簡介
HTM(Hierarchical Temporal Memory)算法，英文全稱HTM Cortical Learning Algorithms是由《人工智慧的未來》(On Intelligence)一書作者Jeff Hawkins創建的Numenta公司發表的新一代人工智慧算法。HTM算法旨在模擬新大腦皮層的工作原理，將複雜的問題轉化為模式匹配與預測。正如它的名字HTM一樣，該算法與普通的神經網路算法有諸多的不同之處。HTM強調對“神經元”進行分層級，強調信息模式的空間特性與時間特性。目前Numenta公司已經推出基於HTM算法的python平台和可進行視覺識別的軟體工具箱。與傳統人工智慧算法不同
傳統的人工智慧算法大多是針對特定的任務目標而設計的。HTM算法與之不同 ，它注重先把問題轉化成模式匹配與預測的問題再解決。這使提出人工智慧的“統一理論”成為可能。HTM算法是建立在大量解剖學和神經科學的基礎上的。HTM算法認為人類之所以具有智慧型，新大腦皮層是不可缺少的必要條件，並且由其承擔高級腦活動。我們的大腦的運行機制是將接受到的各種模式與記憶中模式進行匹配，並對下一刻將會接收到的信息作出預測及反應，如此循環往復。這正是其時效性(Temporal)的體現。
HTM算法表面上與神經網路算法有相似之處，其實質是完全不同的。這就好比一般電路與門電路的區別。將模擬“神經元”按照新大腦皮層的結構連線之後就會產生與一般神經網路完全不同的效果。一般的神經網路注重前饋，而HTM算法更注重信息的雙向交流，這也是由於神經解剖學發現反饋突觸數量不亞於前饋的原因。而反饋並不能得到大多數人的重視。
HTM算法也是一種擁有記憶性和可學習性的算法。它相對於其他學習算法更注重對神經網路的訓練而不是架構。HTM算法認為只要經過合理的訓練，該算法適用於解決大多數人工智慧問題。對於不同的任務目標實驗者需要將數據先空間化和時間化再對HTM網路進行訓練即可。
套用
2015年4月，IBM已經在其位於加州聖何塞的阿爾馬登研究實驗室成立了一個研究小組來研究Numenta公司的學習算法。他們將這些算法用於對衛星圖像的解析並進行測試，他們還在設計一種可以能將霍金斯的構想實施於硬體的電腦。霍金斯說大概有一百人在從事該項目。這個項目的內部名稱是“皮質學習中心”。IBM的研究小組正在研究使用Numenta的算法分析作物衛星圖像，從數據中發現機械故障的早期跡象。威爾克稱他們在研製能夠在物理上重現Numenta的算法的新型計算機。
