¿Cómo se ha desviado Grok Solutions de la visión de Numenta?

El nombre de la empresa ha cambiado de Numenta a Grok. Sin embargo, la compañía no se ha desviado en absoluto de la visión de Numenta, que era “Ser un catalizador para la Computación Inteligente”. Numenta se propuso construir sistemas inteligentes inspirados biológicamente siguiendo el modelo de Neocortex y los principios descritos en el libro de Jeff Hawkin sobre inteligencia. Esta visión fue la razón por la que originalmente me uní a Numenta, y la razón por la que todavía estoy aquí en Grok.

Esto no quiere decir que no haya habido cambios en el camino. Los dos cambios principales han sido:

1) Desde la fundación original en 2005, hemos experimentado con varios algoritmos específicos diferentes. En los últimos 3 años nos hemos basado en una base de algoritmos conocida como Algoritmo de aprendizaje cortical. Este algoritmo es muy diferente del algoritmo con el que comenzamos, pero está mucho más relacionado con la neurociencia. Ha sido bien documentado. Ahora hay una versión de código abierto (ver Numenta | NuPIC) y una creciente comunidad de investigadores que trabajan con ella. Esperamos seguir mejorando el algoritmo a medida que aprendemos más.

2) La razón por la que Numenta se fundó como una empresa con fines de lucro es porque Jeff creía que era necesario crear productos útiles basados ​​en la tecnología para ser un catalizador. En los primeros años nos centramos en el reconocimiento de imágenes como área de aplicación, pero realmente no teníamos idea de qué categorías de productos serían los mejores objetivos iniciales. En los últimos años, Grok ha identificado una serie de mercados y oportunidades de productos más adecuados. Actualmente estamos enfocados en un producto inicial como se documenta en nuestro sitio web (Grok | Home).

Los anteriores son definitivamente cambios importantes, pero la compañía se ha mantenido fiel a la visión original.

More Interesting

¿Es demasiado tarde para sumergirme en Data Science, ya que se están desarrollando poderosas herramientas de aprendizaje automático y ya hay muchos científicos de datos hábiles?

¿Cuál es el mejor marco de minería de datos?

Estoy tratando de evaluar el rendimiento del modelo (regresión). En la literatura, algunos usan RMSE y otros usan correlación. ¿Hay alguna diferencia entre ambos enfoques?

¿Cuál es la ventaja de una red neuronal entrenable de extremo a extremo?

¿Cuáles son algunos modelos de detección de rostros basados ​​en aprendizaje profundo disponibles gratuitamente?

¿Cuáles son algunos paquetes de software populares para modelos gráficos?

¿Cómo debo proceder después de completar el curso de aprendizaje automático de Andrew Ng?

Aprendizaje automático: ¿cuándo debo aplicar la normalización / estandarización de datos?

¿Cómo se introdujo por primera vez en Machine Learning / Data Science?

¿Me puede recomendar algunos buenos libros, blogs, artículos y documentos dedicados a conjuntos de modelos y especialmente apilamiento de modelos, también conocidos como conjuntos de modelos híbridos?

¿Las redes neuronales convolucionales construyen simetrías locales o globales?

¿Cuáles son los pasos básicos del procesamiento de texto en el procesamiento del lenguaje natural para la similitud de texto?

¿Cuál es la diferencia entre el aprendizaje por refuerzo y la optimización?

¿Podría una red neuronal aproximarse a un sistema de ecuaciones diferenciales ordinarias y parciales?

Cómo obtener un codificador automático de ruido para aprender una representación demasiado completa