Mil cérebros — referência cortical

A tese de Hawkins é simples e perturbadora: cada coluna cortical aprende um modelo completo do mundo, e o que chamamos de percepção é uma votação entre milhares deles.

Não há um "centro" onde o objeto chega pronto. Há muitos modelos parciais, cada um com seu sistema de referência espacial, convergindo.

Por que importa para IA

LLMs atuais são, em larga medida, monolíticos: um único grande modelo gera uma única próxima previsão. A arquitetura de Hawkins sugere que um caminho fundamentalmente diferente — votação distribuída entre modelos com referências espaciais próprias — pode ser necessário para emergir comportamento que reconheçamos como cognição.