On Intelligence读后感10篇
《On Intelligence》是一本由Jeff Hawkins / Sandra Blakeslee著作，Times Books出版的Hardcover图书，本书定价：USD 25.00，页数：261，文章吧小编精心整理的一些读者的读后感，希望对大家能有帮助。
《On Intelligence》读后感(一)：对AI有兴趣的人必读读物
在对大脑有一个基本认识之前，一切所谓机器学习人工智能都是耍流氓。这也是为什么各位大佬搞了这么多年却连个会走路的机器人都搞不出来的原因。谷歌最新的进展让人眼前一亮，脑科学的研究也成为了当今世界的热门乃至主流。
Jeff这本书对于it人理解生物机理，抽象ai底层模型很有借鉴意义，当然到numenta官网下载最新的htm白皮书和演示代码会让你上手更快。
但Jeff的理论仍有非常大的探索空间，诸如注意力原理，原始脑结构初始化，感知器动态信息流时间纬度的处理等关键环节仍然悬而未决。
无论如何，这本书作为对这个领域有严肃态度和激情的同学来说，是一本很好的起点，彻底refresh你对于这个领域的认知。更多的idea，还得靠大家自己努力探索啦。
《On Intelligence》读后感(二)：20120624
Mountcastle: common cortical algorithm
+p.120-125 (a new view of V1)
memory-prediction framework
+chapter 7 (creativity&mind/body)
.116
Therefore the neural activity corresponding to the mental perception of objects, such as spoken words, must last longer in time than the individual input patterns.This is just another way of reaching the same conclusion that the higher up in the cortex you go, the fewer changes over time you should see.[these two expressions are not really equivalent.]
ome features like emotions are realized in the old brain instead of the neocortex.
connectivity would be the biggest technical obstacle.
《On Intelligence》读后感(三)：人脑祛魅
Hawkings坚信人脑的基本原理是简单的，是可以通过一个简洁优雅的理论框架来解释清楚的。一旦我们找到了框架的真相，我们就可以创造出媲美人脑的智能机器。
然而，在真相揭露之前，人类可能会被大量无关紧要的细节所困扰。人类在细节领域长期耕耘，会发现更多的（无关）细节，这让人类越来越困扰。 Hawkings认为脑科学界长期以来缺少一个高屋建瓴的统一理论框。传统学者们认为人脑是如此复杂，主张我们应该分区域，分功能逐步理解：视觉，听觉，运动，逻辑，语言，等等。这种观点推动了fMRI技术的广泛应用。但作者认为这种研究思路是有问题的。他认为neocortex以一个统一的简单的算法来处理各种不同的信号：无论是语言，视听，触觉，等等。人脑cortex确实在不同功能区域结构略有不同，不是因为这些区域各自又不同的算法，而是这些区域的传感输入信号不同。这些信号会被同一个“算法”处理，但是不同的输入信号会导致不同的神经元连接。
大脑并不需要一个“中文”算法来处理中文，“英文”算法来处理英文，“数学”算法来做数学运算。所有这些脑功能最后都归结于一个统一的而又简单的算法。正是这个算法的简单性，导致了它适用于各种信号处理，导致了人类大脑具有很强的可塑性。
Hawkings在书中提出一个实验性的理论框架来解释“智能”。简单说来就是“记忆--预测”框架。(memory-prediction)。 作者认为，智能的表征不在于“智能行为”(intelligent behavior), 而在于能够做预测。作者不赞同图灵实验对智能的鉴定，因为图灵实验是基于行为的。
人如何做预测？作者认为通过记忆！可是记忆是基于过去经验事实的，那么如何预测当下，预测未来？ 作者认为我们的记忆具有序列性：我们的所有记忆其实都是一个序列。我们的所有记忆就是序列的序列。正因为我们记住了一个序列，所以我们看到序列中的一段，可以对下一段做预测。记忆--预测模型的另一重要基础是我们记住的是事物的不变量(invariane representation)。我们很少去记忆某一只狗长什么样，我们有一个关于狗的总体记忆模型。要做到不变量，hierarchy 就很重要：在hierarchy中，上层的代表稳定的，抽象的，概括的，下层的代表不稳定的，具体的，个别的。上层和下层之间有feedback loop。
其实这个模型和所谓的深度学习模型非常类似。例如，在图像识别的deep learning模型中，底层的模型是像素模型，向上是线条(edge)模型，再向上是parts, 再向上是一个事物的整体。有趣的是，作者在书中对于三层神经网络很不看好，他所在的时代多层神经网络还没有成功实现。Hinton等人的成功其实也就是此书出版后一两年的事。
作者觉得自己这个模型简洁而强大，概括起来就是spatial, temporal, hierarchical, associative, sequential, invariance，feedback loop, symmetric.
进而，作者开始解释“创造性”无非就是类比预测（analogy prediction)。 把已有的模式以出人意料的方式移植到新的领域。作者还试图解释想象力，幻觉，意识等意识活动。
最后，作者觉得大脑其实很简单，相信我们有能力制造出媲美人脑甚至超越人脑的智能机器。里面有关于智能汽车的讨论，十年以后来看，八九不离十。
《On Intelligence》读后感(四)：只有深刻理解大脑的人才能创造出真正智能的机器
因为进化的结果提供了无限试错的经验，可以节省很多时间去重新探索。
there are four attributes of neocortical memory that are fundamentally different from computer memory:
• The neocortex stores sequences of patterns.
• The neocortex recalls patterns auto-associatively.
• The neocortex stores patterns in an invariant form.
• The neocortex stores patterns in a hierarchy.
rediction, not behavior, is the proof of intelligence.
《On Intelligence》读后感(五)：inaccurate and misleading
The author knows little about artificial intelligence after 1990 and little about neuroscience whatsoever. His idea is interesting but lack of evidence. Don't read it if you want to learn something. It is entertaining, but i only made it to page 60.... i wonder if i should waste my time to finish it.
《On Intelligence》读后感(六)：没有压力地了解一个假设框架
慢慢悠悠地，终于把这本书读了两遍。Jeff Hawkins 的文字异常好读，大家的东西都是这样，既做到自己吃透了，还愿意支付沟通成本。实在喜欢。
难怪书名里唯一的实质性名词是 Intelligence，on 表达了这本书将全全地关注Intelligence。 一开始有点像和人工智能、神经网络和心理学领域的人搏斗，说清楚我这里是要用human brain的机理去做Intelligent machine，跟你们的都不一样。
核心概念是围绕neocortex开展的，也就是我不关心emotion，不关心irrational的东西，只看能做高级认知的部分。机理呢，很简单的几个概念，invariant representation---pattern,auto-associated memory, hierarchical world，invariant representation+current input --- memory ---prediction的大框架就有了。在他的论述中，我仿佛觉得读到了自己知道的东西，可是这才是他的贡献，是他形成了一个conceptual framework，我只是在其点拨下才悟到众多细节可以从这个角度梳理。
最后的章节放在怎么利用这个假设理论构建Intelligent machine，最终目的；以及是不是需要构建。
总而言之，本书信息量并不大，厚度主要来自详实的不厌其烦的解释和分析。
构建模型的角度和一些自传体式的论述，给我启发非常大。