千脑理论是Jeff Hawkins在论文‘A Framework for Intelligence and Cortical Function Based on Grid Cells in the Neocortex’ [1] 中提出的一套理论想法。
作者从大脑关于空间位置认知的网格细胞(Grid cell) [2] 得到启发，认为大脑新皮层对外界事物的认知存在一种类似的机制（认知地图）。即对于物体的不同区域在大脑皮层中存在不同的神经元团体激活。这些关于物体认知的所有不同神经元团体，共同构成了关于物体的认知——每个子团体处理得到一定的信息(feature), 所有这些团体的信息结合起来，形成关于物体更加综合性的表征。
从经典理论来看，我们大脑以及一般人工神经网络，对信息的处理是接近端到端的，作者认为实际的情况可能更加复杂，输入信息的情况也更加多样。
从大脑的视觉信息处理来说，这种空间和相对空间性的信息提取、感知和处理方式，被称为Retinotopy [3] ， 已被广泛证实和应用。但在对物体的其他知觉感知上，目前并不存在被证明的空间相关感知地图。
从人工智能技术应用角度，作者这类提法在大型互联网平台实际上有广泛的应用，但显然不是受所谓「千脑理论」的启发。而是基于模型可解释性、性能提升 以及 worst case scenario 兜底 等的需要。
在大型平台上，我们通常不是端到端的解决某任务，比如对用户的授信、点击率估计，通常并非一端输入用户行为等特征数据，另一端输出结果。而是，在输入信息方面，具有用户行为、身份/工作、地理位置、社交交互等信息，在模型方面，有对用户的多个维度的画像，包括 是否高收入、教育水平、消费倾向、娱乐品味等。在这些中间层的众多模型 和 基础特征之上 再综合地构建业务所需的参数预测模型/策略。
从这个意义上讲，所谓「千脑理论」一方面缺乏基础科学事实的支持，另一方面在应用端，缺乏指导实践的例子，而是「碰巧」在工业应用上达成了类似的现实。说的刻薄一点，这是一种'Not Even Wrong'的理论, 也难怪它在学术界和工业界并没有引起太多严肃的讨论。
参考
- ^ Hawkins, J., Lewis, M., Klukas, M., Purdy, S., & Ahmad, S. (2019). A framework for intelligence and cortical function based on grid cells in the neocortex. Frontiers in neural circuits, 121.
- ^ Hafting, T., Fyhn, M., Molden, S., Moser, M. B., & Moser, E. I. (2005). Microstructure of a spatial map in the entorhinal cortex. Nature, 436(7052), 801-806.
- ^ Epstein, R. A., Patai, E. Z., Julian, J. B., & Spiers, H. J. (2017). The cognitive map in humans: spatial navigation and beyond. Nature neuroscience, 20(11), 1504-1513.
