分层记忆系统在人工智能的未来中的应用

在第3章中我已经提到，杰夫·霍金斯和迪利普·乔治分别于2003年和2004年发明了一种结合了层级列表的新皮质模型。我们从霍金斯和布拉克斯莉2004年的著作《智能时代》中查询到此层级列表的相关信息。在乔治2008年的博士论文中，我们还可以找到对层级短期记忆法的更加紧跟时代步伐、更加有力的论述。^[157]在名为NuPIC（Numenta Platform forIntelligence Computing）的系统中，Numenta公司运用了这个方法，并且为福布斯公司和动力分析有限公司这样的客户研发了模式识别和智能数据挖掘系统。离开Numenta公司后，乔治开了一家名为VicariousSystems的新公司。该公司得到了Founder Fund公司（由Facebook背后的风险投资家彼得·蒂尔[Peter Thiel]和Facebook的第一位总裁肖恩·帕克[Sean Parker]共同管理）和达斯汀·莫斯科维茨（Dustin Moskovitz, Facebook创始人之一）领导的Good Ventures公司的资助。

在智能建模、学习和识别含有多层级结构的信息方面，乔治取得了巨大的进步。他称其系统为“递归皮质网络”（recursive cortical network），并打算将之应用到诸如医学成像和机器人技术等领域。从数学上来看，隐马尔可夫层级模型和层级记忆系统非常类似，尤其是当我们允许隐马尔可夫层级模型自行组织不同模式识别模块之间的联结时，两者更为相像。隐马尔可夫层级模型还有另一个重要的作用，即通过计算当前模式存活的可能性，隐马尔可夫层级模型可以对输入信息的重要性进行等级建模。(www.xing528.com)

最近我新开了一家名叫Patterns的有限责任公司，通过利用隐马尔可夫层级模型和其他一些相关技术开发自组织的新皮质层级结构模型，从而理解识别自然语言。其中一个重要的出发点是：系统有能力像生物新皮质那样自行组建层级结构。我们设想的系统不仅可以顺利阅读各类资料，诸如维基百科和其他一些信息，还可以听懂你的每句话，识别你的每个字（如果你愿意写的话）。我们的目标就是让它成为你的一位良友，甚至不用问，它就能猜出你内心的疑问并作出回答，还可以随时为你的生活提供有用的信息和建议。