随着智能设备的普及，人工智能的研究已经不再局限于学术界，Google、Facebook 等公司都进入这个领域。科技公司的优势是大量的用户，这不仅为机器智能研究提供了大量数据，而且为机器智能的训练提供了现实的场景。由于人工智能是公司竞 争力的重要方面，很难想象他们会轻易分析其成果。不过，有一家公司却把其人工智能方面的研究开源了。
这家公司是 Grok，由 Jeff Hawkins 和生意伙伴联合创建。Jeff Hawkins 曾参与创办 Palm 和 Handspring，但是他真正的激情所在是人工智能和神经科学。在离开 Handspring 之后，Hawkins 创办了红杉理论神经科学研究中心。2005 年，他参与创办 Grok（原名 Numenta），想要把人工智能研究成果转换为市场化的产品。
2010年，开发团队发布过一份白皮书，介绍公司的层级实时记忆脑皮质学习算法（此处有中文版下载）。如今，他们又发布了开源平台 NuPIC，其中包括了公司的算法和软件架构。
“我们不仅仅是把构建项目的工具开源，而是把产品的核心开源了”，Grok 开源社群经理 Matthew Taylor 对 Wired 网站说，“没有 NuPIC，Grok 将无法生存。“
Grok 使用的机器学习算法是 Hawkins 创造的，叫做脑皮质学习算法，或简称为 CLA。CLA 试图模仿人脑的结构，特别是负责处理高级认知功能的新皮质部分。目前来说，CLA 还远远无法模拟整个人脑。不过，这已经是机器学习上的重大进步了。
NuPIC 并不是唯一开源的机器学习算法，但是它有自己的独特之处。Taylor 说，许多机器学习算法无法适应新模式，而 NuPIC 的运作接近于人脑，“当模式变化的时候，它会忘掉旧模式，记忆新模式”。如人脑一样，CLA 算法能够适应新的变化。“如果有一天，你醒来的时候发现过去认为是蓝色的东西变成了红色，一开始会感到不安，”他说，“但你会逐渐地适应。”
目前，使用 NuPIC 的只有 Grok 一家公司，而且进行的是 IT 基础设施监控，不过，NuPIC 的用途是非常广泛的，任何公司都能够用它构建自己的产品。Taylor 说，IBM 和希捷都对 NuPIC 表示了兴趣。同时，项目开源之后，开发者们也可以参与其中。对于那些不懂编码，但是对神经科学或计算机科学感兴趣的人，公司还提供了邮件组。人们可以在那 里交流，贡献自己的想法。
介绍内容来自: http://www.ifanr.com/365664
-
在脑皮层学习算法 —nupic的深入学习（一）中大致分析了HTM算法的架构，在接下来的篇幅会详细学习空间池和时间池的大概。 首先复习下htm算法的大概经过： 构建输入的稀疏离散表征 近端树突接受encoder输入，将二进制的向量变成稀疏离散表征（SDR），柱状区域会全部激活 潜在突触： 在有先前输入的环境中构建输入的表征 若一个柱状区域被激活，如果有一个或多个细胞已经处于预测状态，激活，否则激活整
-
Nupic—–HTM学习（Spatial Classification） 如果数据集不含有时间序列，则可以让nupic创建“spatial classification”模型。 packaging, height, weight, category glass, 6, 16, "salad dressing" cardboard, 12, 16, "cereal" plastic, 1
-
目前Nupic在windows上仅仅支持64位的版本，本人的操作系统是windows 10.下面介绍一个傻瓜方法，直接调用大神编写好的脚本，直接运行，脚本就会将所有需要的东西都装好。 1、安装c++编译器和其他组件 在微软官网上下载Microsoft Visual C++ Compiler for Python 2.7，并安装 在微软官网上下载Microsoft .NET Framework 3.
-
概念 NuPIC Grok公司的开源平台 NuPIC，其中包括了公司的算法和软件架构。 HTM 英文全称HTM Cortical Learning Algorithms是由《人工智能的未来》(On Intelligence)一书作者Jeff Hawkins创建的Numenta公司发表的新一代人工智能算法。HTM强调对“神经元”进行分层级，强调信息模式的空间特性与时间特性。HTM算法也是一种拥有记忆
-
NuPIC：一个开源的人工智能平台 随着智能设备的普及，人工智能的研究已经不再局限于学术界，Google、Facebook 等公司都进入这个领域。科技公司的优势是大量的用户，这不仅为机器智能研究提供了大量数据，而且为机器智能的训练提供了现实的场景。由于人工智能是公司竞争力的重要方面，很难想象他们会轻易分享其成果。不过，有一家公司却把其人工智能方面的研究开源了。 这家公司是 Grok，由 Jeff
-
dl@dl-empty:~$ python Downloads/nupic-master/examples/bindings/sparse_matrix_how_to.py Traceback (most recent call last): File "Downloads/nupic-master/examples/bindings/sparse_matrix_how_to.py", line
-
之前介绍了两篇Nupic的技术细节—-脑皮层学习算法 —nupic的深入学习（一），脑皮层学习算法 —nupic的深入学习（二），但缺少了利用Nupic的具体实例。这篇文章会利用Nupic算法，基于已有的用户访问网站类别数据，预测用户的访问网站的类别。 1. 数据说明 数据，代码都在Github上。可下载。 列表中的元素就是网站类别 PAGE_CATEGORIES = [ "frontpage
-
(HTM)层次时序记忆-时间沉积池实现解读 如果你对HTM感兴趣，我建立了一个群，我们共同学习交流。515743445。 阅读本文前建议先阅读HTM白皮书(需要了解sp和tm的工作步骤)，以及论文Continuous online sequence learning with an unsupervised neural network model 本文研究src/nupic/algorithms
-
Kubernetes 在人工智能领域的应用。 TBD kubeflow - Kubernetes 机器学习工具箱
-
提供两个人像的正面照,然后输出面部的差异。例如如果越像的话输出的差异值就越少
-
人工智能是机器所展示的智能，与人类展示的智能形成鲜明对比。本教程介绍了人工智能等各个领域的基本概念，如人工神经网络，自然语言处理，机器学习，深度学习，遗传算法等，以及它在 Python 中的实现。
-
主要内容：AI类型 - 1：基于功能,人工智能类型-2：基于功能人工智能可以分为多种类型，主要有两种类型的主要分类，它们基于能力并基于AI的功能。以下是解释AI类型的流程图。 AI类型 - 1：基于功能 基于能力的人工智能的类型如下 - 1. 弱AI或狭隘AI 狭隘AI是一种能够执行智能专用任务的AI。最常见和当前可用的AI是人工智能领域的狭隘AI。 狭隘的AI不能超出其领域或限制，因为它只针对一项特定任务进行培训。因此它也被称为弱AI。如果超出限制，缩小的A
-
人工智能在当今社会中具有各种应用。它已成为当今时代的必要条件，因为它可以在多个行业中以有效的方式解决复杂问题，例如医疗保健，娱乐，金融，教育等。AI使我们的日常生活更加舒适和快速。 以下是一些应用人工智能的领域： 1. AI在天文学中应用 人工智能对于解决复杂的宇宙问题非常有用。人工智能技术有助于理解宇宙，例如它的工作原理，起源等。 2. AI在医疗保健领域应用 在过去的五到十年中，人工智能对医疗
-
人工智能包括机器和特殊计算机系统对人类智能的模拟过程。人工智能的例子包括学习，推理和自我纠正。AI的应用包括语音识别，专家系统，图像识别和机器视觉。 机器学习是人工智能的一个分支，它处理可以学习任何新数据和数据模式的系统和算法。 让我们关注下面提到的维恩图，以了解机器学习和深度学习概念。 机器学习包括机器学习的一部分，深度学习是机器学习的一部分。遵循机器学习概念的程序的能力是改善其观察数据的性能。
-
主要内容：什么是代理？,智能代理,理性代理：,AI代理的结构,PEAS代表AI系统可以定义为理性代理及其环境的研究。代理通过传感器感知环境并通过执行器对其环境起作用。AI代理可以具有知识，信仰，意图等心理属性。 什么是代理？ 代理可以是通过传感器感知环境并通过执行器对该环境起作用的任何事物。代理在感知，思考和行动的循环中运行。代理可以是： 人体代理：人类代理人的眼睛，耳朵和其他器官，用于传感器和手，腿，致动器的声道工作。 机器人代理：机器人代理可以是摄像头，红外测距仪，
-
主要内容：人工智能的成熟(1943-1952),人工智能的诞生(1952-1956),黄金岁月 - 早期的热情(1956-1974),第一个AI寒冬(1974-1980),AI的热潮(1980-1987),第二次AI寒冬(1987-1993),智能代理的出现(1993-2011),深度学习，大数据和人工智能(2011年至今),以下是纠正/补充内容：人工智能不是一个新词，也不是研究人员的新技术。这项技术比想象的要老很多。甚至在古希腊和埃及神话中也有机械人的神话。以下是AI历史上的一些里程碑，它定义