11月2日新闻，据连线杂志报导，如今环绕人工智能（AI）的炒作愈来愈多，假如你想是以责备某小我，69岁的Google研讨员杰夫·辛顿（Geoff Hinton）能够是个很好的候选人。由于就是这小我，一步步把“深度进修”从边沿课题酿成Google等收集巨子仰赖的焦点技巧！
作为多伦多年夜学传授，Geoffrey Hinton于2012年10月将AI范畴的成长推向了新的轨道。在两名研讨生的赞助下，Hinton展现了一种不太风行的技巧——人工神经收集。Hinton曾经在这个范畴研讨积聚了数十年，人工神经收集使得机械可以或许懂得图象的才能有了伟大奔腾。
现在，人工神经收集曾经可以转录我们的演讲、辨认我们的宠物，并赞助我们与“收集巨魔”作奋斗。但Hinton如今却对这类他赞助推出的技巧提议挑衅，他说：“我以为我们研讨盘算机视觉的方法是毛病的。固然它如今比其他任何器械都管用，但这其实不意味着它是准确的。”
Hinton如今分享了他的另外一个“旧设法主意”，这能够会转变电脑“不雅看”的方法，偏重塑AI。盘算机视觉异常主要，关于无人驾驶汽车或充任大夫的软件来讲更是如斯。上周，Hinton揭橥了两篇研讨论文，论述了他曾经研讨了近40年的一个设法主意。他说：“在很长一段时光里，这对我来讲都是一种直觉感到，只是后果不太好。如今，我们终究获得了停顿。”
Hinton的新办法被称为“胶囊收集”（capsule networks），它是神经收集的变体，目标是让机械更好地经由过程图象或视频来懂得世界。Hinton在第一篇论文中称，Capsule收集的精确性可与此前尺度测试中的最好成就相媲美，即软件学会若何辨认手写数字。在第二种情形下，Capsule收集简直将之前最好测试的毛病率下降了一半，这类测试挑衅软件从分歧角度辨认卡车和汽车等玩具的难度。Hinton一直在与谷歌派驻在多伦多的两名同事配合研讨他的新技巧。
Capsule收集旨在填补现今机械进修体系的缺点，这些缺点限制了它们的有用性。谷歌和其他公司明天应用的图象辨认软件须要年夜量的示例照片来进修，包含若何在各类情形下靠得住地辨认对象。这是由于该软件其实不善于将其对新场景常识停止泛化，例如重新的视角不雅看雷同的对象时，精确地将其辨认出来。举例来讲，教电脑从多个角度辨认一只猫，能够须要不计其数张分歧角度的照片。而人类孩童不须要如斯明白和普遍的练习，便可以学会辨认一只野生宠物。
Hinton的设法主意是减少最好AI体系和通俗幼儿之间的认知鸿沟，以便在盘算机视觉软件中树立更多的常识。Capsule（大批粗拙的虚拟神经元）被设计用来追踪物体的分歧部位，好比猫的鼻子和耳朵，和它们在空间中的绝对地位。由很多Capsule构成的收集可以应用这类方法来增强懂得，明确从分歧视角看到的物品仍然是此前雷同的对象。
Hinton曾经构成了他的“直觉”，他在1979年以为视觉体系须要如许一种内涵的几何意义，其时他试图弄清晰人类是若何应用心思意象的。Hinton在2011年初次提出了Capsule收集的初步设计，并于上周颁布了更周全的设计，这是该范畴研讨人员历久以来所等待的。纽约年夜学图象辨认传授Kyunghyun Cho表现：“每一个人都在期待它，并等待着杰夫的下一个巨大奔腾。”
如今就说Hinton获得了“年夜跃进”还为时过早，他本身也晓得这一点。这位经历丰硕的AI专家的直觉曾经获得了证据支撑，他说明说Capsule收集依然须要年夜量图象支撑，而且以后的体系与现有图象辨认软件比拟速度更慢。但Hinton异常悲观，他自负可以处理这些缺陷。该范畴的其别人也对他的历久成熟设法主意抱有很年夜愿望。
图象辨认始创公司Twenty Billion Neurons结合开创人、蒙特利尔年夜学传授罗兰·梅尼塞维奇（Roland Memisevic）说，与以后体系比拟，Hinton的根本设计应当可以或许从数据中提掏出更多信息。假如可以或许在更年夜规模证实这一点，那将会对医疗保健等范畴有所赞助。在这些范畴，用于培训AI体系的图象数据远比互联网上的自摄影更少。
从某些方面来讲，Capsule收集与AI研讨比来的趋向有所分歧。比来对神经收集胜利的一种说明是，人类应当把尽量少的常识编码到AI软件中，然后让它们本身从头开端盘算。纽约年夜学心思学传授加里·马库斯（Gary Marcus）客岁曾向叫车办事公司Uber出售了一家AI始创公司，他说，Hinton的最新研讨代表了一种新的能够。马库斯以为，AI研讨人员应当做更多的工作来模仿年夜脑的内涵机制，来进修像视觉和说话如许的症结技巧。他说：“如今还不晓得这个特定的架构会走多远，但看着Hinton打破这个范畴的通例，感到异常棒！”
