可通过创建具有分级架构的有效存储器系统来构造复杂的存储器系统和智能机器。具体来说，一种系统可包括布置成分级结构的多个个别皮层处理单元。每一个别皮层处理单元接收图案序列作为输入。每一皮层处理单元使用含有先前遇到的具有结构的序列的存储器来处理所述接收的输入图案序列，并输出另一图案。因为皮层处理单元处理若干输入序列，其将因此在其输出上产生图案序列。其输出上的所述图案序列可作为输入传递到所述分级的下一较高层中的一个或一个以上皮层处理单元。最低层的皮层处理单元可从外部世界接收感觉输入。所述感觉输入也包括图案序列。
【技术实现步骤摘要】
【国外来华专利技术】本专利技术涉及存储器系统和机器智能的领域。特定来说，本专利技术揭示用于实施展现出 机器智能的存储器系统的方法、设备和架构。
技术介绍
人工智能(AI)领域已经存在超过五十年。从人工智能研究中已经产生许多有用的 程序，例如专家系统、熟练的游戏程序和基于神经网络的图案匹配系统。由于现代计算 机系统的显著的计算能力，所述程序中的许多程序可实现人类不可能相比的技能。然而， 任何计算机程序都从未展示出甚至小孩的大脑所展现出的那种类型的理解。有两种主要的人工智能研究流派经典人工智能研究和神经网络研究。这两种主要的人工智能研究流派在如何解决尝试产生机器智能的问题上有所不同。两种流派的主要 差别是这两种人工智能研究流派如何涉及关于人脑的己知信息。经典人工智能支持者没有尝试考查或复制人脑运作的方式。经典人工智能的支持者 尝试以不并入对人脑如何实际工作的任何基础理解的方式创建模仿基本人类行为或问题 解决的程序。追随经典人工智能研究思想流派的人感到他们不应当受到自然界所发现的 特定解决方案的限制。由于我们制造了并非以鸟类飞行的方式运作的飞行器而且我们制 造了并非以猎豹奔跑的方式运作的快速的陆地行进器，因此这种思想流派得到一些共鸣。为产生经典人工智能，程序员考查待解决的问题或待模仿的人类行为，并接着确定 对于所述问题的算法解决方案。程序员接着在计算机软件中编码算法解决方案。经典人 工智能程序的实例包含国际象棋程序和专家系统程序。这些程序分别使用由人类专家创 建的算法解决方案和一组规则来解决复杂问题。然而，这些程序通常没有学习能力。这 些程序只能处理已处理的单个问题。而且这些人工智能程序也不能基于并入此类程序的 知识进行归纳，以便处理全新的输入数据。神经网络支持者已尝试通过复制互连神经单元的运作来创建有限的智能系统。有一 个大的知识主体，其描述个别的神经单元(神经元)如何操作和连接的神经元如何相互作用。神经网络支持者已基于此种关于神经元运作的知识建立称为神经网络的系统。 因此，神经网络系统以类似于一组互连神经元的方式运作。神经网络研究者因此常称为 连接主义者。神经元间连接强度称为突触权重，且用于存储学习到的知识。在使用神经网络之前，必须首先用一组训练信息来训练神经网络。训练信息由具有 相关输出向量的输入向量组成，所述输出向量被视为针对相关输入向量的正确输出。在 训练期间，对神经网络中各种模拟神经元之间的连接进行调节，使得输入向量产生相关 的输出向量(或紧密的近似)。一旦训练完毕，便通过向神经网络提供一个新输入向量以产生输出向量来使用神经 网络。通过适当的神经网络设计和充足的训练数据，神经网络应该能针对给定输入向量 产生适当的输出向量。己证实神经网络在某些有限的应用中是有用的。尽管关于神经网络己获得一些有限的成功，但多数神经网络系统是相对原始的。多 数神经网络系统只是具有一组输入节点、 一组中间节点(也称为隐藏节点)和一组输 出节点的三层结构。尽管神经网络系统能够在很简单的意义上进行学习，并展现出有 限的概括能力，但明显没有对现实的真正理解。神经网络系统仅仅产生将训练输入向量 最佳映射到相关训练输出向量的内部函数。因此，神经网络仅能够通过将内部函数应用 于新输入向量而以有限意义来进行归纳。为了真正推动人工智能领域，将期望用于人工智能的新的范例。由于我们没有完全 理解智能的本质，因此经典人工智能方法很可能己经失败。而且如果不理解智能的本质， 如何期望在计算机程序中对智能进行编码？由于神经网络通常仅仿效相对少量的互连神 经元且以忽略大脑的多数复杂解剖学的方式来进行，因此神经网络方法提供的结果非常 有限。由于当前估计假定人脑的大脑皮层含有大约三百亿神经元，因此此类简单的神经 网络将永远无法提供人脑展现出的真正智能。因此，为推进人工智能的技术现状，将期 望从事一种可避免当前主要方法的问题的新方法。
技术实现思路
本专利技术提议通过构造具有分级架构的存储器系统来创建复杂的存储器系统和智能机 器。具体来说， 一种系统可包括布置成分级结构的多个个别皮层处理单元。每一个别皮 层处理单元接收图案序列作为输入。每一皮层处理单元处理所述接收的输入图案序列， 并输出另一图案。在皮层处理单元处理若干输入序列时，其将因此在其输出上产生图案 序列。其输出上的所述图案序列可作为输入传递到所述分级的下一较高层中的一个或一个以上皮层处理单元。皮层处理单元的最低层可从外部世界接收感觉输入。所述感觉输 入也包括图案序列。每一个别皮层处理单元包含用于帮助处理输入上接收到的图案序列的存储器。所述 存储器可包括先前遇到的含有结构的图案序列。如果遇到所述图案序列一次以上，那么 将输入图案序列视为含有结构。个别皮层处理单元可使用存储的含有结构的图案序列， 以便稍后辨识输入流中的这种具有结构的序列。当皮层处理单元辨识出先前遇到的图案序列时，皮层处理单元可将此辨识报告给较 高层皮层处理单元。对较高层皮层处理单元的输出可包括所辨识的图案序列的识别符。 随着时间，含有所辨识序列的识别符的输出流本身包括图案序列。所述输出图案流可包 括将由下一较高皮层处理单元层中的皮层处理单元以类似方式处理的输入。可将一个以 上较低层皮层处理单元的输出连结在一起，使得连结的输出形成可处理的图案序列。皮层处理单元也可使用记忆的图案序列，以便做出关于传入序列的预测，以便解决 不明确的信息。具体来说，当皮层处理单元确定其当前正接收已知序列时，那么皮层处 理单元可预测序列中将接收的下一图案。处理单元可使用预测来解释接收到的下一图案。举例来说，如果进入皮层处理单元的输入流是不明确的，那么所述皮层处理单元可使用 预测图案来帮助识别下一输入图案。皮层处理单元可进一步将预测的下一图案向下提供到下一较低皮层处理单元。较低 皮层处理单元可将此解释为所述较低单元将遇到(且因此输出到较高层)的下一序列的 预测。此预测信息可包括帮助较低皮层处理单元层正确识别下一序列的信息。也可将预测信息视为对外部世界中将发生事情的有用预测。而且如果传入的图案明 显不同于预测图案或者传入的图案序列明显不同于预测的图案序列，那么就存在预测失 败。预测失败的发生可传输到较高层中的皮层处理单元。较高层中的皮层处理单元可能 能够解决错误。可以用许多不同方法解决检测到的错误。解决错误的一种方法是通过存 储新的图案序列来调整皮层分级的世界模型。通过附图且通过以下详细描述中将明了本专利技术的其它目的、特征和优点。附图说明所属领域的技术人员根据以下详细描述将明了本专利技术的目的、特征和优点，其中 图1说明大脑的与辨识形式和识别物体有关的视觉处理部分的概念图。 图2A说明用于图1的人类视觉处理系统的修正分级图。图2B说明用于图1的人类视觉处理系统的替代分级图。图2C说明具有局部预测反馈的图2A的替代分级图。图2D说明具有从较高层传递到较低层的预测的图2A的替代分级图。图3A说明由原型程序机器智能程序考虑的有限视觉世界中的像素栅格。图3B说明图3A的像素栅格，其中像素栅格已被划分为每一者将被个别处理单元考査的一组64个4乘4像素的像素片。图3C说明图3B的像素栅格，其中64个像素片被组成为四个的群组，以形成由第二处理单元层的16个处理单元考査的16个元片。图4说明用于图3A到3C说本文档来自技高网...
【技术保护点】
一种存储器系统，所述存储器系统包括：分级，其包括多个皮层处理单元，每一所述皮层处理单元包括第一输出，所述第一输出用于输出第一组图案信息；第一输入，其用于接收第二组图案信息，所述第一输入耦合到感觉单元或来自另一皮层处理单元的第一输出；存储器，所述存储器存储关于可能在所述第一输入上的所述第二组图案信息中出现的图案的信息；和处理方法，所述处理方法将所述第一输入上的所述第二组图案信息与关于存储在所述存储器中的图案的所述信息进行比较。
【技术特征摘要】
【国外来华专利技术】US 2004-12-10 11/010,2431.一种存储器系统，所述存储器系统包括分级，其包括多个皮层处理单元，每一所述皮层处理单元包括第一输出，所述第一输出用于输出第一组图案信息；第一输入，其用于接收第二组图案信息，所述第一输入耦合到感觉单元或来自另一皮层处理单元的第一输出；存储器，所述存储器存储关于可能在所述第一输入上的所述第二组图案信息中出现的图案的信息；和处理方法，所述处理方法将所述第一输入上的所述第二组图案信息与关于存储在所述存储器中的图案的所述信息进行比较。2. 根据权利要求1所述的存储器系统感觉单元，所述感觉单元产生第3. 根据权利要求2所述的存储器系统， 述感觉单元。4. 根据权利要求1所述的存储器系统，其中最低层的所述皮层处理单元分级耦合到所其中所述图案信息包括图案序列。5. 根据权利要求l所述的存储器系统，其中含有关于所辨识图案的信息的所述存储器 包括已经在所述输入上重复的一组图案序列。6. 根据权利要求1所述的存储器系统，所述存储器系统进一步包括第二输入，所述第二输入用于接收来自所述分级的较高层中的皮层处理单元的预 测。7. 根据权利要求6所述的存储器系统，其中所述预测包括关于所述存储器中的图案的{曰息。8. 根据权利要求6所述的存储器系统，其中所述预测包括所预期的下一序列图案的识 别符。9. 根据权利要求l所述的存储器系统，所述存储器系统进一步包括第二输出，所述第二输出包括预测信息。10. 根据权利要求9所述的存储器系统，其中所述第二输出耦合到所述分级的较低层中 的皮层处理单元。11. 根据权利要求9所述的存储器系统，其中所述第二输出耦合到所述分级的较低层中 的皮层处理单元。12. —种系统，其包括模块的第一级别，所述模块每一者经布置以存储图案序列；和 至少一个模块的第二级别，所述至少一个模块经布置以存储图案序列，其中所述模块的第一级别和所述至少一个模块的第二级别形成贝叶斯网络结构的至少一部分，其中，至少部分取决于存储在所述模块的第一级别中和所述至少一个模块的第二 级别中的图案序列，可通过穿过所述贝叶斯网络结构的可信度传播来确定促成至少 一...
【专利技术属性】
技术研发人员：杰弗里霍金斯，迪利普乔治，
申请(专利权)人：努门塔公司，
类型：发明
国别省市：US[美国]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。