千脑系统：用于快速、稳健学习和推理的感知运动智能

《IEEE Transactions on Neural Networks and Learning Systems》：Thousand-Brains Systems: Sensorimotor Intelligence for Rapid, Robust Learning and Inference

　　

摘要：

当前的人工智能系统在许多任务上取得了令人印象深刻的性能，但它们缺乏生物智能的核心属性，包括快速、持续的学习能力、基于感觉运动交互的表征方式，以及能够实现高效泛化的结构化知识。神经科学理论认为，哺乳动物通过复制一个半独立的、称为“皮层柱”的感觉运动模块，进化出了灵活的智能。为了解决生物智能与人工智能之间的差距，提出了“千脑系统”（Thousand Brains）来模拟皮层柱及其交互的架构。在我们的研究中，我们评估了“Monty”这一首个千脑系统的实现方式所具有的独特特性。我们重点关注3D物体感知，特别是物体识别和姿态估计的结合任务。利用YCB家庭物品数据集，我们首先评估了Monty如何利用感觉运动学习来构建结构化表征，发现这些表征能够实现稳健的泛化能力。这些表征强调通过物体的整体形状进行分类，并且具备自然地检测物体对称性的能力。接着，我们探讨了Monty如何使用无模型和基于模型的策略来支持原则性的运动，从而实现快速推理。我们发现，这样的策略补充了Monty的模块化架构，该设计允许模块之间的通信，通过一种新颖的投票算法进一步加速推理速度。最后，我们研究了Monty如何利用类似赫布（Hebbian）的关联机制来实现快速、持续且计算效率高的学习，这些特性与当前深度学习架构相比具有优势。尽管Monty仍处于发展的初期阶段，但这些发现支持了千脑系统作为一种强大且有前景的新人工智能方法，并强调了感觉运动学习在开发智能系统中的重要性...

显示更多