第一部分数月前看的，凭印象简单写下我对千脑智能理论的理解。
千脑智能理论和传统新皮质理论有很多不同，比如功能划分、参考系概念、层次结构等；这里笔记重点回顾前者。
千脑智能理论认为，人在（广义的）运动中对事物建模，对同一事物会构造多重模型，它们依靠各自的参考系，分布式地存储在成千上万的大脑新皮质的皮质柱中。大脑根据这些模型进行预测投票，并通过“运动”获得反馈确认（或进行新的建模）。
以识别咖啡杯为例。假设某人的大脑中对一个黑色陶瓷咖啡杯的形状、材质、颜色等都已有模型，他的大脑中还对成千上百的其他物体有着模型。当他闭着眼睛去触摸咖啡杯时，他大脑中成千上万的皮质柱就会活跃起来，对手将碰到的事物以树突脉冲的形式进行预测，处于待激活状态，不同活跃模型的潜在的答案可能是陶瓷咖啡杯、玻璃水杯、钢笔、键盘等；当他的手指在咖啡杯上不断移动时，会反馈给大脑事物的形状、材质感觉等信息，相对正确预测的皮质柱会被激活，并通过投票达成共识——这是陶瓷咖啡杯。但他不知道是白色那个，还是黑色那个，所以睁开眼睛，用与视觉相关的模型加以预测、投票、确认——哦，是黑色陶瓷咖啡杯。或者——咦？竟然是黄色的，不是我原来的那两个。
霍金斯认为当前基于人工神经网络和深度学习的模型无法带来通用人工智能，它们可能带来很不错的结果，但算不上真正的智能，不具备知识表征能力。真正的智能应该有着和人类似的智能，需要有持续学习、通过“运动”学习、多重模型、通作参考系存储知识的特征。就持续学习这一特征而言，当前的人工智能并不具备该特征，它们需要事先大量训练而一旦完成部署就无法再学习；再如通过参考系存储知识，当前的人工智能也不具备该特征。
霍金斯认为，要实现真正的机器智能需要建立机器智能的具身、旧脑部分、大脑新皮质。具身为了让机器智能通过“运动”学习，可能是机器人、机械手臂、虚拟人，其包含各类传感器；旧脑是为了实现一些无需智能控制的功能，比如无人机的自动驾驶控制、机器智能的动机部分；硅基实现的大脑新皮质，可能要比人的大脑新皮质有很多优势，比如信息传递速度、容量、神经元连接灵活性、可复制性。
人们对 AGI 的担心主要在两个方面：智能爆炸和目标失调。霍金斯认为没有必要担心。首先，针对智能爆炸问题，霍金斯认为即便机器智能在学习上有很多优势，但实际学习的速度并不能产生极大的提升，因为学习本身依赖很多外部的条件，比如天文观测、实验验证等。其次，针对目标失调，霍金斯指出智能无法自行产生目的（人依赖旧脑），目标失调的假设建立在机器智能不会接受新的命令以及它们能获取达成目标的所有资源的基础上，而这两个基础是不现实的。
霍金斯发表了自己对意识的看法。他认为意识依赖于人们形成动作和思维的记忆。模仿人脑建立的机器智能因为有着和人类似的记忆机制，自然也会有意识，但人不必因此陷入道德困境而不去关闭机器——一方面关闭机器就像让其睡眠，打开就像醒过来；另一方面，机器智能虽然有意识，但不会有恐惧、欲望这样的情绪，这是旧脑的产物。霍金斯提及他感觉另一位教授解释意识的方向可能是对的，即就像大脑对其他事物的建模一样，意识来源于大脑对注意力的建模。
霍金斯认为人类智能存在的风险主要在于两点：
对于脑机融合的两条路线，霍金斯的观点是：
最后一部分还讨论了关于人类知识保存、避免人类灭绝等相关话题，霍金斯整体秉持的观念是知识大于基因。