连续思维机器（CTM），这是一种新型的AI模型，旨在弥合AI和生物智能之间的差距。
【二、关键点】
* 传统AI的局限性：
* 目前的AI模型缺乏生物大脑的关键要素，即时间。它们无法像人类一样灵活、高效地理解世界。
* CTM的创新之处：
* 内部思考维度：CTM可以在独立于外部数据输入的内部时间维度上运行，使其能够进行多步骤的思考和推理。
* 神经元级别的持续处理：CTM中的每个神经元都有自己的模型来处理历史输入信号，使其能够根据近期输入动态调整行为。
* 神经同步作为核心表征：CTM追踪神经元放电历史，计算神经元之间的活动同步程度，并将其用作模型的潜在表征。
* CTM的实验：
* 迷宫求解：CTM学会了类似于人类的迷宫求解方法，能够规划出解决方案。
* 图像识别：CTM通过多个步骤检查图像的不同部分，提高了准确性和可解释性。
* CTM的优势：
* CTM在排序、问答、计算题等任务中表现出色，尤其是在需要整合长期依赖的任务中。
* CTM的局限性：
* CTM的训练速度较慢，且模型复杂度较高。
* CTM的意义：
* CTM为AI的发展带来了新的思路和方向，展示了结合生物大脑特征来提升AI能力的可能性。
* 未来展望：
* SAKAI团队计划将CTM应用于语言模型、视频等时序数据，并探索结合生物可塑性原理进行优化。
