來源：AI科技評論

編譯 ：琰琰

校對 ：青暮

Geoffrey Hinton在最新發表的一篇論文“如何在神經網絡中表示部分-整體層次結構”中提出了一種被稱為GLOM的新理論。

關于GLOM模型與千腦理論（ Thousand Brains Theory ）之間有何差異近日成了學者們討論的熱點。千腦理論是由Numenta聯合創始人、計算機科學家，神經生物學家Jeff Hawkins于2018年提出的一種理解大腦運行機制的新方法。

基于此，Numenta公司近日發表了一則官方博文，文章中研究人員Marcus Lewis 從高層次概述了GLOM模型與千腦理論的共同點和差異。詳細內容可見以下視頻：

1

什么是千腦理論？

千腦理論（ Thousand Brains Theory ）是一種感知移動（sensorimotor ）理論，它通過模擬大腦皮層的腦回路，提出了一種理解大腦運作過程的新方法。

Vernon Mountcastle 最早提出，皮層柱（Cortical Column）在大腦皮層的每一個功能區域和層級都執行相同的計算。唯一不同的是輸入的變化。基于Mountcastle的理論，千腦理論提出，大腦并非構造一個物體的模型，而是平行地構造數千個物體的模型。

皮層柱用不同的感官輸入構造模型。比如手掌上的手指可以代表五個不同的輸入感官，每一柱對它們所感知到的東西進行投票并得出一種單一解釋，這種解釋也就是它們協商一致的結果。

這一理論的關鍵在于，大腦皮層的每一根皮層柱通過移動來學習構造物體的模型。也就是，通過觀察我們的感官輸入在移動時發生的變化。例如，當我們的眼睛在掃視時，大腦中的皮層柱會不斷地預測新的感覺。

該理論還提出，大腦皮層主要處理由每個皮層柱產生的參照系。基于參考系，每一柱可以將感官輸入與物體的位置和結構進行關聯，例如當你觸摸杯子時，你接收到的每個感覺都是相對于它在杯子上的位置進行處理的結果（參考系允許這種情況的發生）。

2

它與GLOM模型有何相似之處？

GLOM模型是建立在Hinton早期的膠囊研究基礎之上的。早在2017年，Numenta公司副總裁Subutai Ahmad就分享了他對Hinton膠囊理論與 HTM 感知移動理論之間的看法。

GLOM是一種計算機視覺模型，它提出了一種改善AI理解視覺場景的新方法。與千腦理論類似，它也由大量結構相似的柱子組成。GLOM模型提出，每一柱都由五個不同層次的物體表示組成，并在不同的抽象層次上與特定的位置相關聯（例如，當你觸摸杯子時，柱的底層會形成一個彎曲邊緣的表示，頂層會形成一個杯柄的表示）。Hinton認為，隨著時間的推移，每一層級的表示都應該確定下來，即通過投票產生出一致的表示。最終，為物體建模的每一柱都將在頂層解析出物體（如咖啡杯）的一致表示。

由于Hinton的研究符合認知科學，而“千腦理論”是研究大腦皮層的一種模型，因此，Hinton提出的結構同樣支持“千腦理論”，這是合乎邏輯的。總結來看，它們之間的相似性包括以下幾點：

• 結構相似的柱和層

• 每一柱都將感官輸入與特定位置相關聯

• 多個柱學習相同物體的表示。

• 每一柱都學習完整物體的表示。

• 橫向連接用于相鄰柱之間物體表示的局部共享

• 每一列都使用自下而上、自上而下以及橫向連接來對所感知物體表示進行投票。

3

GLOM和千腦理論的三大區別

移動

千腦理論的一個關鍵概念是：大腦皮層通過移動來學習。當我們移動時，大腦皮層會學習到我們周圍成千上萬個物體的模型。GLOM主要處理“單一且固定的時變圖像”，它將視覺視為一系列幀，那么靜態圖像就是一系列相同的“固定”幀。但我們知道視覺不是靜止的，它是一個互動的過程。我們的眼睛每秒可以快速掃視三次，每次掃視大腦的視覺輸入都會發生變化。另外，當我們移動時，視覺輸入也會隨之改變。

可以講，Hinton的論文并沒有涉及感知移動問題，而這是千腦理論的核心組成部分。為了更好地訓練GLOM模型識別物體，并解釋大腦處理視覺的過程，Hinton可能需要結合移動來分析。

層次

千腦理論提出了一個全新的層次結構概念，而GLOM模型的每一個柱都有傳統的特征檢測器層次結構。在GLOM中，單個柱能夠跨越整個層次結構，因為它的每個層次都表示一個抽象的級別（即層次結構級別）；為了學習物體的模型，它通過自下而上和自上而下兩種方法傳遞信息。與之相反，千腦理論中的每一柱都處于一個層次。皮質柱在層次結構、大腦不同區域和感知方式上共同發揮作用。

映射到新皮質

GLOM模型和千腦理論的最大區別在于：GLOM是受大腦啟發的，但它并不映射到特定的大腦皮層或者實驗性的神經科學。Hinton將其定義為一個計算機視覺問題，他用認知科學來解決“如何使計算機智能化”的問題，他指出，GLOM是受生物學啟發而來，但作為一個生物模型，它已經達到了讓人難以置信的地步。在這里，Hinton提供了一些GLOM部分的數學描述（非生物回路）。

相比之下，Numenta則將研究界定為一個智力問題，并試圖解釋“人類為什么是聰明的？”，研究人員的目標是了解大腦的功能和運作過程，并將這些核心原理應用到當今的機器學習系統中。與GLOM不同的是，千腦理論在生物學上是合理的，同時也是受限制的。因為它需要模擬大腦皮層中所有構成智力基礎的腦回路的生理結構和細節。

GLOM提供了一種在神經網絡中處理和表示視覺信息的創新方法。二者乍一看有相似之處，但歸根結底，GLOM與Numenta的“千腦理論”仍有本質上的不同。大腦是目前唯一真正智能的計算機，具有無與倫比的學習和適應能力。要創造真正的智能系統，需要先了解大腦是如何工作的。

原文鏈接：

https://medium.com/@Numenta/comparing-hintons-glom-model-to-numenta-s-thousand-brains-theory-88ed999ab13d

未來智能實驗室的主要工作包括：建立AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）云腦研究計劃，構建互聯網（城市）云腦技術和企業圖譜，為提升企業，行業與城市的智能水平服務。

??如果您對實驗室的研究感興趣，歡迎加入未來智能實驗室線上平臺。掃描以下二維碼或點擊本文左下角“閱讀原文”

總結

以上是生活随笔為你收集整理的Hinton的GLOM模型与千脑理论有何本质不同？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。