崭新的神经网络

现有的人工智能(AI)和人工神经网络仍需要大量的数据来学习，而专家们越来越担心未来的系统也要如此。

日前，负责神经网络推广的谷歌研究员表示，他们已经开发出一种新型人工智能，将解决这个限制:这就是胶囊网络（capsule networks），它是神经网络的变体，目的是让机器更好地通过图像或视频来了解世界。

近日，杰弗里·辛顿（Geoffrey E. Hinton）在ArXiv和OpenReview.net上发表了一篇公开的研究论文，概述了他的胶囊网络。

附论文地址：https://arxiv.org/abs/1710.09829

他声称这篇论文证明了他近40年来一直思考的问题。在接受《连线》杂志采访时，辛顿表示:“长久以来，它一直是我直觉上产生的东西，还没有很好地发挥作用。 现在，我们终于得到了一些有用的东西。”

在辛顿的胶囊网络中，每一个胶囊都包含一些人工神经元，它们可以合作识别事物。这些胶囊被组织成层，每层胶囊可用来识别图像中的特定特征。当一层的多个胶囊确认所识别的东西时，就会激活下一层，层层激活，直到网络确定自己正在识别什么。

传统的神经网络必须从不同的角度看数千张照片，才能从不同角度识别物体。辛顿表示，层层识别的方式可以使胶囊网络直接从多个角度和不同场景中识别物体。

从目前的测试来看，他似乎是对的。在一项识别手写数字的测试中，胶囊网络能够与最好的传统的神经网络相匹敌，而在一个多角度识别玩具的测试中，胶囊网络将错误率降低了一半。

AI又进一步

2012年，辛顿和多伦多大学的两名研究生通过研究发现，人工神经网络可以提高计算机对图像的理解能力。他们的研究点燃了科技界的想象力，很快，三人进入谷歌，开展深入的研发工作。

时至今日，神经网络已经应用于从自我引导型机器人到特斯拉汽车等多个领域，被嵌入多种应用，还提高了机器翻译水平，增强了人们对量子世界的理解等。甚至有人认为，神经网络已经“接近了人类的意识水平”。

尽管如此，辛顿并不认为这项技术已达完美水平。“我认为我们做计算机视觉的方式是错误的，”他在《连线》杂志上表示，“它比目前的任何东西都好，但这并不意味着它是最正确的。”

虽然胶囊网络比现有的图像识别软件更慢，而且还没有对大量图像进行测试，但辛顿乐观地认为，一旦解决了胶囊网络存在的缺点，它就会改进传统的神经网络。

现在我们正用着辛顿认为的“不那么正确”的计算机视觉，却觉得自己可以做任何事情，那么试想，将来我们如果使用越来越“正确”的AI，都能做些什么呢？

—完—

来源：Futurism

作者：Claudia Geib

智能观 编译

想知道AI加教育领域有哪些最新研究成果？

想要AI领域更多的干货？

想了解更多专家的“智能观”？

请在对话界面点击“找找看”，去获取你想要的内容吧。