित किया गया है, न्यूरॉन्स का एक सेट एक ही समय में सभी तीन एसडीआर को सक्रिय कर सकता है, और उन्हें एक-दूसरे के साथ भ्रमित नहीं कर सकता है, क्योंकि एसडीआर एक-दूसरे के साथ हस्तक्षेप नहीं करते हैं। एसडीआर पूल को लगातार बनाने के लिए न्यूरॉन्स की क्षमता अनिश्चितताओं से निपटने के लिए उन्हें एक अच्छा उपकरण बनाती है।

ये एसडीआर गुण मस्तिष्क में समझने, सोचने और योजना बनाने के लिए मौलिक हैं। हम SDR का उपयोग किए बिना स्मार्ट मशीन नहीं बना सकते।

अवतार: नियोकोर्टेक्स इंद्रियों से इनपुट प्राप्त करता है। हर बार जब हम अपनी आँखें, अंग, या धड़ को हिलाते हैं, तो इंद्रियों से इनपुट बदल जाता है। यह कभी-बदलते इनपुट सीखने के लिए मस्तिष्क द्वारा उपयोग किया जाने वाला मुख्य तंत्र है। आपको एक ऐसी वस्तु देने की कल्पना करें जिसे आपने पहले नहीं देखा है। इसे एक स्टेपलर होने दें। आप इसका अध्ययन कैसे करेंगे? आप इसे विभिन्न कोणों से देखकर इसे प्राप्त कर सकते हैं। आप उठा सकते हैं, अपनी उंगलियों से पकड़ सकते हैं, अपने हाथों को मोड़ सकते हैं। आप धक्का दे सकते हैं और देख सकते हैं कि वह कैसा व्यवहार करता है। इस संवादात्मक प्रक्रिया में, आप स्टेपलर के आकार, उसके बारे में आपकी भावनाओं का अध्ययन करते हैं कि यह कैसा दिखता है और यह कैसे व्यवहार करता है। आप आंदोलनों को बनाते हैं, इनपुट में बदलाव महसूस करते हैं, एक और करते हैं, फिर से बदलाव महसूस करते हैं, और इसी तरह। आंदोलन के माध्यम से सीखना मस्तिष्क सीखने का मुख्य तरीका है। यह किसी भी सही मायने में स्मार्ट सिस्टम का केंद्रीय घटक होगा।

मैं यह नहीं कहना चाहता कि एक स्मार्ट मशीन को एक भौतिक शरीर की आवश्यकता है - बस यह कि यह आंदोलन के माध्यम से संवेदनाओं को बदल सकता है। उदाहरण के लिए, एक आभासी AI वेब के माध्यम से लिंक और खुलने वाली फ़ाइलों को "स्थानांतरित" कर सकता है। वह आभासी दुनिया की संरचना का अध्ययन आभासी आंदोलनों के माध्यम से कर सकता है, उसी तरह जैसे हम किसी इमारत में घूमते हैं।

यह हमें पिछले साल नुमेंटा में की गई महत्वपूर्ण खोज के लिए लाता है। नियोकॉर्टेक्स में, सनसनी डेटा को भूखंडों के पदानुक्रम द्वारा संसाधित किया जाता है। जब डेटा पदानुक्रम के एक स्तर से दूसरे स्तर पर गुजरता है, तो उनसे अधिक से अधिक जटिल विशेषताएं निकाली जाती हैं, जब तक कि कुछ बिंदु पर वस्तु को पहचानना संभव नहीं होता है। डीप लर्निंग नेटवर्क भी पदानुक्रम का उपयोग करते हैं, लेकिन उन्हें अक्सर छवि मान्यता के लिए 100 स्तरों के प्रसंस्करण की आवश्यकता होती है, और समान परिणाम प्राप्त करने के लिए एक नियोकार्टेक्स केवल चार खर्च करता है। डीप लर्निंग नेटवर्क्स को भी लाखों प्रशिक्षण उदाहरणों की आवश्यकता होती है, और नियोकार्टेक्स केवल कुछ आंदोलनों और संवेदनाओं के साथ नई वस्तुओं को सीख सकता है। मस्तिष्क एक कृत्रिम कृत्रिम तंत्रिका नेटवर्क से मूलभूत रूप से कुछ अलग करता है - लेकिन क्या?

जर्मन हेल्महोल्त्ज़ , 19 वीं शताब्दी के जर्मन भौतिक विज्ञानी, इस प्रश्न का उत्तर देने वाले पहले व्यक्तियों में से एक थे। उन्होंने देखा कि यद्यपि हमारी आँखें प्रति सेकंड तीन से चार बार चलती हैं, लेकिन हमारी दृश्य धारणा स्थिर रहती है। उन्होंने गणना की कि मस्तिष्क आंख आंदोलनों को ध्यान में रखता है, अन्यथा यह हमें प्रतीत होता है कि पूरी दुनिया यहां और वहां कूद रही है। इसी तरह, अगर आप कुछ छूते हैं, तो आप चकरा जाएंगे अगर आपका मस्तिष्क केवल स्पर्श संवेदनाओं को नियंत्रित करता है और यह नहीं जानता कि आपकी उंगलियां चल रही थीं। संवेदनाओं में परिवर्तन के साथ आंदोलनों के संयोजन के इस सिद्धांत को सेंसरिमोटर एकीकरण कहा जाता है। मस्तिष्क में सेंसरिमोटर एकीकरण कैसे और कहाँ होता है यह एक रहस्य था।

हमें पता चला कि सेंसरिमोटर एकीकरण नियोकार्टेक्स के सभी भागों में होता है। यह एक अलग कदम नहीं है, लेकिन संवेदनाओं के प्रसंस्करण का एक अभिन्न अंग है। सेंसोमोटर एकीकरण नियोकार्टेक्स के "स्मार्ट एल्गोरिथ्म" का एक महत्वपूर्ण हिस्सा है। हमारे पास एक सिद्धांत और मॉडल है कि न्यूरॉन्स यह कैसे कर सकते हैं, और यह नियोकोर्टेक्स क्षेत्र के जटिल शरीर रचना के साथ अच्छी तरह से ओवरलैप करता है।

मशीन बुद्धि के लिए इस खोज के निहितार्थ क्या हैं? दो प्रकार की फ़ाइलों पर विचार करें जो आप कंप्यूटर पर पा सकते हैं। एक कैमरा द्वारा ली गई छवि है, और दूसरा एक कंप्यूटर पर विकसित एक डिज़ाइन है, उदाहरण के लिए, एक ऑटोडेस्क फ़ाइल। एक छवि दृश्य विवरण का एक दो आयामी सरणी है। सीएडी फ़ाइल भी भागों का एक सेट है, लेकिन उनमें से प्रत्येक तीन आयामी स्थान में एक व्यवस्था से जुड़ा हुआ है। एक सीएडी फ़ाइल तीन आयामी वस्तुओं का अनुकरण करती है, न कि यह कि वस्तु एक निश्चित परिप्रेक्ष्य से कैसे दिखती है। सीएडी फ़ाइल के साथ, आप अनुमान लगा सकते हैं कि कोई वस्तु किसी भी दृष्टिकोण से कैसे दिखाई देगी, और यह निर्धारित करेगी कि यह अन्य तीन आयामी वस्तुओं के साथ कैसे बातचीत करेगी। आप एक छवि के साथ ऐसा नहीं कर सकते। हमने पाया कि नियोकॉर्टेक्स का प्रत्येक खंड वस्तुओं के त्रि-आयामी मॉडल को उसी तरह सीखता है जैसे सीएडी प्रोग्राम। हर बार जब आपका शरीर चलता है, तो नियोकॉर्टेक्स वर्तमान गतिशीलता कमांड को मानता है, इसे ऑब्जेक्ट के समन्वय प्रणाली में एक स्थिति में परिवर्तित करता है और दुनिया के तीन आयामी मॉडल बनाने के लिए इंद्रियों से प्राप्त डेटा के साथ इस स्थिति को जोड़ता है।

पूर्वव्यापी में, यह अवलोकन समझ में आता है। स्मार्ट सिस्टम को दुनिया के बहुआयामी मॉडल सीखने की जरूरत है। मस्तिष्क के कई हिस्सों में सेंसोमोटर एकीकरण नहीं होता है - यह इसके संचालन का मुख्य सिद्धांत है, खुफिया एल्गोरिथ्म का हिस्सा है। स्मार्ट मशीनों को बस इतना ही करना चाहिए।

नियोकॉर्टेक्स के ये तीन मुख्य पहलू - री-असेंबली ट्रेनिंग, डिस्ट्रीब्यूटेड व्यूज़ और सेंसरिमोटर इंटीग्रेशन - मशीन इंटेलिजेंस के कोने-कोने होंगे। भविष्य की सोचने वाली मशीनें जीव विज्ञान के कई पहलुओं की अनदेखी कर सकती हैं, लेकिन ये तीनों नहीं। एक शक के बिना, न्यूरोबायोलॉजी के क्षेत्र में अन्य खोजों ने हमें इंतजार किया, चेतना की अन्य विशेषताओं पर प्रकाश डाला, जिन्हें भविष्य में ऐसी मशीनों में शामिल करने की आवश्यकता होगी, लेकिन आप आज जो हम जानते हैं, उसके साथ शुरू कर सकते हैं।

एआई के शुरुआती दिनों से, आलोचकों ने मानव मस्तिष्क का अनुकरण करने की कोशिश करने के विचार को खारिज कर दिया, आमतौर पर यह तर्क देते हुए कि "विमान अपने पंख नहीं फड़फड़ाते हैं।" वास्तव में, विल्बर और ऑरविल राइट ने पक्षियों का विस्तार से अध्ययन किया। लिफ्ट बनाने के लिए, उन्होंने पक्षियों के पंखों के आकार का अध्ययन किया और एक पवन सुरंग में उनका परीक्षण किया। एक ड्राइविंग बल के लिए, वे विमानन के अलावा एक क्षेत्र में बदल गए - एक प्रोपेलर और एक मोटर। उड़ान को नियंत्रित करने के लिए, उन्होंने देखा कि पक्षी एक रोल बनाने के लिए अपने पंखों को मोड़ते हैं और ऊँचाई बनाए रखने के लिए अपनी पूंछ का उपयोग करते हैं। यही उन्होंने किया है। अब तक, हवाई जहाज इस पद्धति का उपयोग करते हैं, हालांकि हम पंखों पर केवल एक किनारे को मोड़ते हैं। संक्षेप में, राइट भाइयों ने पक्षियों का अध्ययन किया और फिर तय किया कि लोगों की उड़ान के लिए उड़ान के कौन से तत्व आवश्यक हैं और जिन्हें अनदेखा किया जा सकता है। यह ठीक यही है कि हम क्या करेंगे, सोच बनाने वाली मशीनें।

भविष्य के बारे में सोचते हुए, मैं इस तथ्य के बारे में चिंता करता हूं कि हमारे लक्ष्य पर्याप्त महत्वाकांक्षी नहीं हैं। छवियों को वर्गीकृत करने और भाषण को पहचानने के लिए आज के कंप्यूटर के लिए यह बहुत अच्छा है, लेकिन हम वास्तव में स्मार्ट मशीन बनाने के करीब नहीं हैं। मेरा मानना ​​है कि ऐसा करना हमारे लिए महत्वपूर्ण है। भविष्य की सफलताएं और यहां तक ​​कि मानवता का अस्तित्व भी इस पर निर्भर हो सकता है। उदाहरण के लिए, यदि हम अन्य ग्रहों को आबाद करने जा रहे हैं, तो हमें अंतरिक्ष में उड़ानों के लिए, सुविधाओं के निर्माण, संसाधनों के निष्कर्षण और पर्यावरण में जटिल समस्याओं के स्वतंत्र समाधान के लिए हमारे पक्ष में काम करने वाली मशीनों की आवश्यकता होगी, जिसमें लोग जीवित नहीं रह सकते। पृथ्वी पर, हम रोग, जलवायु और ऊर्जा की कमी की समस्याओं का सामना कर रहे हैं। स्मार्ट कारें हमारी मदद कर सकती हैं। उदाहरण के लिए, ऐसी स्मार्ट मशीनें बनाना संभव है जो संवेदनशील हों और आणविक पैमाने पर काम करने में सक्षम हों।वे उसी तरह से प्रोटीन और जीन अभिव्यक्ति को मोड़ सकते हैं जिस तरह से हम कंप्यूटर और स्टेपलर के बारे में बात करते हैं। वे मनुष्यों की तुलना में एक लाख गुना तेजी से सोच और कार्य कर सकते थे। इस तरह की मशीनें बीमारियों का इलाज कर सकती हैं और हमारी दुनिया को रहने योग्य बना सकती हैं।

1940 के दशक में, कंप्यूटर युग के अग्रदूतों ने महसूस किया कि कंप्यूटर बहुत दूर तक जाएंगे और बहुत उपयोगी होंगे, और वे मानव समाज को बदलने की संभावना रखते थे। लेकिन वे सटीक रूप से यह अनुमान नहीं लगा सके कि कंप्यूटर हमारे जीवन को कैसे बदल देंगे। उसी तरह, हम यह सुनिश्चित कर सकते हैं कि सही मायने में स्मार्ट मशीनें हमारी दुनिया को बेहतर तरीके से बदल देंगी, भले ही आज हम ठीक-ठीक भविष्यवाणी न कर सकें। 20 वर्षों के बाद, हम पीछे देखते हैं और महसूस करते हैं कि हमारे समय में मस्तिष्क और मशीन लर्निंग के सिद्धांत में सफलताओं ने वास्तविक मशीन बुद्धि का युग शुरू किया।