奧賴利說，這些較新的系統正在映現大腦不同區域如何運轉，而不僅僅是單個神經元在做什麼。但這不是直接映現，而是奧賴利所說的“重新組合”或“混合”。
大腦有不同的區域，比如海馬體和皮質，每個區域都有不同的計算形式。奧賴利說，Transformer把這兩者融合在了一起。他說：“我認為它就像一種糊狀的大腦。這種糊狀物被散布到網絡的各個部分，並做一些類似海馬體的事情和一些類似皮質的事情。”
奧賴利把Transformer之前的通用神經網絡比作大腦參與知覺的後皮質。他解釋說，Transformer到來後，它增加了一些類似於海馬體的功能，他解釋說，海馬體擅長存儲和檢索詳細事實——例如早餐吃了什麼或上班的路線。然而，整個人工智能系統並非有一個單獨的海馬體，而是像一個巨大的糊狀海馬體。
普通計算機必須通過內存中的地址或某種標簽來查找信息，而神經網絡則可以根據提示自動檢索信息（你吃了什麼早餐？）。這就是奧賴利所說的神經網絡的“超能力”。
大腦與神經網絡的相似是驚人的，但差異或許是巨大的。奧賴利說，這些模型與人腦的一個不同之處是，它們沒有意識的基本要素。他和在這一領域工作的其他人認為，為了擁有意識，神經元必須進行一次有來有回的對話。
他說：“意識的本質是，你對自己大腦的狀態有一定的感知。”做到這一點需要雙向聯結。然而，所有現有模型祗有人工智能神經元之間的單向對話。不過，奧賴利正致力於此。他的研究涉及這種雙向聯結。
並非所有的機器學習嘗試都基於神經網絡，但最成功的嘗試是這樣的。這可能不該讓人感到意外。在數十億年的時間裡，進化找到了創造智力的最佳方式。克里斯蒂安說，現在我們正在重新發現並改造那些最佳做法。
他說：“事實證明，從生物上獲得最多啟發的模型是表現最好的，這不是偶然，也不純是巧合。” |
