脑皮层学习算法：NUPIC的深入研究（第一部分）

1.nupic简介

1.1 背景

说到人工智能时, 大家自然会联想到诸如深度学习、TensorFlow之类的工具和技术. 就目前而言, 深层神经网络在人工智能领域占据着半壁江山. 就其本质而言, 深度学习所表述的神经网络其实源于一个"类脑"概念——通过模仿人类大脑中神经元之间的相互连接机制, 并结合了权重、反向传播等数学原理所构建而成. 然而, 深度学习中的神经网络在功能上与真实的人类大脑存在显著差异.

该平台名为nupic，在github上公开源代码。相较于传统的深度学习方法，其算法设计灵感来源于严格的生物神经科学原理。其算法的核心理念包括突触连接、分解机制以及神经元之间的相互作用等基本要素，并且还涉及多个脑皮层区域之间的交互过程。在工程实现层面也是遵循这一设计理念。

nupic是由Jeff Hawkins及其团队开发的一种算法设计体系,旨在生成与真实人脑运行机制更加贴近的人工智能系统。该理论的核心依据源自人类大脑中负责高级认知活动的新皮层组织运行规律的研究成果.尽管当前版本的nupic还无法完全模拟人类大脑的整体运作,但相较于以往的人工智能模型,这一进展在机器学习领域已经达到了重要的里程碑阶段

在众多开源机器学习算法中，并非仅限于NuPIC这一种算法具有独特性。

若某人在 wake-up scenario 中突然意识到周围某些原本被认为是