11月2日新聞，據連線雜志報導，如今環繞人工智能（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展現了一種不太風行的技巧——人工神經收集。Hinton曾經在這個范疇研討積聚了數十年，人工神經收集使得機械可以或許懂得圖象的才能有了偉大奔騰。

　　現在，人工神經收集曾經可以轉錄我們的演講、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“舊設法主意”，這能夠會轉變電腦“不雅看”的方法，偏重塑AI。盤算機視覺異常主要，關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，論述了他曾經研討了近40年的一個設法主意。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），它是神經收集的變體，目標是讓機械更好地經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元）被設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構成的收集可以應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曾經構成了他的“直覺”，他在1979年以為視覺體系須要如許一種內涵的幾何意義，其時他試圖弄清晰人類是若何應用心思意象的。Hinton在2011年初次提出了Capsule收集的初步設計，并于上周頒布了更周全的設計，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：“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。這位經歷豐碩的AI專家的直覺曾經獲得了證據支撐，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法主意抱有很年夜愿望。

　　圖象辨認始創公司Twenty Billion Neurons結合開創人、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的根本設計應當可以或許從數據中提掏出更多信息。假如可以或許在更年夜規模證實這一點，那將會對醫療保健等范疇有所贊助。在這些范疇，用于培訓AI體系的圖象數據遠比互聯網上的自攝影更少。

　　從某些方面來講，Capsule收集與AI研討比來的趨向有所分歧。比來對神經收集勝利的一種說明是，人類應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研討人員應當做更多的工作來模仿年夜腦的內涵機制，來進修像視覺和說話如許的癥結技巧。他說：“如今還不曉得這個特定的架構會走多遠，但看著Hinton打破這個范疇的通例，感到異常棒！”