AI膠??囊系統(tǒng)可對(duì)數(shù)字進(jìn)行精確分類(lèi)

有充分的證據(jù)表明，人類(lèi)依靠坐標(biāo)系或參考線(xiàn)和曲線(xiàn)來(lái)確定點(diǎn)在空間中的位置。這與廣泛使用的計(jì)算機(jī)視覺(jué)算法不同，后者通過(guò)數(shù)字表示對(duì)象的特征來(lái)區(qū)分對(duì)象。

為了追求一種更人性化的方法，谷歌，Alphabet子公司DeepMind和牛津大學(xué)的研究人員提出了他們所謂的堆疊式膠囊自動(dòng)編碼器(SCAE)，這可以通過(guò)物體之間的幾何關(guān)系來(lái)說(shuō)明物體的原因。由于這些關(guān)系不依賴(lài)于模型查看對(duì)象的位置，因此即使在視點(diǎn)發(fā)生變化時(shí)，模型也可以對(duì)對(duì)象進(jìn)行高精度分類(lèi)。

2017年，杰弗里·欣頓(Geoffrey Hinton)(人工智能的最重要理論家和圖靈獎(jiǎng)的獲得者)與學(xué)生Sara Sabour和Nicholas Frosst一起提出了一種名為CapsNet的機(jī)器學(xué)習(xí)架構(gòu)，這是一種經(jīng)過(guò)區(qū)別訓(xùn)練的多層方法，可實(shí)現(xiàn)最新的圖像流行基準(zhǔn)上的分類(lèi)性能。作為他們最初工作的后續(xù)，Hinton，Sabour和牛津機(jī)器人研究所的研究人員在今年早些時(shí)候詳細(xì)介紹了SCAE，它在關(guān)鍵方面對(duì)原始架構(gòu)進(jìn)行了改進(jìn)。

SCAE和其他膠囊系統(tǒng)通過(guò)以幾何方式解釋其零件的組織集合來(lái)使物體有意義。負(fù)責(zé)分析各種對(duì)象屬性(如位置，大小和色相)的一組數(shù)學(xué)函數(shù)(膠囊)被附加到通常用于分析視覺(jué)圖像的一種AI模型上，并且一些膠囊的預(yù)測(cè)被重復(fù)使用以形成部分。由于這些表示在SCAE的整個(gè)分析過(guò)程中都保持不變，因此即使交換或變換零件的位置，膠囊系統(tǒng)也可以利用它們來(lái)識(shí)別對(duì)象。

膠囊系統(tǒng)的另一個(gè)獨(dú)特之處是?他們注意路線(xiàn)。與所有深層神經(jīng)網(wǎng)絡(luò)一樣，膠囊的功能排列在相互連接的層中，這些層傳輸來(lái)自輸入數(shù)據(jù)的“信號(hào)”，并緩慢調(diào)整每個(gè)連接的突觸強(qiáng)度(也稱(chēng)為權(quán)重)。(這就是他們提取特征并學(xué)會(huì)進(jìn)行預(yù)測(cè)的方式。)但是，對(duì)于膠囊，權(quán)重是根據(jù)上一層函數(shù)預(yù)測(cè)下一層輸出的能力動(dòng)態(tài)計(jì)算的。