Структура памяти-предсказания — это теория функционирования мозга , созданная Джеффом Хокинсом и описанная в его книге 2004 года «Об интеллекте» . Эта теория касается роли неокортекса млекопитающих и его связей с гиппокампом и таламусом в сопоставлении сенсорных входов с сохраненными образцами памяти и того, как этот процесс приводит к предсказаниям того, что произойдет в будущем.
Теория мотивирована наблюдаемыми сходствами между структурами мозга (особенно неокортикальной тканью), которые используются для широкого спектра поведений, доступных млекопитающим. Теория постулирует, что удивительно однородное физическое расположение кортикальной ткани отражает единый принцип или алгоритм, который лежит в основе всей обработки корковой информации. Предполагается, что основным принципом обработки является петля обратной связи/воспоминания , которая включает как корковое , так и внекорковое участие (последнее из таламуса и гиппокампа в частности).
Центральная концепция структуры памяти-предсказания заключается в том, что восходящие входы сопоставляются в иерархии распознавания и вызывают ряд нисходящих ожиданий, закодированных как потенциации. Эти ожидания взаимодействуют с восходящими сигналами, чтобы как анализировать эти входы, так и генерировать прогнозы последующих ожидаемых входов. Каждый уровень иерархии запоминает часто наблюдаемые временные последовательности входных шаблонов и генерирует метки или «имена» для этих последовательностей. Когда входная последовательность совпадает с запомненной последовательностью на данном уровне иерархии, метка или «имя» распространяется вверх по иерархии, тем самым устраняя детали на более высоких уровнях и позволяя им изучать последовательности более высокого порядка. Этот процесс обеспечивает повышенную инвариантность на более высоких уровнях. Более высокие уровни предсказывают будущие входы, сопоставляя частичные последовательности и проецируя свои ожидания на более низкие уровни. Однако, когда происходит несоответствие между входом и запомненными/предсказываемыми последовательностями, более полное представление распространяется вверх. Это приводит к активации альтернативных «интерпретаций» на более высоких уровнях, что, в свою очередь, порождает другие предсказания на более низких уровнях.
Рассмотрим, например, процесс зрения . Информация снизу вверх начинается с низкоуровневых сигналов сетчатки (указывающих на наличие простых визуальных элементов и контрастов). На более высоких уровнях иерархии извлекается все более значимая информация относительно наличия линий, областей , движений и т. д. Еще выше по иерархии активность соответствует наличию определенных объектов, а затем поведению этих объектов. Информация сверху вниз заполняет детали об распознанных объектах, а также об их ожидаемом поведении с течением времени.
Сенсорная иерархия вызывает ряд различий между различными уровнями. По мере продвижения вверх по иерархии представления увеличиваются:
Связь между сенсорной и моторной обработкой является важным аспектом базовой теории. Предполагается, что моторные области коры состоят из поведенческой иерархии, похожей на сенсорную иерархию, с низшими уровнями, состоящими из явных моторных команд мускулатуре, и высшими уровнями, соответствующими абстрактным предписаниям (например, «изменить размер браузера»). Сенсорная и моторная иерархии тесно связаны, при этом поведение порождает сенсорные ожидания, а сенсорное восприятие управляет моторными процессами.
Наконец, важно отметить, что все воспоминания в кортикальной иерархии должны быть изучены – эта информация не запрограммирована в мозге заранее. Следовательно, процесс извлечения этого представления из потока входов и поведения теоретически рассматривается как процесс, который происходит непрерывно во время познания .
Хокинс имеет обширную подготовку в качестве инженера-электрика. Другой способ описания теории (на который намекается в его книге) — это иерархия обучения стохастических конечных автоматов с прямой связью . С этой точки зрения мозг анализируется как проблема кодирования, не слишком отличающаяся от кодов исправления ошибок, предсказывающих будущее. Иерархия представляет собой иерархию абстракций , в которой состояния машин более высокого уровня представляют более абстрактные условия или события, и эти состояния предрасполагают машины более низкого уровня к выполнению определенных переходов. Машины более низкого уровня моделируют ограниченные области опыта или контролируют или интерпретируют датчики или эффекторы. Вся система фактически контролирует поведение организма. Поскольку конечный автомат является «прямой связью», организм реагирует на будущие события, предсказанные на основе прошлых данных. Поскольку он иерархичен, система проявляет поведенческую гибкость, легко производя новые последовательности поведения в ответ на новые сенсорные данные. Поскольку система обучается, новое поведение адаптируется к изменяющимся условиям.
То есть эволюционная цель мозга — предсказывать будущее, пусть и ограниченным образом, с целью его изменения.
Описанные выше иерархии теоретически возникают в первую очередь в неокортексе млекопитающих. В частности, предполагается, что неокортекс состоит из большого количества столбцов (как предположил также Вернон Бенджамин Маунткасл из анатомических и теоретических соображений). Каждый столбец настроен на определенную функцию на данном уровне иерархии. Он получает входные данные снизу вверх с нижних уровней и входные данные сверху вниз с верхних уровней. (Другие столбцы на том же уровне также поступают в данный столбец и служат в основном для подавления исключительных представлений активации.) Когда вход распознается — то есть достигается приемлемое согласие между источниками снизу вверх и сверху вниз — столбец генерирует выходные данные, которые, в свою очередь, распространяются как на нижние, так и на верхние уровни.
Эти процессы хорошо отображаются в определенных слоях в коре млекопитающих. (Кортикальные слои не следует путать с различными уровнями иерархии обработки: все слои в одном столбце участвуют как один элемент в одном иерархическом уровне). Вход снизу вверх поступает в слой 4 (L4), откуда распространяется на L2 и L3 для распознавания инвариантного содержания. Активация сверху вниз поступает в L2 и L3 через L1 (в основном аксональный слой, который распределяет активацию локально по столбцам). L2 и L3 сравнивают информацию снизу вверх и сверху вниз и генерируют либо инвариантные «имена», когда достигается достаточное соответствие, либо более изменчивые сигналы, которые возникают, когда это не удается. Эти сигналы распространяются вверх по иерархии (через L5), а также вниз по иерархии (через L6 и L1).
Для учета хранения и распознавания последовательностей паттернов предлагается комбинация двух процессов. Неспецифический таламус действует как «линия задержки» — то есть L5 активирует эту область мозга, которая повторно активирует L1 после небольшой задержки. Таким образом, выход одного столбца генерирует активность L1, которая будет совпадать с входом в столбец, который является временным последующим в последовательности. На этот раз упорядочение времени работает в сочетании с идентификацией последовательности на более высоком уровне, которая не меняется во времени; следовательно, активация представления последовательности приводит к тому, что компоненты более низкого уровня предсказываются один за другим. (Помимо этой роли в секвенировании, таламус также активен как сенсорная путевая станция — эти роли, по-видимому, включают в себя различные области этой анатомически неоднородной структуры.)
Другая анатомически разнообразная структура мозга, которая, как предполагается, играет важную роль в иерархическом познании, — это гиппокамп . Хорошо известно, что повреждение обоих гиппокампов нарушает формирование долговременной декларативной памяти ; люди с таким повреждением не способны формировать новые воспоминания эпизодического характера, хотя они могут без труда вспоминать более ранние воспоминания и также могут осваивать новые навыки. В текущей теории гиппокамп рассматривается как верхний уровень кортикальной иерархии; он специализирован на сохранении воспоминаний о событиях, которые распространяются на весь путь до самого верха. Поскольку такие события вписываются в предсказуемые шаблоны, они становятся запоминаемыми на более низких уровнях иерархии. (Такое перемещение воспоминаний вниз по иерархии, кстати, является общим предсказанием теории.) Таким образом, гиппокампы постоянно запоминают «неожиданные» события (то есть те, которые не были предсказаны на более низких уровнях); если они повреждены, весь процесс запоминания по иерархии ставится под угрозу.
В 2016 году Хокинс выдвинул гипотезу, что корковые колонки не просто фиксируют ощущение, но и относительное местоположение этого ощущения в трех измерениях, а не в двух ( локальный захват ), по отношению к тому, что находится вокруг него. [1] «Когда мозг строит модель мира, все имеет местоположение относительно всего остального» [1] — Джефф Хокинс.
Структура памяти-предсказания объясняет ряд психологически значимых аспектов познания. Например, способность экспертов в любой области без усилий анализировать и запоминать сложные проблемы в своей области является естественным следствием формирования ими все более совершенных концептуальных иерархий. Кроме того, процессия от « восприятия » к « пониманию » легко понятна как результат соответствия ожиданий сверху вниз и снизу вверх . Несоответствия, напротив, порождают изысканную способность биологического познания обнаруживать неожиданные восприятия и ситуации. (Недостатки в этом отношении являются общей характеристикой современных подходов к искусственному интеллекту.)
Помимо этих субъективно удовлетворительных объяснений, структура также делает ряд проверяемых предсказаний . Например, важная роль, которую предсказание играет во всех сенсорных иерархиях, требует упреждающей нейронной активности в определенных клетках во всей сенсорной коре. Кроме того, клетки, которые «называют» определенные инварианты, должны оставаться активными во время присутствия этих инвариантов, даже если основные входы изменяются. Предсказанные паттерны активности снизу вверх и сверху вниз — причем первый из них более сложен, когда ожидания не оправдываются — могут быть обнаружены, например, с помощью функциональной магнитно-резонансной томографии ( фМРТ ).
Хотя эти прогнозы не являются строго специфичными для предлагаемой теории, они достаточно недвусмысленны, чтобы сделать возможной проверку или опровержение ее центральных положений. Подробнее о прогнозах и результатах см. в разделе «Об интеллекте» .
По замыслу, текущая теория основывается на работе многочисленных нейробиологов, и можно утверждать, что большинство этих идей уже были предложены такими исследователями, как Гроссберг и Маунткасл . С другой стороны, новое разделение концептуального механизма (т. е. двунаправленной обработки и инвариантного распознавания) от биологических деталей (т. е. нейронных слоев, колонок и структур) закладывает основу для абстрактного мышления о широком спектре когнитивных процессов.
Самым существенным ограничением этой теории является ее текущая [ когда? ] нехватка деталей. Например, концепция инвариантности играет решающую роль; Хокинс постулирует « клетки имени » по крайней мере для некоторых из этих инвариантов. (См. также Neural ensemble#Encoding для бабушкиных нейронов , которые выполняют этот тип функции, и зеркальные нейроны для точки зрения соматосенсорной системы .) Но далеко не очевидно, как разработать математически строгое определение, которое будет нести требуемую концептуальную нагрузку через области, представленные Хокинсом. Аналогично, полная теория потребует достоверных подробностей как о краткосрочной динамике, так и о процессах обучения, которые позволят корковым слоям вести себя так, как заявлено.
IBM реализует модель Хокинса. [2]
Теория памяти-предсказания утверждает, что общий алгоритм используется всеми областями неокортекса. Теория породила ряд программных моделей, нацеленных на имитацию этого общего алгоритма с использованием иерархической структуры памяти. Год в списке ниже указывает на то, когда модель была обновлена в последний раз.
В следующих моделях используется распространение или пересмотр убеждений в односвязных байесовских сетях .