千腦理論是Jeff Hawkins在論文‘A Framework for Intelligence and Cortical Function Based on Grid Cells in the Neocortex’ [1] 中提出的一套理論想法。
作者從大腦關於空間位置認知的網格細胞(Grid cell) [2] 得到啟發，認為大腦新皮層對外界事物的認知存在一種類似的機制（認知地圖）。即對於物體的不同區域在大腦皮層中存在不同的神經元團體啟用。這些關於物體認知的所有不同神經元團體，共同構成了關於物體的認知——每個子團體處理得到一定的資訊(feature), 所有這些團體的資訊結合起來，形成關於物體更加綜合性的表征。
從經典理論來看，我們大腦以及一般人工神經網絡，對資訊的處理是接近端到端的，作者認為實際的情況可能更加復雜，輸入資訊的情況也更加多樣。
從大腦的視覺資訊處理來說，這種空間和相對空間性的資訊提取、感知和處理方式，被稱為Retinotopy [3] ， 已被廣泛證實和套用。但在對物體的其他知覺感知上，目前並不存在被證明的空間相關感知地圖。
從人工智能技術套用角度，作者這類提法在大型互聯網平台實際上有廣泛的套用，但顯然不是受所謂「千腦理論」的啟發。而是基於模型可解釋性、效能提升 以及 worst case scenario 兜底 等的需要。
在大型平台上，我們通常不是端到端的解決某任務，比如對使用者的授信、點選率估計，通常並非一端輸入使用者行為等特征數據，另一端輸出結果。而是，在輸入資訊方面，具有使用者行為、身份/工作、地理位置、社交互動等資訊，在模型方面，有對使用者的多個維度的畫像，包括 是否高收入、教育水平、消費傾向、娛樂品味等。在這些中間層的眾多模型 和 基礎特征之上 再綜合地構建業務所需的參數預測模型/策略。
從這個意義上講，所謂「千腦理論」一方面缺乏基礎科學事實的支持，另一方面在套用端，缺乏指導實踐的例子，而是「碰巧」在工業套用上達成了類似的現實。說的刻薄一點，這是一種'Not Even Wrong'的理論, 也難怪它在學術界和工業界並沒有引起太多嚴肅的討論。
參考
- ^ 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.
