Τα 6 καλύτερα βιβλία μηχανικής μάθησης και τεχνητής νοημοσύνης όλων των εποχών (Μάιος 2024)

Ο κόσμος της τεχνητής νοημοσύνης μπορεί να είναι εκφοβιστικός λόγω της ορολογίας και των διαφορετικών αλγορίθμων μηχανικής εκμάθησης που είναι διαθέσιμοι. Αφού διάβασα πάνω από 50 από τα πιο συνιστώμενα βιβλία για τη μηχανική μάθηση, έχω συντάξει την προσωπική μου λίστα με βιβλία που πρέπει να διαβάσετε.

Τα βιβλία που επιλέχθηκαν βασίζονται στους τύπους ιδεών που εισάγονται και στο πόσο καλά παρουσιάζονται διαφορετικές έννοιες όπως η βαθιά μάθηση, η ενισχυτική μάθηση και οι γενετικοί αλγόριθμοι. Το πιο σημαντικό είναι ότι η λίστα βασίζεται στα βιβλία που ανοίγουν καλύτερα τον δρόμο για τους μελλοντολόγους και τους ερευνητές προς την οικοδόμηση αποδεδειγμένα υπεύθυνης και εξηγήσιμης τεχνητής νοημοσύνης.

# 6. Πώς λειτουργεί η τεχνητή νοημοσύνη: Από τη μαγεία στην επιστήμη από τον Ronald T. Kneusel

Το «How AI Works» είναι ένα συνοπτικό και ξεκάθαρο βιβλίο που έχει σχεδιαστεί για να σκιαγραφεί τις βασικές αρχές της μηχανικής μάθησης. Αυτό το βιβλίο διευκολύνει την εκμάθηση για την πλούσια ιστορία της μηχανικής μάθησης, ταξιδεύοντας από την αρχή των παλαιών συστημάτων τεχνητής νοημοσύνης μέχρι την εμφάνιση σύγχρονων μεθοδολογιών.

Η ιστορία είναι πολυεπίπεδη, ξεκινώντας με τα καλά θεμελιωμένα συστήματα τεχνητής νοημοσύνης, όπως μηχανές υποστήριξης διανυσμάτων, δέντρα αποφάσεων και τυχαία δάση. Αυτά τα προηγούμενα συστήματα άνοιξαν το δρόμο για πρωτοποριακές εξελίξεις, οδηγώντας στην ανάπτυξη πιο εξελιγμένων προσεγγίσεων όπως τα νευρωνικά δίκτυα και τα συνελικτικά νευρωνικά δίκτυα. Το βιβλίο συζητά τις απίστευτες δυνατότητες που προσφέρουν τα Large Language Models (LLM), τα οποία είναι η δύναμη πίσω από τη σημερινή τελευταίας τεχνολογίας Generative AI.

Η κατανόηση των βασικών, όπως το πώς η τεχνολογία θορύβου σε εικόνα μπορεί να αναπαράγει υπάρχουσες εικόνες και ακόμη και να δημιουργήσει νέες, πρωτόγνωρες εικόνες από φαινομενικά τυχαίες προτροπές, είναι κρίσιμη για την κατανόηση των δυνάμεων που ωθούν τις σημερινές γεννήτριες εικόνας. Αυτό το βιβλίο εξηγεί όμορφα αυτές τις θεμελιώδεις πτυχές, επιτρέποντας στους αναγνώστες να κατανοήσουν τις περιπλοκές και τους υποκείμενους μηχανισμούς των τεχνολογιών παραγωγής εικόνας.

Ο Ron Kneusel, ο συγγραφέας, καταδεικνύει μια αξιέπαινη προσπάθεια για να διασαφηνίσει τις απόψεις του σχετικά με το γιατί το ChatGPT του OpenAI και το μοντέλο LLM του σηματοδοτούν την αρχή της αληθινής τεχνητής νοημοσύνης. Παρουσιάζει σχολαστικά πώς τα διακριτά LLMs παρουσιάζουν αναδυόμενες ιδιότητες ικανές να κατανοήσουν διαισθητικά τη θεωρία του νου. Αυτές οι αναδυόμενες ιδιότητες φαίνεται να γίνονται πιο έντονες και με επιρροή με βάση το μέγεθος του προπονητικού μοντέλου. Ο Kneusel συζητά πώς μια μεγαλύτερη ποσότητα παραμέτρων οδηγεί συνήθως στα πιο ικανά και επιτυχημένα μοντέλα LLM, παρέχοντας βαθύτερες γνώσεις σχετικά με τη δυναμική κλιμάκωσης και την αποτελεσματικότητα αυτών των μοντέλων.

Αυτό το βιβλίο είναι ένας φάρος για όσους θέλουν να μάθουν περισσότερα για τον κόσμο της τεχνητής νοημοσύνης, προσφέροντας μια λεπτομερή αλλά κατανοητή επισκόπηση της εξελικτικής τροχιάς των τεχνολογιών μηχανικής μάθησης, από τις υποτυπώδεις μορφές τους έως τις πρωτοποριακές οντότητες του σήμερα. Είτε είστε αρχάριος είτε κάποιος με ουσιαστική κατανόηση του θέματος, το "How AI Works" έχει σχεδιαστεί για να σας παρέχει μια εκλεπτυσμένη κατανόηση των μετασχηματιστικών τεχνολογιών που συνεχίζουν να διαμορφώνουν τον κόσμο μας.

# 5. Life 3.0 από τον Max Tegmark

"Life 3.0” έχει έναν φιλόδοξο στόχο και αυτός είναι να διερευνήσει τις δυνατότητες για το πώς θα συνυπάρξουμε με την τεχνητή νοημοσύνη στο μέλλον. Η Τεχνητή Γενική Νοημοσύνη (AGI) είναι η τελική και αναπόφευκτη συνέπεια της επιχείρημα έκρηξης πληροφοριών 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. Το διάσημο απόφθεγμα για την έκρηξη πληροφοριών είναι το εξής:

«Ας οριστεί μια υπερέξυπνη μηχανή ως μια μηχανή που μπορεί να ξεπεράσει κατά πολύ όλες τις πνευματικές δραστηριότητες οποιουδήποτε ανθρώπου όσο έξυπνος κι αν είναι. Δεδομένου ότι ο σχεδιασμός των μηχανών είναι μία από αυτές τις πνευματικές δραστηριότητες, μια υπερέξυπνη μηχανή θα μπορούσε να σχεδιάσει ακόμα καλύτερες μηχανές. Θα υπήρχε τότε αναμφισβήτητα μια «έκρηξη νοημοσύνης» και η νοημοσύνη του ανθρώπου θα έμενε πολύ πίσω. Έτσι, η πρώτη υπερέξυπνη μηχανή είναι η τελευταία εφεύρεση που χρειάζεται να κάνει ποτέ ο άνθρωπος».

Ο Max Tegmark ξεκινά το βιβλίο σε ένα θεωρητικό μέλλον της ζωής σε έναν κόσμο που ελέγχεται από ένα AGI. Από αυτή τη στιγμή και μετά τίθενται εκρηκτικά ερωτήματα όπως τι είναι νοημοσύνη; Τι είναι η μνήμη; Τι είναι ο υπολογισμός; και τι είναι η μάθηση; Πώς αυτές οι ερωτήσεις και οι πιθανές απαντήσεις οδηγούν τελικά στο παράδειγμα μιας μηχανής που μπορεί να χρησιμοποιήσει διάφορους τύπους μηχανικής μάθησης για να επιτύχει τις ανακαλύψεις στην αυτοβελτίωση που απαιτούνται για την επίτευξη νοημοσύνης σε ανθρώπινο επίπεδο και την αναπόφευκτη επακόλουθη υπερευφυΐα;

Αυτοί είναι ο τύπος μελλοντικής σκέψης και σημαντικές ερωτήσεις που διερευνά το Life 3.0. Το Life 1.0 είναι απλές μορφές ζωής, όπως τα βακτήρια που μπορούν να αλλάξουν μόνο μέσω της εξέλιξης που τροποποιεί το DNA του. Το Life 2.0 είναι μορφές ζωής που μπορούν να επανασχεδιάσουν το δικό τους λογισμικό, όπως η εκμάθηση μιας νέας γλώσσας ή δεξιότητας. Το Life 3.0 είναι ένα AI που μπορεί όχι μόνο να τροποποιήσει τη συμπεριφορά και τις δεξιότητές του, αλλά μπορεί επίσης να τροποποιήσει το δικό του υλικό, για παράδειγμα αναβαθμίζοντας τον ρομποτικό του εαυτό.

Μόνο όταν κατανοήσουμε τα οφέλη και τις παγίδες ενός AGI, μπορούμε στη συνέχεια να αρχίσουμε να εξετάζουμε τις επιλογές για να διασφαλίσουμε ότι χτίζουμε ένα φιλικό AI που δεν μπορεί να ευθυγραμμιστεί με τους στόχους μας. Για να το κάνουμε αυτό ίσως χρειαστεί επίσης να καταλάβουμε τι είναι η συνείδηση; Και πώς θα διαφέρει η συνείδηση ​​της τεχνητής νοημοσύνης από τη δική μας;

Υπάρχουν πολλά καυτά θέματα που διερευνώνται σε αυτό το βιβλίο και θα πρέπει να είναι υποχρεωτική η ανάγνωση για όποιον θέλει πραγματικά να καταλάβει πώς το AGI είναι μια πιθανή απειλή, καθώς και μια πιθανή σανίδα σωτηρίας για το μέλλον του ανθρώπινου πολιτισμού.

# 4. Συμβατό με τον άνθρωπο: Τεχνητή Νοημοσύνη και το πρόβλημα του ελέγχου του Στιούαρτ Ράσελ

Τι θα συμβεί αν καταφέρουμε να φτιάξουμε έναν ευφυή πράκτορα, κάτι που αντιλαμβάνεται, δρα και είναι πιο έξυπνο από τους δημιουργούς του; Πώς θα πείσουμε τις μηχανές να επιτύχουν τους στόχους μας αντί για τους δικούς τους στόχους;

Τα παραπάνω οδηγούν σε μια από τις πιο σημαντικές έννοιες του βιβλίου "Συμβατό με τον άνθρωπο: Τεχνητή Νοημοσύνη και το πρόβλημα του ελέγχου», είναι ότι πρέπει να αποφύγουμε «να βάλουμε ένα σκοπό στη μηχανή», όπως είπε κάποτε ο Norbert Wiener. Ένα έξυπνο μηχάνημα που είναι πολύ σίγουρο για τους σταθερούς του στόχους είναι ο απόλυτος τύπος επικίνδυνης τεχνητής νοημοσύνης. Με άλλα λόγια, εάν η τεχνητή νοημοσύνη γίνει απρόθυμη να εξετάσει την πιθανότητα ότι είναι λάθος κατά την εκτέλεση του προ-προγραμματισμένου σκοπού και λειτουργίας της, τότε μπορεί να είναι αδύνατο να κλείσει το σύστημα τεχνητής νοημοσύνης από μόνο του.

Η δυσκολία όπως περιγράφεται από τον Stuart Russell είναι να δώσεις οδηγίες στο AI/ρομπότ ότι καμία εντολή δεν πρόκειται να επιτευχθεί με οποιοδήποτε κόστος. Δεν είναι εντάξει να θυσιάζεις ανθρώπινη ζωή για να φέρεις έναν καφέ ή να ψήνεις τη γάτα για να προσφέρεις μεσημεριανό γεύμα. Πρέπει να γίνει κατανοητό ότι «πάρτε με στο αεροδρόμιο όσο το δυνατόν γρηγορότερα», δεν σημαίνει ότι μπορεί να παραβιαστούν οι νόμοι για την ταχύτητα, ακόμη και αν αυτή η οδηγία δεν είναι ρητή. Εάν η τεχνητή νοημοσύνη κάνει λάθος τα παραπάνω, τότε το ασφαλές σφάλμα είναι ένα συγκεκριμένο προ-προγραμματισμένο επίπεδο αβεβαιότητας. Με κάποια αβεβαιότητα, το AI μπορεί να αμφισβητήσει τον εαυτό του πριν ολοκληρώσει μια εργασία, για να αναζητήσει ίσως προφορική επιβεβαίωση.

Σε μια εργασία του 1965 με τίτλο «Εικασίες σχετικά με το πρώτο μηχάνημα υπερνοημοσύνηςΟ IJ Good, ένας λαμπρός μαθηματικός που εργάστηκε δίπλα στον Άλαν Τούρινγκ, δήλωσε: «Η επιβίωση του ανθρώπου εξαρτάται από την πρώιμη κατασκευή μιας υπερέξυπνης μηχανής». Είναι απολύτως πιθανό για να σώσουμε τους εαυτούς μας από οικολογική, βιολογική και ανθρωπιστική καταστροφή να πρέπει να δημιουργήσουμε την πιο προηγμένη τεχνητή νοημοσύνη που μπορούμε.

Αυτή η θεμελιώδης εργασία εξηγεί την έκρηξη της νοημοσύνης, αυτή η θεωρία είναι ότι μια υπερέξυπνη μηχανή μπορεί να σχεδιάζει ακόμα καλύτερες και ανώτερες μηχανές με κάθε επανάληψη, και αυτό αναπόφευκτα οδηγεί στη δημιουργία ενός AGI. Ενώ το AGI μπορεί αρχικά να έχει την ίδια νοημοσύνη με έναν άνθρωπο, θα ξεπερνούσε γρήγορα τους ανθρώπους μέσα σε σύντομο χρονικό διάστημα. Λόγω αυτού του προκαταρκτικού συμπεράσματος, είναι σημαντικό για τους προγραμματιστές τεχνητής νοημοσύνης να υλοποιήσουν τις βασικές αρχές που μοιράζονται σε αυτό το βιβλίο και να μάθουν πώς να τις εφαρμόζουν με ασφάλεια στο σχεδιασμό συστημάτων τεχνητής νοημοσύνης που είναι ικανά όχι μόνο να εξυπηρετούν τους ανθρώπους, αλλά να σώσουν τους ανθρώπους από τον εαυτό τους. .

Όπως υπογράμμισε ο Stuart Russell, η αποχώρηση από την έρευνα AI δεν αποτελεί επιλογή, πρέπει να προχωρήσουμε. Αυτό το βιβλίο είναι ένας οδικός χάρτης που θα μας καθοδηγήσει προς το σχεδιασμό ασφαλών, υπεύθυνων και αποδεδειγμένα ωφέλιμων συστημάτων AI.

# 3. Πώς να δημιουργήσετε ένα μυαλό από τον Ray Kurzweil

Ο Ray Kurzweil είναι ένας από τους κορυφαίους εφευρέτες, στοχαστές και μελλοντολόγους στον κόσμο, έχει αναφερθεί ως «η ανήσυχη ιδιοφυΐα» της Wall Street Journal και «η απόλυτη μηχανή σκέψης» του περιοδικού Forbes. Είναι επίσης συνιδρυτής του Singularity University και είναι περισσότερο γνωστός για το πρωτοποριακό βιβλίο του «The Singularity is Near». "Πώς να δημιουργήσετε ένα μυαλόΑντιμετωπίζει λιγότερο τα ζητήματα της εκθετικής ανάπτυξης που αποτελούν χαρακτηριστικά γνωρίσματα της άλλης δουλειάς του, αντίθετα εστιάζει στο πώς πρέπει να κατανοήσουμε τον ανθρώπινο εγκέφαλο προκειμένου να τον αντιστρέψουμε ώστε να δημιουργήσουμε την απόλυτη μηχανή σκέψης.

Μία από τις βασικές αρχές που περιγράφονται σε αυτή τη θεμελιώδη εργασία είναι ο τρόπος με τον οποίο λειτουργεί η αναγνώριση προτύπων στον ανθρώπινο εγκέφαλο. Πώς αναγνωρίζουν οι άνθρωποι τα πρότυπα στην καθημερινή ζωή; Πώς σχηματίζονται αυτές οι συνδέσεις στον εγκέφαλο; Το βιβλίο ξεκινά με την κατανόηση της ιεραρχικής σκέψης, αυτή είναι η κατανόηση μιας δομής που αποτελείται από διαφορετικά στοιχεία που είναι διατεταγμένα σε ένα μοτίβο, αυτή η διάταξη στη συνέχεια αντιπροσωπεύει ένα σύμβολο όπως ένα γράμμα ή χαρακτήρα, και στη συνέχεια αυτό διευθετείται περαιτέρω σε ένα πιο προηγμένο μοτίβο όπως μια λέξη, και τελικά μια πρόταση. Τελικά αυτά τα μοτίβα σχηματίζουν ιδέες και αυτές οι ιδέες μετατρέπονται στα προϊόντα που οι άνθρωποι είναι υπεύθυνοι για την κατασκευή.

Δεδομένου ότι είναι ένα βιβλίο του Ray Kurzweil, φυσικά δεν χρειάζεται πολύς χρόνος για να εισαχθεί η εκθετική σκέψη. Ο "Νόμος των επιταχυνόμενων αποδόσεων" είναι το χαρακτηριστικό αυτού του θεμελιώδους βιβλίου. Αυτός ο νόμος δείχνει πώς οι τεχνολογίες και ο ρυθμός της επιτάχυνσης επιταχύνονται λόγω της τάσης οι εξελίξεις να τρέφονται από μόνες τους, αυξάνοντας περαιτέρω τον ρυθμό προόδου. Αυτή η σκέψη μπορεί στη συνέχεια να εφαρμοστεί στο πόσο γρήγορα μαθαίνουμε να κατανοούμε και να αντιστρέφουμε μηχανική του ανθρώπινου εγκεφάλου. Αυτή η ταχεία κατανόηση των συστημάτων αναγνώρισης προτύπων στον ανθρώπινο εγκέφαλο μπορεί στη συνέχεια να εφαρμοστεί για την κατασκευή ενός συστήματος AGI.

Αυτό το βιβλίο ήταν τόσο μεταμορφωτικό για το μέλλον της τεχνητής νοημοσύνης, που ο Eric Schmidt στρατολόγησε τον Ray Kurzweil για να εργαστεί σε έργα AI αφού ολοκλήρωσε την ανάγνωση αυτού του θεμελιώδους βιβλίου. Είναι αδύνατο να περιγράψουμε όλες τις ιδέες και τις έννοιες που συζητούνται σε ένα σύντομο άρθρο, ωστόσο είναι ένα εργαλείο που πρέπει να διαβάσετε για να κατανοήσετε καλύτερα πώς λειτουργούν τα ανθρώπινα νευρωνικά δίκτυα για να σχεδιάσετε ένα προηγμένο τεχνητό νευρικό δίκτυο.

Η αναγνώριση προτύπων είναι το βασικό στοιχείο για τη βαθιά μάθηση και αυτό το βιβλίο επεξηγεί το γιατί.

# 2. Ο κύριος αλγόριθμος του Πέδρο Ντομίνγκος

Η κεντρική υπόθεση του Ο κύριος αλγόριθμος είναι ότι όλη η γνώση – παρελθόν, παρόν και μέλλον – μπορεί να προέλθει από δεδομένα από έναν ενιαίο, καθολικό αλγόριθμο μάθησης που ποσοτικοποιείται ως κύριος αλγόριθμος. Το βιβλίο περιγράφει λεπτομερώς μερικές από τις κορυφαίες μεθοδολογίες μηχανικής μάθησης, παρέχει λεπτομερείς εξηγήσεις για το πώς λειτουργούν διαφορετικοί αλγόριθμοι, πώς μπορούν να βελτιστοποιηθούν και πώς μπορούν να εργαστούν από κοινού για την επίτευξη του απώτερου στόχου της δημιουργίας του Master αλγόριθμου. Αυτός είναι ένας αλγόριθμος που είναι ικανός να λύσει οποιοδήποτε πρόβλημα τον τροφοδοτούμε, και αυτό περιλαμβάνει τη θεραπεία του καρκίνου.

Ο αναγνώστης θα ξεκινήσει μαθαίνοντας για Ο αφελής Bayes, ένας απλός αλγόριθμος που μπορεί να εξηγηθεί με μια απλή εξίσωση. Από εκεί επιταχύνει την πλήρη ταχύτητα σε πιο ενδιαφέρουσες τεχνικές μηχανικής εκμάθησης. Για να κατανοήσουμε τις τεχνολογίες που μας επιταχύνουν προς αυτόν τον κύριο αλγόριθμο, μαθαίνουμε για τις συγκλίνουσες θεμελιώδεις αρχές. Πρώτον, από τη νευροεπιστήμη μαθαίνουμε για την πλαστικότητα του εγκεφάλου, τα ανθρώπινα νευρωνικά δίκτυα. Δεύτερον, προχωράμε στη φυσική επιλογή σε ένα μάθημα για να κατανοήσουμε πώς να σχεδιάσουμε έναν γενετικό αλγόριθμο που προσομοιώνει την εξέλιξη και τη φυσική επιλογή. Με έναν γενετικό αλγόριθμο ένας πληθυσμός υποθέσεων σε κάθε γενιά διασταυρώνεται και μεταλλάσσεται, από εκεί οι καταλληλότεροι αλγόριθμοι παράγουν την επόμενη γενιά. Αυτή η εξέλιξη προσφέρει το απόλυτο στην αυτοβελτίωση.

Άλλα επιχειρήματα προέρχονται από τη φυσική, τη στατιστική και φυσικά τα καλύτερα της επιστήμης των υπολογιστών. Είναι αδύνατο να επανεξεταστούν διεξοδικά όλες οι διαφορετικές πτυχές που αγγίζει αυτό το βιβλίο, λόγω του φιλόδοξου πεδίου εφαρμογής των βιβλίων για τη διαμόρφωση του πλαισίου για τη δημιουργία του Κύριου Αλγόριθμου. Αυτό το πλαίσιο είναι που ώθησε αυτό το βιβλίο στη δεύτερη θέση, καθώς όλα τα άλλα βιβλία μηχανικής μάθησης βασίζονται σε αυτό σε κάποιο σχήμα ή μορφή.

# 1. Χίλιοι Εγκέφαλοι του Τζεφ Χόκινς

"Χίλιοι Εγκέφαλοι" βασίζεται στις έννοιες που συζητήθηκαν στο προηγούμενο βιβλίο του Jeff Hawkins με τίτλο "On Intelligence". Το «On Intelligence» διερεύνησε το πλαίσιο για την κατανόηση του τρόπου λειτουργίας της ανθρώπινης νοημοσύνης και πώς αυτές οι έννοιες μπορούν στη συνέχεια να εφαρμοστούν για τη δημιουργία των απόλυτων συστημάτων AI και AGI. Αναλύει ουσιαστικά πώς ο εγκέφαλός μας προβλέπει τι θα ζήσουμε πριν το ζήσουμε.

Ενώ το "Χίλιοι εγκέφαλοι" είναι ένα εξαιρετικό αυτόνομο βιβλίο, θα το απολαύσετε και θα εκτιμήσετε καλύτερα εάν "Περί Νοημοσύνης” διαβάζεται πρώτα.

Το "A Thousand Brains" βασίζεται στην τελευταία έρευνα του Jeff Hawkins και της εταιρείας που ίδρυσε ονόματι Νουμέντα. Η Numenta έχει πρωταρχικό στόχο να αναπτύξει μια θεωρία για το πώς λειτουργεί ο νεοφλοιός, ο δευτερεύων στόχος είναι πώς αυτή η θεωρία του εγκεφάλου μπορεί να εφαρμοστεί στη μηχανική μάθηση και τη μηχανική νοημοσύνη.

Η πρώτη σημαντική ανακάλυψη του Numenta το 2010 περιλαμβάνει τον τρόπο με τον οποίο οι νευρώνες κάνουν προβλέψεις και η δεύτερη ανακάλυψη το 2016 αφορούσε πλαίσια αναφοράς που μοιάζουν με χάρτη στον νεοφλοιό. Το βιβλίο περιγράφει πρώτα και κύρια τι είναι η «θεωρία των χιλιάδων εγκεφάλων», ποια είναι τα πλαίσια αναφοράς και πώς λειτουργεί η θεωρία στον πραγματικό κόσμο. Ένα από τα πιο θεμελιώδη στοιχεία πίσω από αυτή τη θεωρία είναι η κατανόηση του τρόπου με τον οποίο ο νεοφλοιός εξελίχθηκε στο σημερινό του μέγεθος.

Ο νεοφλοιός ξεκίνησε μικρός, παρόμοιος με άλλα θηλαστικά, αλλά μεγάλωσε εκθετικά (περιοριζόμενος μόνο από το μέγεθος του καναλιού γέννησης) όχι δημιουργώντας κάτι νέο, αλλά αντιγράφοντας ένα βασικό κύκλωμα επανειλημμένα. Στην ουσία, αυτό που διαφοροποιεί τον άνθρωπο δεν είναι το οργανικό υλικό του εγκεφάλου αλλά ο αριθμός των αντιγράφων των πανομοιότυπων στοιχείων που σχηματίζουν τον νεοφλοιό.

Η θεωρία εξελίσσεται περαιτέρω στο πώς σχηματίζεται ο νεοφλοιός με περίπου 150,000 φλοιώδεις στήλες που δεν είναι ορατές στο μικροσκόπιο καθώς δεν υπάρχουν ορατά όρια μεταξύ τους. Ο τρόπος με τον οποίο αυτές οι φλοιώδεις στήλες επικοινωνούν μεταξύ τους, είναι η εφαρμογή ενός θεμελιώδους αλγορίθμου που είναι υπεύθυνος για κάθε πτυχή της αντίληψης και της νοημοσύνης.

Το πιο σημαντικό, το βιβλίο αποκαλύπτει πώς αυτή η θεωρία μπορεί να εφαρμοστεί στην κατασκευή έξυπνων μηχανών και τις πιθανές μελλοντικές επιπτώσεις για την κοινωνία. Για παράδειγμα, ο εγκέφαλος μαθαίνει ένα μοντέλο του κόσμου παρατηρώντας πώς οι εισροές αλλάζουν με την πάροδο του χρόνου, ειδικά όταν εφαρμόζεται κίνηση. Οι φλοιώδεις στήλες απαιτούν ένα πλαίσιο αναφοράς που είναι στερεωμένο σε ένα αντικείμενο, αυτά τα πλαίσια αναφοράς επιτρέπουν σε μια φλοιώδη στήλη να μάθει τις θέσεις των χαρακτηριστικών που καθορίζουν τις πραγματικότητες ενός αντικειμένου. Στην ουσία τα πλαίσια αναφοράς μπορούν να οργανώσουν κάθε είδους γνώση. Αυτό οδηγεί στο πιο σημαντικό μέρος αυτού του θεμελιώδους βιβλίου, μπορούν τα πλαίσια αναφοράς να είναι δυνητικά ο ζωτικός κρίκος που λείπει για τη δημιουργία ενός πιο προηγμένου AI ή ακόμα και ενός συστήματος AGI; Ο ίδιος ο Jeff πιστεύει σε ένα αναπόφευκτο μέλλον όταν ένα AGI θα μάθει μοντέλα του κόσμου χρησιμοποιώντας πλαίσια αναφοράς που μοιάζουν με χάρτη παρόμοια με το νεοφλοιό, και κάνει μια αξιοσημείωτη δουλειά εξηγώντας γιατί το πιστεύει αυτό.