主题：【原创】围绕脑科学而发生的若干玄想 -- 鸿乾

而不是外部刻意追求的。

具体怎么讲？首先从反面讲，即从现有的计算技术中的记忆存储和相应的功能讲。在现在的计算机中，你存一个图像就是一个图像，你取出来，还是那个图像，非常精确，如果有所误差，你就根本取不出来。而且这个图像的记忆和对这个图像的理解一点关系都没有，记忆是记忆，理解是理解，记忆是存储体中的，理解是存储外面的软件的运行的结果。因此，这个计算技术体系中，不可能产生类别和联系，即使有，也不是自然产生的，而是外部刻意追求而加进去的。扩大了讲，就是说，基本上没有可能产生智能。

但是在脑中，完全不同。记忆的东西，是神经系统分解进而理解（这个理解的含义，请注意，有所不同）的东西。因此，在这个基础上，如果有所误差（有意的，比如说放开了幻想，或无意的，比如说醉酒），那么就自然产生有些不同的记忆提取，但是其主体又是同样的。这样就产生了类比和联想的神经基础。现在大家都比较认同，这其实是智能的最基础的属性和特征。

当然了，具体究竟神经系统是如何分解信息，进而在不自觉的程度上做了理解（含义，再次提醒），又怎么做的存储，这些都是未知的。但是，我认为Hawkins对这些方面正在做的工作是非常好的，非常有意思的。遗憾的是，整个学术界对此做了几乎全部的冷待遇。他做的对或者错都不重要，但是重要的是，是一个很好的方向。

这个Pentti Kanerva的工作，也应该对Hawkins的影响很大。他是Hawkins的研究所的成员。

这位朋友说的：底层应用字典编码倾向的表层反映，其实就是说如何分解信息等（他称为字典编码）。现在的DNN也不是没有这个分解信息。他们的分解基本上是解很大的不定线性方程组，但是加上极值限制。这种分解，有很强的数学指导，因此容易为大家接受，分解也就是线性组合，理解起来容易。但是，可以明确讲，我的观点是，这样的数学，明显不是脑中的活动，差得很远，恐怕因此效果就差了。