11月2日新聞，據(jù)連線雜志報導(dǎo)，如今環(huán)繞人工智能（AI）的炒作愈來愈多，假如你想是以責備某小我，69歲的Google研討員杰夫·辛頓（Geoff Hinton）能夠是個很好的候選人。由于就是這小我，一步步把“深度進修”從邊沿課題釀成Google等收集巨子仰賴的焦點技巧！
作為多倫多年夜學傳授，Geoffrey Hinton于2012年10月將AI范疇的成長推向了新的軌道。在兩名研討生的贊助下，Hinton展現(xiàn)了一種不太風行的技巧——人工神經(jīng)收集。Hinton曾經(jīng)在這個范疇研討積聚了數(shù)十年，人工神經(jīng)收集使得機械可以或許懂得圖象的才能有了偉大奔騰。
現(xiàn)在，人工神經(jīng)收集曾經(jīng)可以轉(zhuǎn)錄我們的演講、辨認我們的寵物，并贊助我們與“收集巨魔”作奮斗。但Hinton如今卻對這類他贊助推出的技巧提議挑釁，他說：“我以為我們研討盤算機視覺的方法是毛病的。固然它如今比其他任何器械都管用，但這其實不意味著它是準確的。”
Hinton如今分享了他的另外一個“舊設(shè)法主意”，這能夠會轉(zhuǎn)變電腦“不雅看”的方法，偏重塑AI。盤算機視覺異常主要，關(guān)于無人駕駛汽車或充任大夫的軟件來講更是如斯。上周，Hinton揭橥了兩篇研討論文，論述了他曾經(jīng)研討了近40年的一個設(shè)法主意。他說：“在很長一段時光里，這對我來講都是一種直覺感到，只是后果不太好。如今，我們終究獲得了停頓。”
Hinton的新辦法被稱為“膠囊收集”（capsule networks），它是神經(jīng)收集的變體，目標是讓機械更好地經(jīng)由過程圖象或視頻來懂得世界。Hinton在第一篇論文中稱，Capsule收集的精確性可與此前尺度測試中的最好成就相媲美，即軟件學會若何辨認手寫數(shù)字。在第二種情形下，Capsule收集簡直將之前最好測試的毛病率下降了一半，這類測試挑釁軟件從分歧角度辨認卡車和汽車等玩具的難度。Hinton一直在與谷歌派駐在多倫多的兩名同事配合研討他的新技巧。
Capsule收集旨在填補現(xiàn)今機械進修體系的缺點，這些缺點限制了它們的有用性。谷歌和其他公司明天應(yīng)用的圖象辨認軟件須要年夜量的示例照片來進修，包含若何在各類情形下靠得住地辨認對象。這是由于該軟件其實不善于將其對新場景常識停止泛化，例如重新的視角不雅看雷同的對象時，精確地將其辨認出來。舉例來講，教電腦從多個角度辨認一只貓，能夠須要不計其數(shù)張分歧角度的照片。而人類孩童不須要如斯明白和普遍的練習，便可以學會辨認一只野生寵物。
Hinton的設(shè)法主意是減少最好AI體系和通俗幼兒之間的認知鴻溝，以便在盤算機視覺軟件中樹立更多的常識。Capsule（大批粗拙的虛擬神經(jīng)元）被設(shè)計用來追蹤物體的分歧部位，好比貓的鼻子和耳朵，和它們在空間中的絕對地位。由很多Capsule構(gòu)成的收集可以應(yīng)用這類方法來增強懂得，明確從分歧視角看到的物品仍然是此前雷同的對象。
Hinton曾經(jīng)構(gòu)成了他的“直覺”，他在1979年以為視覺體系須要如許一種內(nèi)涵的幾何意義，其時他試圖弄清晰人類是若何應(yīng)用心思意象的。Hinton在2011年初次提出了Capsule收集的初步設(shè)計，并于上周頒布了更周全的設(shè)計，這是該范疇研討人員歷久以來所等待的。紐約年夜學圖象辨認傳授Kyunghyun Cho表現(xiàn)：“每一個人都在期待它，并等待著杰夫的下一個巨大奔騰。”
如今就說Hinton獲得了“年夜躍進”還為時過早，他本身也曉得這一點。這位經(jīng)歷豐碩的AI專家的直覺曾經(jīng)獲得了證據(jù)支撐，他說明說Capsule收集依然須要年夜量圖象支撐，而且以后的體系與現(xiàn)有圖象辨認軟件比擬速度更慢。但Hinton異常悲觀，他自負可以處理這些缺陷。該范疇的其別人也對他的歷久成熟設(shè)法主意抱有很年夜愿望。
圖象辨認始創(chuàng)公司Twenty Billion Neurons結(jié)合開創(chuàng)人、蒙特利爾年夜學傳授羅蘭·梅尼塞維奇（Roland Memisevic）說，與以后體系比擬，Hinton的根本設(shè)計應(yīng)當可以或許從數(shù)據(jù)中提掏出更多信息。假如可以或許在更年夜規(guī)模證實這一點，那將會對醫(yī)療保健等范疇有所贊助。在這些范疇，用于培訓AI體系的圖象數(shù)據(jù)遠比互聯(lián)網(wǎng)上的自攝影更少。
從某些方面來講，Capsule收集與AI研討比來的趨向有所分歧。比來對神經(jīng)收集勝利的一種說明是，人類應(yīng)當把盡量少的常識編碼到AI軟件中，然后讓它們本身從頭開端盤算。紐約年夜學心思學傳授加里·馬庫斯（Gary Marcus）客歲曾向叫車辦事公司Uber出售了一家AI始創(chuàng)公司，他說，Hinton的最新研討代表了一種新的能夠。馬庫斯以為，AI研討人員應(yīng)當做更多的工作來模仿年夜腦的內(nèi)涵機制，來進修像視覺和說話如許的癥結(jié)技巧。他說：“如今還不曉得這個特定的架構(gòu)會走多遠，但看著Hinton打破這個范疇的通例，感到異常棒！”
