6 หนังสือ Machine Learning และ AI ที่ดีที่สุดตลอดกาล (พฤษภาคม 2024)

โลกของ AI อาจน่ากลัวได้เนื่องจากคำศัพท์เฉพาะทางและอัลกอริธึมการเรียนรู้ของเครื่องต่างๆ ที่มีอยู่ หลังจากอ่านหนังสือเกี่ยวกับ Machine Learning ที่ได้รับการแนะนำมากที่สุดมากกว่า 50 เล่มแล้ว ฉันได้รวบรวมรายชื่อหนังสือที่ต้องอ่านส่วนตัวแล้ว

หนังสือที่ได้รับเลือกขึ้นอยู่กับประเภทของแนวคิดที่นำเสนอ และแนวคิดต่างๆ เช่น การเรียนรู้เชิงลึก การเรียนรู้แบบเสริมแรง และอัลกอริธึมเชิงพันธุกรรมจะนำเสนอได้ดีเพียงใด สิ่งสำคัญที่สุดคือรายชื่อนี้อิงจากหนังสือที่ปูทางไปข้างหน้าได้ดีที่สุดสำหรับนักอนาคตและนักวิจัยในการสร้าง AI ที่มีความรับผิดชอบและอธิบายได้

#6 AI ทำงานอย่างไร: จากเวทมนตร์สู่วิทยาศาสตร์ โดย Ronald T. Kneusel

“วิธีการทำงานของ AI” เป็นหนังสือที่กระชับและชัดเจนซึ่งออกแบบมาเพื่ออธิบายพื้นฐานหลักของการเรียนรู้ของเครื่อง หนังสือเล่มนี้อำนวยความสะดวกในการเรียนรู้เกี่ยวกับประวัติศาสตร์อันยาวนานของแมชชีนเลิร์นนิง ตั้งแต่การเริ่มต้นระบบ AI แบบเดิมไปจนถึงการกำเนิดของระเบียบวิธีร่วมสมัย

ประวัติความเป็นมานั้นแบ่งเป็นชั้นๆ โดยเริ่มจากระบบ AI ที่มีรากฐานมาอย่างดี เช่น เครื่องเวกเตอร์สนับสนุน แผนผังการตัดสินใจ และฟอเรสต์แบบสุ่ม ระบบก่อนหน้านี้เหล่านี้ปูทางไปสู่ความก้าวหน้าที่ก้าวล้ำ ซึ่งนำไปสู่การพัฒนาวิธีการที่ซับซ้อนมากขึ้น เช่น โครงข่ายประสาทเทียมและโครงข่ายประสาทเทียมแบบม้วน หนังสือเล่มนี้กล่าวถึงความสามารถอันน่าทึ่งที่นำเสนอโดย Large Language Models (LLM) ซึ่งเป็นขุมพลังเบื้องหลัง Generative AI ที่ล้ำสมัยในปัจจุบัน

การทำความเข้าใจพื้นฐาน เช่น วิธีที่เทคโนโลยีสัญญาณรบกวนต่อภาพสามารถจำลองภาพที่มีอยู่ และแม้กระทั่งสร้างภาพใหม่ที่ไม่เคยมีมาก่อนจากการแจ้งที่ดูเหมือนสุ่ม มีความสำคัญอย่างยิ่งในการคว้าแรงผลักดันที่ขับเคลื่อนเครื่องกำเนิดภาพในปัจจุบัน หนังสือเล่มนี้อธิบายแง่มุมพื้นฐานเหล่านี้ได้อย่างสวยงาม ช่วยให้ผู้อ่านเข้าใจความซับซ้อนและกลไกพื้นฐานของเทคโนโลยีการสร้างภาพ

Ron Kneusel ผู้เขียน แสดงให้เห็นถึงความพยายามที่น่ายกย่องในการอธิบายมุมมองของเขาว่าเหตุใด ChatGPT ของ OpenAI และโมเดล LLM จึงบ่งบอกถึงจุดเริ่มต้นของ AI ที่แท้จริง เขานำเสนออย่างพิถีพิถันว่า LLM ที่แตกต่างกันแสดงคุณสมบัติที่เกิดขึ้นใหม่ซึ่งสามารถเข้าใจทฤษฎีของจิตใจโดยสัญชาตญาณได้อย่างไร คุณสมบัติที่เกิดขึ้นเหล่านี้ดูเหมือนจะเด่นชัดและมีอิทธิพลมากขึ้นตามขนาดของโมเดลการฝึก Kneusel อภิปรายว่าโดยทั่วไปแล้วพารามิเตอร์ที่มีปริมาณมากขึ้นจะส่งผลให้โมเดล LLM มีความเชี่ยวชาญและประสบความสำเร็จมากที่สุดได้อย่างไร โดยให้ข้อมูลเชิงลึกที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับไดนามิกของขนาดและประสิทธิภาพของแบบจำลองเหล่านี้

หนังสือเล่มนี้เป็นสัญญาณสำหรับผู้ที่ต้องการเรียนรู้เพิ่มเติมเกี่ยวกับโลกของ AI โดยนำเสนอภาพรวมที่มีรายละเอียดแต่เข้าใจได้ของวิถีวิวัฒนาการของเทคโนโลยีการเรียนรู้ของเครื่อง ตั้งแต่รูปแบบพื้นฐานไปจนถึงผู้บุกเบิกในปัจจุบัน ไม่ว่าคุณจะเป็นมือใหม่หรือผู้ที่มีความเข้าใจในหัวข้อนี้เป็นอย่างดี “AI ทำงานอย่างไร” ได้รับการออกแบบมาเพื่อมอบความเข้าใจที่ละเอียดถี่ถ้วนเกี่ยวกับเทคโนโลยีการเปลี่ยนแปลงที่ยังคงกำหนดทิศทางโลกของเราต่อไป

#5 ชีวิตฮิต โดย Max Tegmark

"ชีวิตฮิต” มีเป้าหมายที่ทะเยอทะยานและนั่นคือการสำรวจความเป็นไปได้ว่าเราจะอยู่ร่วมกับ AI ได้อย่างไรในอนาคต ปัญญาประดิษฐ์ทั่วไป (AGI) เป็นผลที่ตามมาในที่สุดและหลีกเลี่ยงไม่ได้ของ อาร์กิวเมนต์การระเบิดข่าวกรอง สร้างขึ้นโดยนักคณิตศาสตร์ชาวอังกฤษ Irving Good ในปี 1965 ข้อโต้แย้งนี้กำหนดว่าความฉลาดเหนือมนุษย์จะเป็นผลมาจากเครื่องจักรที่สามารถพัฒนาตนเองได้อย่างต่อเนื่อง คำพูดที่มีชื่อเสียงสำหรับการระเบิดข่าวกรองมีดังต่อไปนี้:

“ให้คำจำกัดความของเครื่องจักรอัจฉริยะว่าเป็นเครื่องจักรที่สามารถก้าวข้ามกิจกรรมทางปัญญาทั้งหมดของมนุษย์ไม่ว่าจะฉลาดแค่ไหนก็ตาม เนื่องจากการออกแบบเครื่องจักรเป็นหนึ่งในกิจกรรมทางปัญญาเหล่านี้ เครื่องจักรอัจฉริยะพิเศษจึงสามารถออกแบบเครื่องจักรที่ดียิ่งขึ้นได้ จากนั้นจะมี 'การระเบิดของสติปัญญา' อย่างไม่ต้องสงสัย และความฉลาดของมนุษย์จะถูกทิ้งไว้เบื้องหลัง ดังนั้นเครื่องจักรอัจฉริยะล้ำยุคเครื่องแรกจึงเป็นสิ่งประดิษฐ์ชิ้นสุดท้ายที่มนุษย์ต้องการ”

Max Tegmark เปิดตัวหนังสือสู่อนาคตทางทฤษฎีของการอยู่อาศัยในโลกที่ถูกควบคุมโดย AGI จากช่วงเวลานี้เป็นต้นไป คำถามต่างๆ เช่น ความฉลาดคืออะไร? หน่วยความจำคืออะไร? การคำนวณคืออะไร? และการเรียนรู้คืออะไร? คำถามและคำตอบที่เป็นไปได้เหล่านี้นำไปสู่กระบวนทัศน์ของเครื่องจักรที่สามารถใช้การเรียนรู้ของเครื่องประเภทต่างๆ เพื่อบรรลุความก้าวหน้าในการพัฒนาตนเองซึ่งจำเป็นต่อการบรรลุระดับสติปัญญาของมนุษย์ได้อย่างไร และความฉลาดหลักแหลมที่เกิดขึ้นอย่างหลีกเลี่ยงไม่ได้

นี่คือประเภทของการคิดล่วงหน้าและคำถามสำคัญที่ Life 3.0 สำรวจ Life 1.0 เป็นรูปแบบชีวิตที่เรียบง่าย เช่น แบคทีเรียที่สามารถเปลี่ยนแปลงได้ผ่านวิวัฒนาการเท่านั้นที่ปรับเปลี่ยน DNA ของมัน Life 2.0 เป็นรูปแบบชีวิตที่สามารถออกแบบซอฟต์แวร์ของตนเองใหม่ เช่น การเรียนรู้ภาษาหรือทักษะใหม่ Life 3.0 คือ AI ที่ไม่เพียงปรับเปลี่ยนพฤติกรรมและทักษะของตัวเองเท่านั้น แต่ยังสามารถปรับเปลี่ยนฮาร์ดแวร์ของตัวเองได้ด้วย เช่น อัปเกรดตัวเองที่เป็นหุ่นยนต์

เมื่อเราเข้าใจถึงประโยชน์และข้อผิดพลาดของ AGI แล้วเท่านั้น เราจึงจะเริ่มตรวจสอบตัวเลือกต่างๆ เพื่อให้แน่ใจว่าเราสร้าง AI ที่เป็นมิตรมากกว่าที่จะสอดคล้องกับเป้าหมายของเราได้ ในการทำเช่นนี้เราอาจต้องเข้าใจด้วยว่าสติคืออะไร? และจิตสำนึกของ AI จะแตกต่างจากจิตสำนึกของเราอย่างไร?

มีหัวข้อยอดนิยมมากมายที่สำรวจในหนังสือเล่มนี้ และควรอ่านภาคบังคับสำหรับทุกคนที่ต้องการเข้าใจว่า AGI เป็นภัยคุกคามที่อาจเกิดขึ้นได้อย่างไร เช่นเดียวกับการเป็นเส้นชีวิตที่มีศักยภาพสำหรับอนาคตของอารยธรรมมนุษย์

#4 ความเข้ากันได้กับมนุษย์: ปัญญาประดิษฐ์และปัญหาการควบคุม โดย Stuart Russell

จะเกิดอะไรขึ้นหากเราประสบความสำเร็จในการสร้างตัวแทนที่ชาญฉลาด ซึ่งเป็นสิ่งที่รับรู้ได้ ทำหน้าที่ได้ และมีความฉลาดมากกว่าผู้สร้าง เราจะโน้มน้าวเครื่องจักรให้บรรลุวัตถุประสงค์ของเราได้อย่างไร แทนที่จะเป็นวัตถุประสงค์ของมันเอง?

ข้างต้นคือสิ่งที่นำไปสู่แนวคิดที่สำคัญที่สุดประการหนึ่งของหนังสือ “ความเข้ากันได้กับมนุษย์: ปัญญาประดิษฐ์และปัญหาการควบคุม” คือเราต้องหลีกเลี่ยงการ “ใส่ความมุ่งหมายเข้าไปในเครื่องจักร” ดังที่ Norbert Wiener เคยกล่าวไว้ เครื่องจักรอัจฉริยะที่มีเป้าหมายตายตัวที่แน่นอนเกินไปคือประเภท AI ที่อันตรายขั้นสูงสุด กล่าวอีกนัยหนึ่ง หาก AI ไม่เต็มใจที่จะพิจารณาถึงความเป็นไปได้ที่จะดำเนินการตามวัตถุประสงค์และหน้าที่ที่ตั้งโปรแกรมไว้ล่วงหน้าอย่างไม่ถูกต้อง ระบบ AI อาจปิดตัวเองลงไม่ได้

ความยากตามที่ Stuart Russell ระบุไว้นั้นอยู่ที่การสั่ง AI/หุ่นยนต์ว่าไม่มีคำสั่งใดที่ตั้งใจทำเพื่อให้ได้มาซึ่งค่าใช้จ่ายใดๆ การสละชีวิตมนุษย์เพื่อซื้อกาแฟหรือการย่างแมวเพื่อเป็นอาหารมื้อกลางวันนั้นไม่ใช่เรื่องปกติ ต้องเข้าใจว่า “พาฉันไปสนามบินให้เร็วที่สุด” ไม่ได้หมายความว่ากฎหมายเร่งความเร็วอาจผิด แม้ว่าคำสั่งนี้จะไม่ชัดเจนก็ตาม หาก AI เข้าใจผิดข้างต้น ความปลอดภัยที่ล้มเหลวคือระดับความไม่แน่นอนที่ตั้งโปรแกรมไว้ล่วงหน้า ด้วยความไม่แน่นอน AI สามารถท้าทายตัวเองก่อนที่จะทำงานให้เสร็จ เพื่อขอคำยืนยันด้วยวาจา

ในบทความปี 1965 เรื่อง “การคาดเดาเกี่ยวกับเครื่อง Ultraintelligence เครื่องแรก“ IJ Good นักคณิตศาสตร์ผู้ปราดเปรื่องซึ่งทำงานเคียงข้างกับ Alan Turing กล่าวว่า “การอยู่รอดของมนุษย์ขึ้นอยู่กับการสร้างเครื่องจักรอัจฉริยะในยุคแรกๆ” เป็นไปได้โดยสิ้นเชิงที่เราจะต้องสร้าง AI ที่ล้ำหน้าที่สุดเพื่อให้รอดพ้นจากภัยพิบัติทางนิเวศวิทยา ชีวภาพ และมนุษยธรรม

เอกสารสำคัญนี้อธิบายถึงการระเบิดของปัญญา ทฤษฎีที่ว่าเครื่องจักรอัจฉริยะพิเศษสามารถออกแบบเครื่องจักรที่ดียิ่งขึ้นและเหนือกว่าด้วยการทำซ้ำแต่ละครั้ง และสิ่งนี้นำไปสู่การสร้าง AGI อย่างหลีกเลี่ยงไม่ได้ แม้ว่าในตอนแรก AGI อาจมีความฉลาดทัดเทียมกับมนุษย์ แต่มันจะเหนือกว่ามนุษย์อย่างรวดเร็วภายในระยะเวลาอันสั้น จากข้อสรุปที่ได้กล่าวมานี้ นักพัฒนา AI จำเป็นอย่างยิ่งที่จะต้องทำให้หลักการสำคัญที่ใช้ร่วมกันในหนังสือเล่มนี้เป็นจริง และเรียนรู้วิธีนำไปใช้อย่างปลอดภัยกับการออกแบบระบบ AI ที่ไม่เพียงให้บริการมนุษย์ แต่ยังช่วยชีวิตมนุษย์จากตัวเองด้วย .

ตามที่ระบุไว้โดย Stuart Russell การถอนตัวจากการวิจัย AI ไม่ใช่ทางเลือก เราต้องเดินหน้าต่อไป หนังสือเล่มนี้เป็นแผนที่นำทางเราไปสู่การออกแบบระบบ AI ที่ปลอดภัย มีความรับผิดชอบ และเป็นประโยชน์ที่พิสูจน์ได้

#3 วิธีสร้างจิตใจ โดย เรย์ เคิร์ซไวล์

เรย์ เคิร์ซไวล์ หนึ่งในนักประดิษฐ์ นักคิด และนักอนาคตศาสตร์ชั้นนำของโลก เขาได้รับการขนานนามว่าเป็น “อัจฉริยะที่ไม่หยุดนิ่ง” โดย The Wall Street Journal และ “สุดยอดเครื่องคิด” โดยนิตยสาร Forbes เขายังเป็นผู้ร่วมก่อตั้ง Singularity University และเขาเป็นที่รู้จักกันเป็นอย่างดีจากหนังสือแนวใหม่ชื่อ “The Singularity is Near” “วิธีสร้างจิตใจ” จัดการกับปัญหาการเติบโตแบบทวีคูณซึ่งเป็นจุดเด่นของงานอื่น ๆ ของเขาให้น้อยลง แต่จะเน้นไปที่วิธีการที่เราจำเป็นต้องเข้าใจสมองของมนุษย์เพื่อที่จะย้อนกลับวิศวกรรมเพื่อสร้างเครื่องคิดขั้นสูงสุด

หลักการสำคัญข้อหนึ่งที่สรุปไว้ในผลงานขั้นสุดท้ายนี้คือวิธีการทำงานของการจดจำรูปแบบในสมองมนุษย์ มนุษย์รู้จักรูปแบบในชีวิตประจำวันได้อย่างไร? การเชื่อมต่อเหล่านี้เกิดขึ้นในสมองอย่างไร? หนังสือเล่มนี้เริ่มต้นด้วยการเข้าใจการคิดแบบลำดับชั้น นี่คือการเข้าใจโครงสร้างที่ประกอบด้วยองค์ประกอบต่างๆ ที่จัดเรียงเป็นรูปแบบ จากนั้นการจัดเรียงนี้จึงแทนสัญลักษณ์ เช่น ตัวอักษรหรือตัวอักษร จากนั้นจึงนำมาจัดเรียงเป็นรูปแบบขั้นสูงขึ้น เช่นคำและในที่สุดก็เป็นประโยค ในที่สุดรูปแบบเหล่านี้ก่อตัวเป็นความคิด และความคิดเหล่านี้จะเปลี่ยนเป็นผลิตภัณฑ์ที่มนุษย์มีหน้าที่สร้าง

เนื่องจากเป็นหนังสือของ Ray Kurzweil แน่นอนว่าใช้เวลาไม่นานก่อนที่การคิดแบบเอกซ์โปเนนเชียลจะได้รับการแนะนำ “กฎแห่งการเร่งผลตอบแทน' เป็นจุดเด่นของหนังสือน้ำเชื้อเล่มนี้ กฎหมายฉบับนี้แสดงให้เห็นว่าเทคโนโลยีและความเร็วของการเร่งความเร็วนั้นเพิ่มขึ้นอย่างไร เนื่องจากแนวโน้มของความก้าวหน้าที่จะป้อนเข้าสู่ตัวมันเอง ทำให้อัตราความก้าวหน้าเพิ่มขึ้น ความคิดนี้สามารถนำไปใช้กับความเร็วที่เรากำลังเรียนรู้เพื่อทำความเข้าใจและย้อนกลับวิศวกรรมสมองของมนุษย์ ความเข้าใจที่เพิ่มขึ้นอย่างรวดเร็วเกี่ยวกับระบบการจดจำรูปแบบในสมองของมนุษย์นั้นสามารถนำไปใช้กับการสร้างระบบ AGI ได้

หนังสือเล่มนี้พลิกโฉมอนาคตของ AI อย่างมาก โดย Eric Schmidt ได้ว่าจ้าง Ray Kurzweil ให้ทำงานในโครงการ AI หลังจากที่เขาอ่านหนังสือสำคัญเล่มนี้จบ เป็นไปไม่ได้ที่จะสรุปแนวคิดและแนวคิดทั้งหมดที่กล่าวถึงในบทความสั้นๆ อย่างไรก็ตาม หนังสือเล่มนี้เป็นเครื่องมือที่ต้องอ่านเพื่อทำความเข้าใจวิธีการทำงานของโครงข่ายประสาทเทียมของมนุษย์ให้ดียิ่งขึ้น เพื่อออกแบบโครงข่ายประสาทเทียมขั้นสูง โครงข่ายประสาทเทียม.

การจดจำรูปแบบเป็นองค์ประกอบหลักสำหรับการเรียนรู้เชิงลึก และหนังสือเล่มนี้จะอธิบายว่าทำไม

#2 อัลกอริทึมหลัก โดย Pedro Domingos

สมมติฐานกลางของ อัลกอริทึมหลัก คือความรู้ทั้งหมด - อดีต ปัจจุบัน และอนาคต - สามารถได้มาจากข้อมูลโดยอัลกอริทึมการเรียนรู้ที่เป็นสากลเดียวซึ่งเป็นการวัดปริมาณเป็นอัลกอริทึมหลัก หนังสือให้รายละเอียดเกี่ยวกับวิธีการเรียนรู้ของเครื่องชั้นนำบางส่วน โดยจะให้คำอธิบายโดยละเอียดเกี่ยวกับวิธีการทำงานของอัลกอริทึมต่างๆ วิธีการเพิ่มประสิทธิภาพและวิธีการทำงานร่วมกันเพื่อให้บรรลุเป้าหมายสูงสุดในการสร้างอัลกอริทึมหลัก นี่คืออัลกอริทึมที่สามารถแก้ปัญหาใดๆ ที่เราป้อนให้กับมัน และรวมถึงการรักษามะเร็งด้วย

ผู้อ่านจะเริ่มต้นด้วยการเรียนรู้เกี่ยวกับ นาอิฟ เบย์สอัลกอริทึมง่ายๆ ที่สามารถอธิบายได้ในสมการง่ายๆ สมการเดียว จากนั้นจะเร่งความเร็วสูงสุดเป็นเทคนิคการเรียนรู้ของเครื่องที่น่าสนใจยิ่งขึ้น เพื่อให้เข้าใจเทคโนโลยีที่กำลังเร่งเราไปสู่อัลกอริทึมหลักนี้ เราเรียนรู้เกี่ยวกับการบรรจบกันของปัจจัยพื้นฐาน อย่างแรก จากประสาทวิทยาศาสตร์ เราเรียนรู้เกี่ยวกับความยืดหยุ่นของสมอง เครือข่ายประสาทของมนุษย์ ประการที่สอง เราจะไปที่การคัดเลือกโดยธรรมชาติในบทเรียนเพื่อทำความเข้าใจวิธีการออกแบบอัลกอริทึมทางพันธุกรรมที่จำลองวิวัฒนาการและการคัดเลือกโดยธรรมชาติ ด้วยอัลกอริทึมทางพันธุกรรม ประชากรของสมมติฐานในแต่ละรุ่นจะข้ามผ่านและกลายพันธุ์ จากนั้นอัลกอริทึมที่เหมาะสมที่สุดจะสร้างรุ่นต่อไป วิวัฒนาการนี้มอบขีดสุดในการพัฒนาตนเอง

ข้อโต้แย้งอื่นๆ มาจากฟิสิกส์ สถิติ และแน่นอนว่าวิทยาการคอมพิวเตอร์ที่ดีที่สุด เป็นไปไม่ได้ที่จะทบทวนแง่มุมต่างๆ ทั้งหมดที่หนังสือเล่มนี้กล่าวถึงอย่างครอบคลุม เนื่องจากหนังสือมีขอบเขตที่ทะเยอทะยานในการวางกรอบสำหรับการสร้างอัลกอริทึมหลัก กรอบการทำงานนี้เองที่ผลักดันหนังสือเล่มนี้ให้อยู่ในอันดับที่สอง เนื่องจากหนังสือแมชชีนเลิร์นนิงเล่มอื่นๆ ทั้งหมดสร้างขึ้นจากสิ่งนี้ในรูปแบบหรือรูปแบบบางอย่าง

#1 หนึ่งพันสมอง โดย เจฟฟ์ ฮอว์กินส์

"หนึ่งพันสมอง” สร้างจากแนวคิดที่กล่าวถึงในหนังสือเล่มก่อนหน้าโดย Jeff Hawkins ที่มีชื่อว่า “On Intelligence” “On Intelligence” สำรวจกรอบการทำงานเพื่อทำความเข้าใจว่าสติปัญญาของมนุษย์ทำงานอย่างไร และจะนำแนวคิดเหล่านี้ไปใช้ในการสร้างระบบ AI และ AGI ขั้นสูงสุดได้อย่างไร โดยจะวิเคราะห์โดยพื้นฐานว่าสมองของเราคาดเดาสิ่งที่เราจะประสบก่อนที่เราจะประสบพบเจอนั้นอย่างไร

แม้ว่า “A Thousand Brains” จะเป็นหนังสือเดี่ยวที่ยอดเยี่ยม แต่มันจะสนุกและซาบซึ้งที่สุดถ้า “เกี่ยวกับข่าวกรอง” คืออ่านก่อน

“A Thousand Brains” สร้างจากงานวิจัยล่าสุดโดย Jeff Hawkins และบริษัทที่เขาก่อตั้งขึ้น นูเมนตา. Numenta มีเป้าหมายหลักในการพัฒนาทฤษฎีเกี่ยวกับวิธีการทำงานของนีโอคอร์เท็กซ์ วัตถุประสงค์รองคือการนำทฤษฎีของสมองนี้ไปประยุกต์ใช้กับการเรียนรู้ของเครื่องและความฉลาดของเครื่องจักรได้อย่างไร

การค้นพบครั้งสำคัญครั้งแรกของ Numenta ในปี 2010 เกี่ยวข้องกับวิธีการทำนายของเซลล์ประสาท และการค้นพบครั้งที่สองในปี 2016 เกี่ยวข้องกับหน้าต่างอ้างอิงคล้ายแผนที่ในนีโอคอร์เท็กซ์ หนังสือให้รายละเอียดก่อนอื่นว่า "ทฤษฎี Thousand Brains" คืออะไร กรอบอ้างอิงคืออะไร และทฤษฎีทำงานอย่างไรในโลกแห่งความเป็นจริง องค์ประกอบพื้นฐานที่สุดประการหนึ่งที่อยู่เบื้องหลังทฤษฎีนี้คือการทำความเข้าใจว่านีโอคอร์เท็กซ์วิวัฒนาการมาจนถึงขนาดปัจจุบันได้อย่างไร

นีโอคอร์เท็กซ์เริ่มต้นจากขนาดเล็ก คล้ายกับสัตว์เลี้ยงลูกด้วยนมชนิดอื่นๆ แต่มันมีขนาดใหญ่ขึ้นอย่างทวีคูณ (ถูกจำกัดด้วยขนาดของช่องคลอดเท่านั้น) ไม่ใช่โดยการสร้างสิ่งใหม่ แต่โดยการคัดลอกวงจรพื้นฐานซ้ำๆ โดยพื้นฐานแล้ว สิ่งที่ทำให้มนุษย์แตกต่างนั้นไม่ใช่สารอินทรีย์ในสมอง แต่เป็นจำนวนสำเนาขององค์ประกอบที่เหมือนกันซึ่งก่อตัวเป็นนีโอคอร์เท็กซ์

ทฤษฎีนี้พัฒนาต่อไปว่านีโอคอร์เท็กซ์ก่อตัวขึ้นด้วยคอร์เทกซ์ประมาณ 150,000 คอร์เทกซ์ซึ่งไม่สามารถมองเห็นได้ด้วยกล้องจุลทรรศน์ เนื่องจากไม่มีขอบเขตที่มองเห็นได้ระหว่างพวกมัน วิธีที่คอลัมน์เยื่อหุ้มสมองเหล่านี้สื่อสารระหว่างกันคือการนำอัลกอริทึมพื้นฐานมาใช้ซึ่งมีหน้าที่รับผิดชอบในทุกแง่มุมของการรับรู้และสติปัญญา

ที่สำคัญกว่านั้นหนังสือเล่มนี้ยังเปิดเผยว่าทฤษฎีนี้สามารถนำไปใช้กับการสร้างเครื่องจักรอัจฉริยะได้อย่างไร และผลกระทบที่เป็นไปได้ในอนาคตสำหรับสังคม ตัวอย่างเช่น สมองเรียนรู้แบบจำลองของโลกโดยการสังเกตว่าอินพุตเปลี่ยนแปลงไปอย่างไรเมื่อเวลาผ่านไป โดยเฉพาะอย่างยิ่งเมื่อมีการเคลื่อนไหว คอลัมน์คอร์ติคัลต้องการกรอบอ้างอิงที่ยึดกับวัตถุ กรอบอ้างอิงเหล่านี้ช่วยให้คอลัมน์คอร์ติคัลสามารถเรียนรู้ตำแหน่งของคุณลักษณะต่างๆ ที่กำหนดความเป็นจริงของวัตถุได้ โดยพื้นฐานแล้ว กรอบอ้างอิงสามารถจัดระเบียบความรู้ประเภทใดก็ได้ สิ่งนี้นำไปสู่ส่วนที่สำคัญที่สุดของหนังสือเล่มนี้ เฟรมอ้างอิงอาจเป็นลิงค์สำคัญที่ขาดหายไปในการสร้าง AI ขั้นสูงหรือแม้แต่ระบบ AGI ได้หรือไม่ เจฟฟ์เองเชื่อในอนาคตที่หลีกเลี่ยงไม่ได้เมื่อ AGI จะเรียนรู้แบบจำลองของโลกโดยใช้กรอบอ้างอิงคล้ายแผนที่ซึ่งคล้ายกับนีโอคอร์เท็กซ์ และเขาทำงานได้อย่างยอดเยี่ยมโดยแสดงให้เห็นว่าเหตุใดเขาจึงเชื่อเช่นนี้