“生命物理学评论”杂志是“生物学”和“生物物理学”类别中影响因素最高的杂志之一，发表了一篇题为“高维大脑交响曲”的文章。

该文章的作者，世界着名的俄罗斯科学家，包括Lobachevsky大学多维数据分析先进方法实验室的首席研究员，莱斯特大学(英国)教授Alexander Gorban，实验室的主要研究员Lobachevsky大学高级数据分析方法，英国莱斯特大学教授Ivan Tyukin，Lobachevsky大学神经网络技术实验室高级研究员，Complutense大学(西班牙马德里)教授Valery Makarov，总结了生命物理评论期刊的广泛讨论。

讨论集中在两个问题上：1)如何快速有效地纠正人工智能(AI)的错误?2)多维大脑中的小神经系统如此有效的原因是什么?

同一作者在文章中提出了这些问题的统一方法，“小维神经集合在高维大脑中的不合理有效性”，早在同一期刊上发表并引发了广泛的讨论。这组作者说，物质的核心在于多维空间的几何形状。其中一位讨论参与者，着名的神经科学专家R. Quian Quiroga，提议使用作者的首字母来称呼新方法：GMT方法。

正如Alexander Gorban指出的那样，数据云在多维系统中获得了意想不到的简单属性。即使在大的随机数据集中，每个点也可以通过平面从所有其他点以高概率分离，该平面使用显式公式构造。

“这种随机分离现象同时也是纠正人工智能错误和诸如”祖母或概念细胞“等神经生理现象的基础，这些神经生理现象选择性地响应任何图像的呈现(”祖母“)人工智能系统会犯错误并且会继续犯错误。我们必须开发一种有效的技术来处理人工智能错误或放弃在重要项目中使用人工智能，“Gorban教授强调说。

根据GMT方法，如果检测到人工智能错误，则可以通过使用简单规则(平面)将情况与其他没有错误的情况分开来对未来进行纠正。很容易建立这种简单校正工具的级联。它们允许在不重新训练原始系统的情况下纠正人工智能的错误，这将需要无比更多的时间和更多的所有类型的资源。

而且，“祖母或概念单元”可以容易地将特定的多维信号与所有其他信号分离，而不会产生复杂的和基本上非线性的规则。Gorban，Makarov和Tyukin(GMT模型)教授也提出了多维脑神经记忆的新模型。

RE Bellman于1957年提出的“维度诅咒”的概念是众所周知的。在GMT方法的框架内，维度的诅咒变成了维度的祝福。一个人不应该害怕或避免多个维度：诀窍是正确使用它们。

关于新GMT方法的讨论涉及十位世界知名专家。欧洲神经网络学会主席V.K?rková专注于修改现代机器学习理论的必要性，因为现实世界中的数据不是独立的，也不是平均分布的。

A. Tozzi和JF Peters提出了他们自己的方法来处理维数的诅咒。它基于多维拓扑，即关于任何连续变换不变的最一般几何属性。R. Quian Quiroga将GMT方法与现代神经科学概念在大脑稀疏编码中进行了比较。

一些不同程度乐观的专家讨论了现代神经科学与人工智能技术之间有效信息交换的问题。

P. Varona指出，研究人员可能在这些领域面临类似的问题，但人工智能仍远未掌握真实大脑中存在的异构，强大和有效的纠正机制。

另一方面，C。Lee Leeuwen认为现代的大脑控制论方法具有误导性，人工智能模型在神经科学中是无效的，需要改变基本范式才能取得一定的成功。

为了描述低维模型和真实大脑之间的过渡，R。Barrio介绍了两个世界，“脑岛”和“平地”，并讨论了它们之间理性旅行的问题。研究小维非线性过程对多维脑影响的L. Fortuna的观点与R. Barrio的观点非常接近。G. Kreiman强调，现代多维几何允许我们将多维度降低到低维系统。