A resposta curta é que a visão de Hawkins ainda não foi implementada de uma maneira amplamente acessível, particularmente as partes indispensáveis relacionadas à previsão.
A resposta longa é que li o livro de Hawkins há alguns anos e fiquei empolgado com as possibilidades da Memória Temporal Hierárquica (HTM). Ainda estou, apesar de ter algumas reservas sobre algumas de suas reflexões filosóficas sobre os significados da consciência, livre arbítrio e outros tópicos. Não vou detalhar essas suspeitas aqui porque elas não são relevantes para a principal e esmagadora razão pela qual as redes HTM não foram bem-sucedidas até o momento: até onde sei, Numenta implementou apenas uma versão truncada de sua visão. Eles deixaram de fora a maior parte da arquitetura de previsão, que desempenha um papel tão crítico nas teorias de Hawkins. Como Gerod M. Bonhoff colocou em uma excelente tese 1 sobre HTMs,
A decisão de projeto mais importante adotada por Numenta foi eliminar o feedback dentro da hierarquia e optar por simular esse conceito teórico usando apenas algoritmos de pool de dados para ponderação. Essa decisão é suspeita imediatamente e viola os principais conceitos do HTM. O feedback, insiste Hawkins, é vital para a função cortical e central para suas teorias. Ainda assim, Numenta afirma que a maioria dos problemas aplicáveis ao HTM pode ser resolvida usando seus algoritmos de implementação e de pool proprietário ".
Ainda estou aprendendo as cordas nesse campo e não posso dizer se Numenta descartou ou não essa abordagem em favor de uma implementação completa das idéias de Hawkins, especialmente a arquitetura de previsão muito importante. Mesmo que tenham, essa decisão de design provavelmente atrasou a adoção por muitos anos. Isso não é uma crítica em si; talvez os custos computacionais de rastrear valores de predição e atualizá-los em tempo real fossem demais para suportar naquele momento, além dos custos comuns de processamento de redes neurais, deixando-os sem outro caminho, exceto para tentar meias-medidas como seu pool proprietário mecanismos. No entanto, todos os melhores trabalhos de pesquisa que li sobre o assunto desde então optaram por reimplementar os algoritmos, em vez de confiar na plataforma de Numenta, geralmente por causa dos recursos de previsão ausentes.Relatório técnico de Maltoni para o Laboratório de Sistemas Biométricos da Universidade de Bolonha 2 . Em todos esses casos, no entanto, não há software prontamente acessível para colocar seus HTMs variantes em uso imediato (tanto quanto eu sei). A essência de tudo isso é que, como a famosa máxima de GK Chesterton sobre o cristianismo, "os HTMs não foram julgados e considerados carentes; foram considerados difíceis e deixados sem julgamento". Como Numenta deixou de fora as etapas de previsão, presumo que elas seriam os principais obstáculos que aguardam quem quiser codificar a visão completa de Hawkins sobre o que deveria ser um HTM.
1 Bonhoff, Gerod M., 2008, Utilizando Memória Temporal Hierárquica para Detectar Atividade de Rede Anômala. Apresentado em março de 2008 no Instituto de Tecnologia da Força Aérea, Base da Força Aérea Wright-Patterson, Ohio.
2 Maltoni, Davide, 2011, Reconhecimento de padrões pela memória temporal hierárquica. Relatório Técnico do DEIS publicado em 13 de abril de 2011. Laboratório de Sistemas Biométricos da Universidade de Bolonha: Bolonha, Itália.