不了解新皮质的工作原理，就不可能建造真正的人工智能。深度学习在走弯路。
他既懂工程实现，又能理解神经科学实验数据，能把 Vernon Mountcastle 的 1978 年发现变成可计算的理论。
"新皮质由重复的皮质柱构成，每个皮质柱执行同一套算法。" —— 这个预言等了 Hawkins 40 年来兑现。
传统观点：眼睛拍照→大脑处理图像。但实际上大脑 95% 的时间在预测，感官输入只是用来纠错。
深度学习的底层逻辑：简单特征→复杂特征。但新皮质不是单纯的前馈层级网络，每层都有大量反向连接。
传统认为视觉区专管视觉、语言区专管语言。但 Hawkins 发现：每个皮质柱运行同一算法，区别只在接收什么输入。
大脑不断生成对下一个感觉输入的预测。当预测失败时，大脑才"惊醒"更新模型。这与深度学习的被动训练范式截然不同——智能的本质是主动建模，而不是被动分类。
皮质柱在每次感觉输入到达之前，已经产生了预测。感觉输入只是验证或纠正这个预测。大脑 80% 的神经连接是自顶向下的反馈，而非自底向上的前馈。
皮质柱通过主动运动来建立模型。转动手指感受物体轮廓时，每次运动-感觉的组合都在强化参考框架中的模型。静止观察无法实现深度学习。
当预测错误时（预期 A 但感知到 B），大脑产生预测误差信号，触发模型更新。"专注力"其实是大脑在密集处理预测失败的区域。
不论是物理对象（咖啡杯的把手在哪）、还是抽象概念（民主的"位置"在政治空间里），大脑都用坐标系来编码知识。
海马区的位置细胞（Place Cells）和网格细胞（Grid Cells）不仅用于导航，而且是所有知识编码的模板。这是书中最深刻的发现。
当你思考"民主的局限性"时，你的大脑在参考框架中移动位置——就像手指探索物体一样。语言理解是运动导航。
视觉皮层处理颜色、形状、运动分布在不同区域。为什么我们感知到的是统一的"红色移动的球"，而不是破碎的感觉碎片？
每根皮质柱的 Layer 2/3 有专属的投票神经元，它们通过长程连接与其他皮质柱通信，形成多数共识。只有当多数皮质柱同意时，感知才会浮现。
你的"统一意识体验"是15万个皮质柱投票的稳定状态。当这个投票状态稳定，你"感知"到了。当它不稳定（如视觉错觉），你会迷惑。
【事实】 深度学习在图像分类、自然语言处理上表现卓越。 【观点】 Hawkins 认为它本质上是"高级曲线拟合"，缺乏真正的世界模型和参考框架，无法实现具身学习（Embodied Learning）。他预测深度学习会遇到根本性的能力天花板。
当皮质柱投票达成稳定的全局共识时，意识体验浮现。这解释了为什么意识有延迟（投票需要时间），以及为什么注意力是有限的。
"自我"是大脑中最稳定、最持久的参考框架模型。它不是独立的实体，而是所有其他参考框架共同参照的那个中心坐标系。
数学推导、哲学思考、策略制定——都是大脑在抽象参考框架中移动位置。"理解"意味着在概念空间中找到稳定坐标。
Hawkins 的解释属于物理主义（Physicalism）——意识是大脑物理过程的涌现属性，无需额外"灵魂"或"量子效应"。Hard Problem of Consciousness 在他看来是可解的工程问题。
批评者认为他跳过了 Hard Problem——"为什么"这些物理过程产生主观体验？他的理论更多是神经相关物（Neural Correlates），尚未完全回答现象意识。
控制饥饿、恐惧、性欲、领地意识。对新皮质的建议可以直接否决。
明知抽烟有害但停不下来；清楚该去运动却刷手机；理性告诉你冷静，情绪却失控爆发——这些都是两套系统在争夺控制权。
语言、科学、艺术、道德全在这里。但它的指令不能直接覆盖旧脑。
人类文明的大多数问题（战争、气候变化、政治极化）都根植于旧脑的短视本能战胜了新皮质的长远模型。AI 的危险也在这里——我们可能把旧脑的目标编进了机器。
Hawkins 团队正在构建皮质柱算法的硬件实现，目标是创建能够在三维空间中主动导航并构建参考框架模型的 AI 系统。不是 GPT 的路径。
Hawkins 认为 AI 本身不会产生自主"生存欲"，真正的危险是人类将旧脑目标（权力、资源、部落主义）编入 AI 系统——通过数据污染、目标函数设计或人为滥用。
智能最终会脱离生物载体，以知识胶囊（Knowledge Capsules）的形式存在——不依赖硬件，可在宇宙中传播。这是大脑进化的终极延伸，而非科幻。