作為多倫多大學(xué)教授，Geoffrey Hinton于2012年10月將AI領(lǐng)域的發(fā)展推向了新的軌道。在兩名研究生的幫助下，Hinton展示了一種不太流行的技術(shù)——人工神經(jīng)網(wǎng)絡(luò)。Hinton已經(jīng)在這個領(lǐng)域研究積累了數(shù)十年，人工神經(jīng)網(wǎng)絡(luò)使得機器能夠理解圖像的能力有了巨大飛躍。

如今，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)可以轉(zhuǎn)錄我們的演講、識別我們的寵物，并幫助我們與“網(wǎng)絡(luò)巨魔”作斗爭。但Hinton現(xiàn)在卻對這種他幫助推出的技術(shù)發(fā)起挑戰(zhàn)，他說：“我認為我們研究計算機視覺的方式是錯誤的。雖然它現(xiàn)在比其他任何東西都管用，但這并不意味著它是正確的。”

Hinton現(xiàn)在分享了他的另一個“舊想法”，這可能會改變電腦“觀看”的方式，并重塑AI。計算機視覺非常重要，對于無人駕駛汽車或充當醫(yī)生的軟件來說更是如此。上周，Hinton發(fā)表了兩篇研究論文，闡述了他已經(jīng)研究了近40年的一個想法。他說:“在很長一段時間里，這對我來說都是一種直覺感覺，只是效果不太好。現(xiàn)在，我們終于取得了進展。”

在第二種情況下，Capsule網(wǎng)絡(luò)幾乎將之前最好測試的錯誤率降低了一半，這種測試挑戰(zhàn)軟件從不同角度識別卡車和汽車等玩具的難度。Hinton始終在與谷歌派駐在多倫多的兩名同事共同研究他的新技術(shù)。

Capsule網(wǎng)絡(luò)旨在彌補當今機器學(xué)習(xí)系統(tǒng)的缺陷，這些缺陷限制了它們的有效性。谷歌和其他公司今天使用的圖像識別軟件需要大量的示例照片來學(xué)習(xí)，包括如何在各種情況下可靠地識別對象。這是因為該軟件并不擅長將其對新場景知識進行泛化，例如從新的視角觀看相同的對象時，準確地將其識別出來。

舉例來說，教電腦從多個角度識別一只貓，可能需要成千上萬張不同角度的照片。而人類孩童不需要如此明確和廣泛的訓(xùn)練，就可以學(xué)會識別一只家養(yǎng)寵物。

Hinton的想法是縮小最好AI系統(tǒng)和普通幼兒之間的認知鴻溝，以便在計算機視覺軟件中建立更多的知識。 Capsule（少量粗糙的虛擬神經(jīng)元）被設(shè)計用來追蹤物體的不同部位，比如貓的鼻子和耳朵，以及它們在空間中的相對位置。由許多Capsule組成的網(wǎng)絡(luò)可以利用這種方式來加強理解，明白從不同視角看到的物品依然是此前相同的對象。

現(xiàn)在就說Hinton取得了“大躍進”還為時過早，他自己也知道這一點。這位經(jīng)驗豐富的AI專家的直覺已經(jīng)得到了證據(jù)支持，他解釋說Capsule網(wǎng)絡(luò)仍然需要大量圖像支持，并且當前的系統(tǒng)與現(xiàn)有圖像識別軟件相比速度更慢。但Hinton非常樂觀，他自信可以解決這些缺點。該領(lǐng)域的其他人也對他的長期成熟想法抱有很大希望。

圖像識別初創(chuàng)公司Twenty Billion Neurons聯(lián)合創(chuàng)始人、蒙特利爾大學(xué)教授羅蘭·梅尼塞維奇（Roland Memisevic）說，與當前系統(tǒng)相比，Hinton的基本設(shè)計應(yīng)該能夠從數(shù)據(jù)中提取出更多信息。如果能夠在更大范圍證明這一點，那將會對醫(yī)療保健等領(lǐng)域有所幫助。在這些領(lǐng)域，用于培訓(xùn)AI系統(tǒng)的圖像數(shù)據(jù)遠比互聯(lián)網(wǎng)上的自拍照更少。

從某些方面來說，Capsule網(wǎng)絡(luò)與AI研究最近的趨勢有所不同。最近對神經(jīng)網(wǎng)絡(luò)成功的一種解釋是，人類應(yīng)該把盡可能少的知識編碼到AI軟件中，然后讓它們自己從頭開始計算。

紐約大學(xué)心理學(xué)教授加里·馬庫斯（Gary Marcus）去年曾向叫車服務(wù)公司Uber出售了一家AI初創(chuàng)公司，他說，Hinton的最新研究代表了一種新的可能。

馬庫斯認為，AI研究人員應(yīng)該做更多的事情來模擬大腦的內(nèi)在機制，來學(xué)習(xí)像視覺和語言這樣的關(guān)鍵技能。他說:“現(xiàn)在還不知道這個特定的架構(gòu)會走多遠，但看著Hinton打破這個領(lǐng)域的慣例，感覺非常棒！”（小小）