6 Καλύτερα Βιβλία Μηχανικής Μάθησης & AI Όλων των Εποχών

Ο κόσμος του AI μπορεί να είναι απειλητικός λόγω της ορολογίας και των διαφόρων αλγορίθμων μηχανικής μάθησης που είναι διαθέσιμοι. Μετά από ανάγνωση περισσότερων από 50 βιβλίων που συνιστώνται για τη μηχανική μάθηση, έχω συγκεντρώσει μια προσωπική λίστα με τα βιβλία που πρέπει να διαβαστούν.

Τα βιβλία που επιλέχθηκαν βασίζονται στα είδη ιδεών που εισαγωγούν και στο πώς παρουσιάζονται οι διάφορες έννοιες όπως η βαθιά μάθηση, η ενισχυτική μάθηση και οι γενετικοί αλγόριθμοι. Το πιο σημαντικό, η λίστα βασίζεται στα βιβλία που ανοίγουν τον δρόμο για τους μελλοντολόγους και τους ερευνητές να κατασκευάσουν προβλέψιμα υπεύθυνα και εξηγήσιμα AI.

#6. Πώς Λειτουργεί το AI: Από τη Μαγεία στην Επιστήμη του Ronald T. Kneusel

Το “Πώς Λειτουργεί το AI” είναι ένα συντομό και σαφές βιβλίο που σχεδιάστηκε για να περιγράψει τις βασικές αρχές της μηχανικής μάθησης. Αυτό το βιβλίο διευκολύνει την μάθηση για την πλούσια ιστορία της μηχανικής μάθησης, ξεκινώντας από την αρχή των παλαιών συστημάτων AI μέχρι την έλευση των σύγχρονων μεθόδων.

Η ιστορία είναι στρωμένη, ξεκινώντας με τα καλά θεμελιωμένα συστήματα AI όπως τα υποστηρικτικά διανύσματα, τα δέντρα απόφασης και τα τυχαία δάση. Αυτά τα πρώιμα συστήματα άνοιξαν τον δρόμο για επαναστατικές προόδους, οδηγώντας στην ανάπτυξη πιο εξελιγμένων προσεγγίσεων όπως τα νευρωνικά δίκτυα και τα συζυγικά νευρωνικά δίκτυα. Το βιβλίο συζητά τις απίστευτες ικανότητες που προσφέρονται από τα Μεγάλα Γλωσσικά Μοντέλα (LLMs), τα οποία είναι η δύναμη πίσω από τα σύγχρονα Γλωσσικά Μοντέλα.

Η κατανόηση των βασικών εννοιών, όπως το πώς η τεχνολογία θορύβου-εικόνας μπορεί να αναπαράγει υπάρχουσες εικόνες και ακόμη και να δημιουργήσει νέες, απρόβλεπτες εικόνες από τυχαίους προωθήσεις, είναι κρίσιμη για την κατανόηση των δυνάμεων που ωθούν τις σημερινές γεννήτριες εικόνων. Αυτό το βιβλίο εξηγεί αυτές τις βασικές έννοιες, επιτρέποντας στους αναγνώστες να κατανοήσουν τις复잡ές και τις υποκείμενες μηχανές των τεχνολογιών γεννήτριας εικόνας.

Ο Ron Kneusel, ο συγγραφέας, δείχνει αξιοθαύμαστη προσπάθεια στην εξήγηση των απόψεών του για το γιατί το ChatGPT της OpenAI και το μοντέλο LLM σηματοδοτούν την αρχή του αληθινού AI. Παρουσιάζει μελετά how τα διαφορετικά LLMs εμφανίζουν εμβρυϊκές ιδιότητες που μπορούν να κατανοήσουν ενστικτωδώς τη θεωρία του νου. Αυτές οι εμβρυϊκές ιδιότητες φαίνεται να γίνονται πιο εμφανείς και επιρρεπείς με βάση το μέγεθος του μοντέλου εκπαίδευσης. Ο Kneusel συζητά πώς ένα μεγαλύτερο ποσό παραμέτρων συνήθως οδηγεί στα πιο ικανά και επιτυχημένα LLMs, παρέχοντας βαθύτερες γνώσεις για τη δυναμική και την αποτελεσματικότητα αυτών των μοντέλων.

Αυτό το βιβλίο είναι ένας φάρος για όσους θέλουν να μάθουν περισσότερα για τον κόσμο του AI, προσφέροντας μια λεπτομερή αλλά κατανοητή επισκόπηση της εξελικτικής πορείας των τεχνολογιών μηχανικής μάθησης, από τις αρχικές μορφές τους μέχρι τις πρωτοπόρες οντότητες της σημερινής εποχής. Αν είσαι αρχάριος ή κάποιος με σημαντική γνώση του θέματος, το “Πώς Λειτουργεί το AI” σχεδιάστηκε για να σας προσφέρει μια εξευγενισμένη κατανόηση των μετασχηματιστικών τεχνολογιών που συνεχίζουν να διαμορφώνουν τον κόσμο μας.

#5. Ζωή 3.0 του Max Tegmark

Το “Ζωή 3.0” έχει ένα φιλόδοξο στόχο, να εξερευνήσει τις δυνατότητες της συνύπαρξης μας με το AI στο μέλλον. Η Γενική Νοημοσύνη (AGI) είναι το τελικό και αναπόφευκτο αποτέλεσμα του επιχειρήματος της “νοητικής έκρηξης” που έγινε από τον Βρετανό μαθηματικό Irving Good το 1965. Αυτό το επιχείρημα ορίζει ότι η υπεράνθρωπη νοημοσύνη θα είναι το αποτέλεσμα μιας μηχανής που μπορεί να αυτοβελτιώνεται συνεχώς. Η διάσημη φράση για τη νοητική έκρηξη είναι η ακόλουθη:

“Ας οριστεί μια υπερεπεξεργαστική μηχανή ως μια μηχανή που μπορεί να υπερβεί όλες τις πνευματικές δραστηριότητες του ανθρώπου, όσο έξυπνος και να είναι.既然 η σχεδίαση μηχανών είναι μια από αυτές τις πνευματικές δραστηριότητες, μια υπερεπεξεργαστική μηχανή θα μπορούσε να σχεδιάσει ακόμη καλύτερες μηχανές· θα υπήρχε, λοιπόν, αναμφισβήτητα μια ‘νοητική έκρηξη’ και η νοημοσύνη του ανθρώπου θα είχε μείνει πολύ πίσω. Έτσι, η πρώτη υπερεπεξεργαστική μηχανή είναι η τελευταία εφεύρεση που ο άνθρωπος πρέπει να κάνει.”

Ο Max Tegmark εκτοξεύει το βιβλίο σε ένα θεωρητικό μέλλον που ζούμε σε ένα κόσμο που ελέγχεται από μια AGI. Από εκείνη τη στιγμή, εκρηκτικές ερωτήσεις τέθηκαν, όπως τι είναι η νοημοσύνη; Τι είναι η μνήμη; Τι είναι η επεξεργασία; και τι είναι η μάθηση; Πώς αυτές οι ερωτήσεις και πιθανές απαντήσεις οδηγούν τελικά στο парадίγμα μιας μηχανής που μπορεί να χρησιμοποιήσει διάφορους τύπους μηχανικής μάθησης για να επιτύχει τα επιτεύγματα στην αυτοβελτίωση που απαιτούνται για να επιτύχει ανθρώπινη νοημοσύνη και την αναπόφευκτη υπερνοημοσύνη;

Αυτές είναι οι ερωτήσεις που εξερευνούνται στο “Ζωή 3.0”. Η Ζωή 1.0 είναι απλές μορφές ζωής, όπως τα βακτήρια, που μπορούν να αλλάξουν μόνο μέσω της εξέλιξης που τροποποιεί το DNA τους. Η Ζωή 2.0 είναι μορφές ζωής που μπορούν να ξανασχεδιάσουν το δικό τους λογισμικό, όπως η μάθηση μιας νέας γλώσσας ή δεξιοτήτων. Η Ζωή 3.0 είναι ένα AI που μπορεί να τροποποιήσει όχι μόνο τη δική του συμπεριφορά και δεξιότητες, αλλά και το δικό του υλικό, για παράδειγμα, αναβαθμίζοντας το ρομποτικό εαυτό του.

Μόνο όταν κατανοήσουμε τα οφέλη και τα πιθανα κίνδυνοι μιας AGI, μπορούμε να αρχίσουμε να εξετάζουμε επιλογές για να διασφαλίσουμε ότι χτίζουμε ένα φιλικό AI που μπορεί να ευθυγραμμίσει με τους στόχους μας. Για να το κάνουμε αυτό, μπορεί να χρειαστεί να κατανοήσουμε τι είναι η συνείδηση; και πώς θα διαφέρει η συνείδηση του AI από τη δική μας;

Υπάρχουν πολλά ζεστά θέματα που εξερευνούνται σε αυτό το βιβλίο, και θα πρέπει να είναι υποχρεωτική ανάγνωση για όσους真正 θέλουν να κατανοήσουν πώς η AGI είναι ένα πιθανό κίνδυνος, καθώς και ένα πιθανό σωτήριο για το μέλλον της ανθρώπινης πολιτισμού.

#4. Ανθρώπινα Συμβατά: Τεχνητή Νοημοσύνη και το Πρόβλημα του Ελέγχου του Stuart Russell

Τι συμβαίνει αν επιτύχουμε να χτίσουμε ένα έξυπνο πράγμα, κάτι που αντιλαμβάνεται, που ενεργεί και είναι πιο έξυπνο από τους δημιουργούς του; Πώς θα πείσουμε τις μηχανές να επιτύχουν τους στόχους μας αντί για τους δικούς τους στόχους;

Το παραπάνω οδηγεί σε μια από τις πιο σημαντικές έννοιες του βιβλίου “Ανθρώπινα Συμβατά: Τεχνητή Νοημοσύνη και το Πρόβλημα του Ελέγχου” ότι πρέπει να αποφύγουμε “τοποθέτηση ενός σκοπού στη μηχανή”, όπως είπε ο Norbert Wiener. Μια έξυπνη μηχανή που είναι πολύ βέβαιη για τους σταθερούς στόχους της είναι ο απόλυτος τύπος επικίνδυνου AI. Με άλλα λόγια, αν το AI γίνει απρόθυμο να εξετάσει την πιθανότητα ότι είναι λάθος στην εκτέλεση του προγραμματισμένου σκοπού και λειτουργίας, τότε μπορεί να είναι αδύνατο να έχουμε το σύστημα AI να σταματήσει τον εαυτό του.

Η δυσκολία, όπως περιγράφεται από τον Stuart Russell, είναι να οδηγήσουμε το AI/ρομποτικό ότι καμία εντολή δεν προορίζεται να επιτευχθεί με οποιοδήποτε κόστος. Δεν είναι εντάξει να θυσιάσουμε την ανθρώπινη ζωή για να φέρουμε ένα καφέ ή να ψήσουμε τη γάτα για να προμηθευτούμε το μεσημεριανό γεύμα. Πρέπει να κατανοηθεί ότι “πάρτε με στο αεροδρόμιο όσο γρήγορα γίνεται” δεν σημαίνει ότι οι νόμοι ταχύτητας μπορούν να παραβιαστούν, ακόμη και αν αυτή η εντολή δεν είναι ρητή. Αν το AI λάθος, τότε το ασφαλές είναι ένα προγραμματισμένο επίπεδο αβεβαιότητας. Με κάποια αβεβαιότητα, το AI μπορεί να αμφισβητήσει τον εαυτό του πριν ολοκληρώσει μια εργασία, για να ζητήσειelleicht να ζητήσει λεκτική επιβεβαίωση.

Σε ένα έγγραφο του 1965 με τίτλο “Speculations Concerning the First Ultraintelligence Machine”, ο I.J Good, ένας εξαιρετικός μαθηματικός που δούλεψε μαζί με τον Alan Turing, ανέφερε: “Η επιβίωση του ανθρώπου εξαρτάται από την πρώιμη κατασκευή μιας υπερεπεξεργαστικής μηχανής”. Είναι εντελώς πιθανό ότι για να σωθούμε από οικολογικές, βιολογικές και ανθρωπιστικές καταστροφές, πρέπει να χτίσουμε το πιο εξελιγμένο AI που μπορούμε.

Αυτό το σεμινάριο εξηγεί την νοητική έκρηξη, αυτή η θεωρία ότι μια υπερεπεξεργαστική μηχανή μπορεί να σχεδιάσει ακόμη καλύτερες και ανώτερες μηχανές με κάθε επανάληψη, και αυτό αναπόφευκτα οδηγεί στη δημιουργία μιας AGI. Ενώ η AGI μπορεί αρχικά να είναι ίση με την ανθρώπινη νοημοσύνη, θα υπερβεί τους ανθρώπους σε σύντομο χρονικό διάστημα. Λόγω αυτού του προκαθορισμένου αποτελέσματος, είναι σημαντικό για τους dévelopers του AI να υλοποιήσουν τις βασικές αρχές που μοιράζονται σε αυτό το βιβλίο και να μάθουν πώς να εφαρμόσουν ασφαλώς αυτές τις αρχές για να σχεδιάσουν συστήματα AI που είναι ικανοί όχι μόνο να εξυπηρετούν τους ανθρώπους, αλλά και να σώζουν τους ανθρώπους από τους εαυτούς τους.

Όπως περιγράφεται από τον Stuart Russell, η υποχώρηση από την έρευνα του AI δεν είναι μια επιλογή, πρέπει να προχωρήσουμε. Αυτό το βιβλίο είναι ένας χάρτης για να μας οδηγήσει στη σχεδίαση ασφαλών, υπεύθυνων και προβλέψιμων συστημάτων AI.

#3. Πώς να Δημιουργήσετε einen Νου του Ray Kurzweil

Ο Ray Kurzweil είναι ένας από τους κορυφαίους εφευρέτες, σκέπτες και μελλοντολόγους, έχει ονομαστεί “ο ακατάπαυστος γένος” από το The Wall Street Journal και “η απόλυτη σκέψη μηχανή” από το Forbes. Είναι επίσης συνιδρυτής του Singularity University και είναι πιο γνωστός για το βιβλίο του “Η Σημερινή Μελλοντικός”. Το “Πώς να Δημιουργήσετε einen Νου” αντιμετωπίζει λιγότερο τα θέματα της εκθετικής ανάπτυξης που είναι τα χαρακτηριστικά του άλλου έργου του, αντίθετα, επικεντρώνεται σε πώς πρέπει να κατανοήσουμε τον ανθρώπινο εγκέφαλο για να αντίστροφα σχεδιάσουμε τον απόλυτο σκέπτη μηχανή.

Μια από τις βασικές αρχές που περιγράφονται σε αυτό το σεμινάριο είναι πώς λειτουργεί η αναγνώριση προτύπων στον ανθρώπινο εγκέφαλο. Πώς οι άνθρωποι αναγνωρίζουν πρότυπα στην καθημερινή ζωή; Πώς σχηματίζονται αυτές οι συνδέσεις στον εγκέφαλο; Το βιβλίο αρχίζει με την κατανόηση της ιεραρχικής σκέψης, αυτή είναι η κατανόηση μιας δομής που αποτελείται από διαφορετικά στοιχεία που είναι διατεταγμένα σε ένα πρότυπο, αυτή η διάταξη αντιπροσωπεύει ένα σύμβολο όπως ένα γράμμα ή χαρακτήρας, και στη συνέχεια αυτό είναιさらに διατεταγμένο σε ένα πιο προηγμένο πρότυπο όπως μια λέξη, και τελικά μια πρόταση. Τελικά, αυτά τα πρότυπα σχηματίζουν ιδέες, και αυτές οι ιδέες μετατρέπονται στα προϊόντα που οι άνθρωποι είναι υπεύθυνοι για να χτίσουν.

Καθώς είναι ένα βιβλίο του Ray Kurzweil, δεν χρειάζεται πολύ χρόνο trước από την εισαγωγή της εκθετικής σκέψης. Η “Νόμος της Επιταχυνόμενης Επιστροφής” είναι ένα χαρακτηριστικό αυτού του σεμιναρίου. Αυτή η νόμος δείχνει πώς οι τεχνολογίες και ο ρυθμός της επιτάχυνσης είναι επιταχυνόμενος λόγω της τάσης για προόδους να θρέφονται από τον εαυτό τους, αυξάνοντας ακόμη περισσότερο τον ρυθμό της προόδου. Αυτή η σκέψη μπορεί να εφαρμοστεί σε πώς γρήγορα μαθαίνουμε να κατανοούμε και να αντίστροφα σχεδιάζουμε τον ανθρώπινο εγκέφαλο. Αυτή η επιταχυνόμενη κατανόηση των συστημάτων αναγνώρισης προτύπων στον ανθρώπινο εγκέφαλο μπορεί να εφαρμοστεί για να χτιστεί ένα σύστημα AGI.

Αυτό το βιβλίο ήταν τόσο μετασχηματιστικό για το μέλλον του AI, που ο Eric Schmidt προσέλαβε τον Ray Kurzweil για να εργαστεί σε έργα AI μετά την ανάγνωση αυτού του σεμιναρίου. Είναι αδύνατο να περιγράψω όλες τις ιδέες και τις έννοιες που συζητούνται σε ένα σύντομο άρθρο, ωστόσο, είναι ένα απαραίτητο βιβλίο για να κατανοήσουμε πώς λειτουργούν τα ανθρώπινα νευρωνικά δίκτυα για να σχεδιάσουμε ένα προηγμένο σύστημα AGI.

Η αναγνώριση προτύπων είναι το κλειδί στοιχείο για τη βαθιά μάθηση, και αυτό το βιβλίο εξηγεί γιατί.

#2. Το Κύριο Αλγόριθμος του Pedro Domingos

Η κεντρική υπόθεση του “Το Κύριο Αλγόριθμος” είναι ότι όλες οι γνώσεις – παρελθόν, παρόν και μέλλον – μπορούν να εξαχθούν από δεδομένα με ένα μόνο, καθολικό αλγόριθμο μάθησης που είναι ποσοτικοποιημένος ως Κύριος Αλγόριθμος. Το βιβλίο περιγράφει μερικές από τις κορυφαίες μεθόδους μηχανικής μάθησης, δίνει λεπτομερείς εξηγήσεις για το πώς λειτουργούν οι διάφοροι αλγόριθμοι, πώς μπορούν να βελτιστοποιηθούν και πώς μπορούν να συνεργαστούν για να επιτύχουν τον απόλυτο στόχο της δημιουργίας του Κύριου Αλγόριθμου. Αυτός ο αλγόριθμος είναι ικανός να λύσει οποιοδήποτε πρόβλημα που του δίνουμε, και αυτό περιλαμβάνει την θεραπεία του καρκίνου.

Ο αναγνώστης θα αρχίσει να μαθαίνει για τον αλγόριθμο Naïve Bayes, einen απλό αλγόριθμο που μπορεί να εξηγηθεί με μια απλή εξίσωση. Από εκεί, προχωρά με πλήρη ταχύτητα σε πιο ενδιαφέρουσες τεχνικές μηχανικής μάθησης. Για να κατανοήσουμε τις τεχνολογίες που μας οδηγούν προς τον Κύριο Αλγόριθμο, μαθαίνουμε για τις συγκλίνουσες θεμελιώδεις αρχές. Πρώτα, από τις νευροεπιστήμες, μαθαίνουμε για την πλαστικότητα του εγκεφάλου, τα ανθρώπινα νευρωνικά δίκτυα. Δεύτερον, προχωράμε στη φυσική επιλογή για να κατανοήσουμε πώς να σχεδιάσουμε einen γενετικό αλγόριθμο που μιμείται την εξέλιξη και τη φυσική επιλογή. Με einen γενετικό αλγόριθμο, ένας πληθυσμός υποθέσεων σε κάθε γενιά διασταυρώνεται και μεταλλάσσεται, και από εκεί, οι πιο ικανοί αλγόριθμοι παράγουν την επόμενη γενιά. Αυτή η εξέλιξη προσφέρει την απόλυτη αυτοβελτίωση.

Άλλες επιχειρήσεις έρχονται από τη φυσική, τη στατιστική και, φυσικά, την καλύτερη επιστήμη των υπολογιστών. Είναι αδύνατο να αναλύσουμε όλες τις διαφορετικές πτυχές που αυτό το βιβλίο άπτεται, λόγω του φιλόδοξου σκοπού του να παρουσιάσει το πλαίσιο για την κατασκευή του Κύριου Αλγόριθμου. Αυτό το πλαίσιο είναι που έχει ωθήσει αυτό το βιβλίο στη δεύτερη θέση, καθώς όλα τα άλλα βιβλία μηχανικής μάθησης χτίζονται πάνω σε αυτό με κάποιο τρόπο.

#1. Χίλιες Εγκεφαλικά του Jeff Hawkins

Το “Χίλιες Εγκεφαλικά” χτίζει πάνω στις έννοιες που συζητούνται στο προηγούμενο βιβλίο του Jeff Hawkins με τίτλο “Σobre την Νοημοσύνη”. Το “Σobre την Νοημοσύνη” εξερεύνησε το πλαίσιο για την κατανόηση της ανθρώπινης νοημοσύνης και πώς αυτές οι έννοιες μπορούν να εφαρμοστούν για να χτιστεί το απόλυτο AI και AGI. Θεμελιώνει πώς ο εγκέφαλός μας προβλέπει τι θα ζήσουμε πριν το ζήσουμε.

Ενώ το “Χίλιες Εγκεφαλικά” είναι ένα εξαιρετικό βιβλίο, θα ήταν καλύτερο να απολαύσετε και να εκτιμήσετε αν το “Σobre την Νοημοσύνη” διαβαστεί πρώτα.

Το “Χίλιες Εγκεφαλικά” χτίζει πάνω στις τελευταίες έρευνες του Jeff Hawkins και της εταιρείας που ίδρυσε, Numenta. Η Numenta έχει ως πρωταρχικό στόχο την ανάπτυξη μιας θεωρίας για το πώς λειτουργεί ο νεοκortex, και ο δευτερεύων στόχος είναι πώς αυτή η θεωρία του εγκεφάλου μπορεί να εφαρμοστεί στη μηχανική μάθηση και τη μηχανική νοημοσύνη.

Η πρώτη σημαντική ανακάλυψη της Numenta το 2010 αφορούσε το πώς οι νευρώνες κάνουν προβλέψεις, και η δεύτερη ανακάλυψη το 2016 αφορούσε τις χαρτογραφικές αναφορές στον νεοκortex. Το βιβλίο εξηγεί πρώτα και κύρια τι είναι η θεωρία “Χίλιες Εγκεφαλικά”, τι είναι οι αναφορές και πώς λειτουργεί η θεωρία στον πραγματικό κόσμο. Μια από τις πιο θεμελιώδεις συνιστώσες πίσω από αυτή τη θεωρία είναι η κατανόηση του πώς ο νεοκortex εξελίχθηκε στο τρέχον μέγεθος.

Ο νεοκortex ξεκίνησε μικρός, παρόμοιος με άλλους θηλαστικούς, αλλά μεγάλωσε εκθετικά (μόνο περιορισμένος από το μέγεθος του καναλιού γέννησης) όχι δημιουργώντας κάτι νέο, αλλά αντιγράφοντας έναν βασικό κύκλο επανειλημμένα. Στην ουσιαστική, τι διακρίνει τους ανθρώπους δεν είναι το οργανικό υλικό του εγκεφάλου, αλλά ο αριθμός των αντιγράφων των ίδιων στοιχείων που αποτελούν τον νεοκortex.

Η θεωρία εξελίσσεται περαιτέρω σε πώς ο νεοκortex σχηματίζεται με περίπου 150.000 κορυφαίες στήλες που δεν είναι ορατές υπό μικροσκόπιο, καθώς δεν υπάρχουν ορατά σύνορα μεταξύ τους. Πώς αυτές οι κορυφαίες στήλες επικοινωνούν μεταξύ τους, είναι η εφαρμογή ενός θεμελιώδους αλγορίθμου που είναι υπεύθυνος για κάθε аспέκτ της αντίληψης και της νοημοσύνης.

Περισσότερο σημαντικά, το βιβλίο αποκαλύπτει πώς αυτή η θεωρία μπορεί να εφαρμοστεί για να χτιστεί μια έξυπνη μηχανή, και τις πιθανές μελλοντικές επιπτώσεις για την κοινωνία. Για παράδειγμα, ο εγκέφαλός μας μαθαίνει ένα μοντέλο του κόσμου παρατηρώντας πώς οι εισόδους αλλάζουν με τον χρόνο, ιδιαίτερα όταν εφαρμόζεται κίνηση. Οι κορυφαίες στήλες απαιτούν μια αναφορά που είναι σταθερή σε ένα αντικείμενο, αυτές οι αναφορές επιτρέπουν σε μια κορυφαία στήλη να μάθει τις τοποθεσίες των χαρακτηριστικών που ορίζουν την πραγματικότητα του αντικειμένου. Στην ουσιαστική, οι αναφορές μπορούν να οργανώσουν οποιοδήποτε είδος γνώσης. Αυτό οδηγεί στο πιο σημαντικό μέρος αυτού του σεμιναρίου, μπορεί οι αναφορές να είναι το ζωτικό κρίσιμο στοιχείο για να χτιστεί ένα πιο προηγμένο AI ή ακόμη και ένα AGI σύστημα; Ο Jeff Hawkins πιστεύει σε ένα αναπόφευκτο μέλλον όταν ένα AGI θα μάθει μοντέλα του κόσμου χρησιμοποιώντας χαρτογραφικές αναφορές παρόμοιες με τον νεοκortex, και κάνει ένα αξιοθαύμαστο έργο εικονοποιώντας γιατί πιστεύει ότι αυτό.