[[210898]]

如果你不明白人們為什么對于人工智能這么著迷，69歲的谷歌研究員杰夫·辛頓也許知道其中***的答案。

這位多倫多大學的教授在2012年10月顛覆了人工智能研究領域，開辟了一條全新的研究方向。當年Hinton帶著兩個研究生，向世界展示了一個他幾十年來一直致力倡導卻并不受待見的技術 － 人工神經網絡，讓機器理解圖像的能力有了巨大的飛躍。這之后，在六個月內，這三名研究人員就都被谷歌招致麾下。今天人工智能神經網絡可以理解我們的言論，認識我們的寵物，并與我們的小惡魔作斗爭。

但是，Hinton現在卻開始懷疑他所創立的人工智能神經網絡技術。他說：“我認為目前用深度學習的方法處理計算機視覺的方式是錯誤的。 盡管深度學習目前比其他任何方法都好，但這并不意味著它就是正確的。”

取而代之的是，Hinton揭示了另一個并不太新的想法，它可能會改變未來計算機如何看世界，將重塑人工智能。這一點非同小可，因為計算機視覺對于諸如自動駕駛技術，以及代替醫生的人工智能診斷軟件等應用，均至關重要。

最近，Hinton發表了兩篇研究論文，證明了他已經研究了近四十年的想法。 Hinton說：“很長時間以來，這個方法對我來說很直觀，但應用效果一直不太理想。最近我們終于得到了很好的計算結果。”

Hinton的新方法，被稱為capsule networks膠囊網絡，是對現有神經網絡的一種變通，旨在使機器更好地通過圖像或視頻來了解世界。在今年10月底發布的一篇論文中，Hinton的膠囊網絡在一個標準測試中展示了至今為止***的技術的準確性，用來測試軟件如何識別手寫數字。在第二篇論文中， 這個測試軟件挑戰從不同角度識別卡車和汽車等玩具，膠囊網絡幾乎將之前的***錯誤率降低了一半。 Hinton一直在與Google多倫多辦公室的同事Sara Sabour和Nicholas Frosst一起研究這項新的人工智能技術。

膠囊網絡旨在彌補當今機器學習系統的弱點，這些弱點限制了計算機視覺軟件的學習能力。 Google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，來學習如何在各種情況下可靠識別物體。因為目前的計算機視覺軟件并不能很好地把它學到的東西推廣到新的場景中，比如學會從不同的角度來識別同一個物體。

例如，目前采用深度學習的算法，教計算機從多個角度識別一只貓，可能需要數千張照片覆蓋各種不同視角的貓。而人類的孩子則不需要如此明確和廣泛的訓練來學習識別家庭寵物。

[[210899]]

Hinton的想法是縮小***的AI系統和人類幼兒之間的差距，把更多的世界知識融入到計算機視覺軟件中。因此提出了膠囊神經網絡 - 一小組粗糙的虛擬神經元 -  可用來跟蹤物體的不同部位，如貓的鼻子和耳朵，以及它們在太空中的相對位置。采用許多這樣的膠囊形成神經網絡，就可以讓計算機具有一種新的意識，來了解它所看到的新的場景，實際上只是一個之前看到的物體的不同視角而已。

早在1979年，Hinton就形成了自己的直覺洞察；當他試圖弄清楚人類是如何使用大腦想象時，他意識到計算機視覺系統需要具備人類大腦的立體成像能力。Hinton在2011年首先制定了膠囊神經網絡的初步設計。他最近發表的論文，展示了更完整的算法，這是人工智能領域的科學家們翹首期待的。紐約大學的圖像識別教授Kyunghyun Cho說：“每個人都在等待它，期待Geoff Hitnon的下一個飛躍。

現在評估Hinton的膠囊網絡到底實現了多大的飛躍，還為時尚早 - 他自己很清楚地知道這一點。 這位AI老帥，只是安靜地慶祝他的直覺現在得到了證據的支持，也解釋說膠囊網絡仍然需要在大型圖像集合上得到證明，而且與現有的圖像識別軟件相比，目前膠囊網絡的計算速度較慢。

但Hinton辛頓樂觀地說，他可以解決這些不足。AI領域的其他專家們也對他的成熟想法充滿期待。

圖像識別初創公司Twenty Billion Neurons的共同創始人之一，蒙特利爾大學教授Roland Memisevic表示，Hinton的膠囊神經網絡設計應該能夠從一定數量的數據中獲得比現有系統更多的信息和理解。如果得到大規模驗證，膠囊神經網絡將對醫療保健等領域大有幫助；在醫療領域，訓練AI系統的圖像數據要比互聯網上海量的自拍圖像***得多。

[[210900]]

在某種程度上，Hinton的膠囊網絡與AI深度學習研究的趨勢背道而馳。對神經網絡***成功的一個解釋是，人類應該盡可能少地將知識編碼到AI軟件中，而應該讓AI從頭開始學習，自己弄清楚事情的真相。

紐約大學心理學教授加里·馬庫斯（Gary Marcus）去年將一家人工智能初創公司賣給了優步（Uber）。他表示，Hinton的***理論和算法帶來了一股清新的空氣。

Marcus認為，人工智能研究人員應該做得更多的是，模仿大腦是如何構造的，哪些結構決定了視覺和語言這樣的關鍵技能。Marcus說：“現在說這個特定的膠囊神經網絡結構將走多遠，還為時過早，但看到Hinton突破這個領域目前固化的軌跡，真是太棒了。”