迪利普·乔治

构建智能AI必须先理解大脑的计算原理，像“蓝脑计划”那样不理解原理、只堆砌生物细节的模拟行不通

“If you want to build the brain we definitely need to understand how it works. —— 如果你想构建大脑，我们绝对需要理解它是如何工作的。”

大脑并非被动的前馈处理器，而是持续将内部预期模型投射到外部输入上，感知是感觉输入与预期结合并解释差异的结果

“What we are seeing is not just a feed forward thing that just gets interpreted in in a few word party we are constantly projecting our expectations onto the world. —— 我们看到的不仅仅是经过几个词级处理的前馈信息，我们不断将预期投射到世界上。”

假设每个皮层柱编码一个二元概念变量，柱间连接编码概念间关系，柱内神经元结构与丘脑连接实现动态推理

“大脑皮层中的每个皮层柱可以被视为编码一个二元概念（如“边缘是否存在”）的变量。皮层柱之间的连接则编码了这些变量（概念）之间的关系”

感知与认知不可分割，有效的视觉模型不应只服务于分类，而应支持想象、操纵物体等自上而下的可控认知能力

“有效的视觉模型不应只服务于分类，而应能支持认知需求，例如在脑海中想象或操纵物体”

RCN在前馈结构基础上增加反馈与侧向连接，核心优势是能进行动态推理，而非像传统神经网络那样依赖训练时的摊销推理

“其核心优势在于能够进行动态推理，而非像传统神经网络那样依赖训练时的“摊销推理””

验证码是检验人类级泛化能力的理想基准，当前深度学习无法做到五岁孩子那样的零样本泛化，而破解验证码需要将局部证据置于全局上下文推理

“验证码设计初衷就是对人易、对机器难。一个五岁的孩子可以无需针对特定风格的训练就解决新的验证码，而当前的深度学习系统无法做到这种零样本泛化”

AI的核心问题是概念的可靠表示，若能构建系统可靠识别字母A的所有变体，就抓住了智能问题的根本

“The central problem in AI is what is the letter A. If you can build a system that reliably can detect all the variations of the letter A, you don't even need to go to the B and the C. —— AI的核心问题是‘字母A是什么’。如果你能构建一个系统可靠地检测出字母A的所有变体，你甚至不需要处理B和C。”