Numenta 公司创建于2005年，其创始人 Jeffrey Hawkins 大名鼎鼎，既是计算机科学家，也是神经生物学家，同时还是Palm公司、Handspring公司、Redwood Neuroscience Institute 研究所的创办者。
创业的经历与其学术经历相符，早期创办的 Palm 和 Handspring 公司专注于制造移动设备，想必离不开其计算机科学的学术背景，此后分别创办于2002年和2005年的 Redwood Neuroscience 研究所和 Numenta 公司，则专注于研究新皮层处理信息的方式，并应用于计算机领域，这则归功于其神经生物学的背景。
根据人类进化史，大脑皮层分为新皮层和古皮层。所谓的“新皮层”在脑半球顶层，大约2-4毫米厚，分为六层。新皮层被证明与一些高等功能有相关关系，比如知觉、运动指令的产生，空间推理，意识及人类语言。在其他研究中也表明，人类经过学习得到的意识都在新皮层集聚，形成物质的反应体，记载和储存所学习知识。
依据新皮层的处理信息的方式，2004年 Jeffrey 和其同伴写了一本叫做《人工智能的未来》的书，提出了分层时序记忆（Hierarchical Temporal Memory） 的新算法。但随着深度学习算法的火热，Jeffrey 的这种算法似乎面临着被“埋没”的现状。
不过，即便如此，Jeffrey 还是在积极地维护着自己的领地。
简单来说，HTM 就是通过模拟新皮层的机制， 以人类认知世界的方式来学习世界中的对象。它提供一种在杂乱 、大型、现实世界的数据集中，进行模式识别和预测的方法。HTM 应用领域很广，比如图像和声音识别、复杂系统的故障预测、网络点击预测、欺诈检测系统预测、文本语义分析等 。HTM 底层的学习算法并不局限于特定的应用领域。
HTM 算法在图像识别中的应用
Jeffrey 认为，当应用于计算机时，HTM 非常适合用于预测、异常检测、分类以及最终的感觉运动应用程序，并且始终相信这项技术将成为下一波计算的基础。
与其他机器学习方法不同，HTM 是基于时间模式，在连续基础上学习无标记数据，这意味着它可以同时学习多种模式。
根据 Numenta 官网介绍，HTM 算法到目前为止经过了三次进化迭代：
测试 HTM 理论并开发第一代算法，在这个阶段，视觉是一个主要的应用焦点领域；
开发第二代 HTM 学习算法，具有更强的生物相关性和未来工作的路线图，在此阶段，继续探索应用程序，构建预测引擎，并启动了一个直接相关的开源项目；
研究第三代 HTM 学习算法，关注感觉运动整合。
致力于让机器像人类大脑一样工作的Numenta，入选最值得关注100家AI公司榜单
同时，虽然 Numenta 公司自身并不构建商业的应用程序，但他们在一些领域创建了用于示例的 HTM 应用程序，例如监视股票性能、检测异常的人类行为以及在地理空间数据中发现模式。此外，Numenta 公司的合作伙伴在监控 IT 基础架构和自然语言理解方面也创建了一些商业应用程序。
此外，Numenta 的创始团队也颇为豪华：联合创始人 Donna Dubinsky 此前在苹果公司工作10年，负责销售支持和物流；研究副总裁 Subutai Ahmad 曾在 Yesvideo 公司担任工程副总裁，帮助公司从三个人成长为自动化数字媒体创作的领导者。
CrunchBase 显示，Numenta 公司于2016年完成了一轮120万美元的融资，投资方为 Cortical.io ，是一家提供基于语义折叠的自然语言理解（NLU）解决方案的公司，也是 HTM 技术的使用者。
虽然 Numenta 公司并未停止脚步，相比目前2006年提出、极为火爆的深度学习而言，早于2年提出的 HTM 算法显然被压了一头。围绕这两种机器学习算法的优劣，业界也有一些争论。但总体而言，在面对多种类型问题时，深度学习的多层模型，显然要优于“一次只能解决一种问题”的 HTM 算法。但也正如吴恩达在谈到深度学习时所言，解决不同问题需要不同的技术，所以也不能以简单优劣来评价两种机器学习的算法。
记者认为，对科技领域而言，形成霸权是极度危险的，需要更多不同的声音和探索。
