Многие алгоритмы машинного обучения, особенно столь популярные сейчас нейронные сети, заимствуют идеи своей эффективной работы из знаний нейрофизиологов о том, как работает наш мозг. Оказывается, что среди огромного количества информации о генах, нейронах, синапсах и нейромедиаторах можно выделять вполне конкретные принципы того, как учится и принимает решения наш мозг. Среди этих принципов такие, как иерархичность, наличие обратной связи, послойное обучение, латеральное подавление и др. Объединить эти идеи и воплотить их в новом алгоритме управления техническим устройством (как говорят, построить нейроморфный алгоритм) — задача этого проекта.

Одной из ключевых технологий, которой мы пользуемся в данном направлении, фреймворк иерархической временной памяти - HTM. Это развивающееся направление пока не адаптировано к динамическим системам и не поддерживает идею обучения с подкреплением. Расширение HTM в этом направлении - одна из ключевых тем.