Hierarchical Temporal Memory（NTM）およびその自己学習アルゴリズム

人工知能の質問に興味があるすべてのHabrazhitelにこんにちは！ すべては過去の祝日です！ 次のステップに進みましょう。



昨年末に、私は最新バージョンのHierarchical Temporal Memory（HTM）ドキュメントの翻訳を終了しました 。これは現在、 Numenta.comのオリジナルの隣にあります。



それは何ですか？なぜそれがすべてですか？ これは、悪名高いジェフホーキンスの仲間の最新の開発であり、大脳皮質の個々の層の働きをシミュレートしています。 このギズモを使用すると（すべてが正しくない場合）、入力データストリームから類似のイベントとそのシーケンスを抽出し 、それらを認識および予測できます。 詳細に興味のあるすべての人に、habrakatの下で歓迎されるようお願いします。





ここでジェフの話を百回目と十回目にするのは無意味ですが、誰かが彼の本「知性について」（「知性について」、インターネットが配信します）をまだ読んでいないなら、それを読むことをお勧めします。あなたは霧がかかっています（必要な場合）。



提示されたドキュメントでは、Hierarchical Temporal Memory（NTM） の構築とその皮質（つまり、「脳のような」、許してください、O Great and Mighty）学習アルゴリズムが完全に説明されています。 著者（および翻訳者）は、推奨される「実践」の精神で、すべてを非常に明確かつ詳細に説明しようとしました。 これには、ハイヤーマインドとの接触に関する事前の知識は必要ないと思われます。 さらに、AIフォーラムの1つでこの翻訳を実行した経験によると、トピックに関する断片化知識の存在は過度の（共同）疑わしさを生み、実際には何もすることができず、それはhabrayuzerであるEIの腐敗につながります。



それにも関わらず、 神経生理学に関心のあるすべての人々にとって、「そこにある実際の脳にどのように配置されているのですか？」自然な、思考する脳の本当のニューロン。 特に、仮説が提唱されています。大脳皮質には一般に6つの層（または一部の場所では）があり、そこで何が行われるのか。



一般的に、理論家と実践者の両方にとってAIのトピックに関する非常に興味深い作品です。 例えば、 KohonenのSOMのように、 やがてこの分野で一種の「クラシック」になることを提案しようと思います。 Numentaは、記載されているシステムとアルゴリズムの開発を継続し、可能な場合はそれらを宣伝します。この分野での成果（スタートアップ）



著者としてのすべての人とそれらに参加した翻訳者は、提示されたドキュメントがAIの分野だけでなく、あなたの開発においても役立つことを心から願っています。



（もしそうなら、Habrの最初の出版物である多くを蹴らないでください。）