Самая передовая возможность технологии HTM – это ее способность обнаруживать причины, лежащие в основе сенсорных данных. Причины – это устойчивые и повторяющиеся структуры в мире. Концепция «причин» охватывает все от языка до физических объектов, идей, законов физики, действий других людей. Подобно человеку, HTM могут обучаться моделировать все эти вещи и даже более. При подключении к HTM одного или более сенсоров, HTM постепенно и автоматически строит внутреннее представление причин в ее мире. Эта фаза обучения требует повторяющейся экспозиции сенсорной информации во времени. Причины должны оставаться неизменными во время обучения.
Есть целая иерархия причин, сосуществующих в мире в один момент времени, и HTM строит соответствующую иерархию представлений. Мгновенное значение этих представлений называется гипотезами.
Представления, сформированные на вершине иерархии – это высокоуровневые причины. Эти высокоуровневые причины остаются неизменными в течение очень долгого периода времени, и могут охватывать все сенсорное пространство. Причины, представленные на нижних уровнях иерархии охватывают более короткие периоды времени и более мелкие области сенсорного пространства.
Обнаружение причин является необходимым первым шагом к дальнейшему распознаванию, но для многих приложений он является и последним.
После обнаружения причин, HTM может легко выдвинуть гипотезу о причинах, лежащих в основе нестандартной информации. Выдвижение гипотез подобно «распознаванию паттернов». Когда HTM видит нестандартную информацию, она определяет не только наиболее правдоподобную высокоуровневую причину(ны) этой информации, но также и иерархию подпричин. Дизайнеры HTM-систем могут делать запрос к HTM, чтобы увидеть, что было распознано.
Каждый узел в сети может использовать свою память последовательностей для предсказания того, что должно произойти дальше. Серия предсказаний – это базис для воображения и целенаправленного поведения.
HTM могут реализовывать несколько типов внимания. Скрытое внимание может быть достигнуто путем выборочного запрещения путей в иерархии; это позволит HTM уделять внимание подмножеству всей ее входной информации. Установка предпочтений внимания может быть достигнуто путем установки желаемых гипотез на вершине иерархии; это даст направленный поиск. Явное внимание включает манипулирование объектами через поведение.