「建立它,再超越它」, 谷歌AI大神Hinton找到重塑AI

文章正文
发布时间:2017-11-06 06:21

「建立它,再超越它」, 谷歌AI大神Hinton找到重塑AI的新方法—胶囊网络

2017-11-04 18:55来源:机器之能谷歌/技术/操作系统

原标题:「建立它,再超越它」, 谷歌AI大神Hinton找到重塑AI的新方法—胶囊网络

当神经网络技术风靡全球后,一手创造了它的Hinton却开始轻视它。

编译 | 林川

来源 | Wired

编辑 | 宇多田

如果你想指责某人在人工智能方面的大肆宣传,69 岁的谷歌研究员 Geoff Hinton 应该是一个很好的候选人。

2012 年 10 ,一个古怪的多伦多大学教授将这一领域的发展推向了新的轨道。Hinton 和他两名研究员展示了一种当下并不流行的技术,这种被叫做人工神经网络的技术已经被他倡导了几十年,该技术使得机器理解图像的能力有了巨大的飞跃。

在6个月的时间里,这三个调查员已经进入了谷歌的招聘名单,今天神经网络已经可以对我们的演讲进行转编,识别我们的家畜,对抗恶意刷屏。

但是 Hinton 现在开始轻视这个他一手带到世界的技术。

「我认为我们做计算机视觉的方式是错误的。」他说「现在,它做的比其他任何一切都好,但是这并不能表示他是对的」

在一个恰当的时候,Hinton 又发布了另一个「老」想法,这个想法可能会改变电脑识别的方式并重塑 AI。其重要性在于计算机视觉对于计算机的思考至关重要,比如:自动驾驶与帮病人看病的软件。

上周晚些时候,Hinton 放出了两篇研究论文,在论文里他说他用了近 40 年的时间来证明自己的想法。「在很长一段时间里,这对我来说是一种类似直觉的东西,只是效果不是很好,」Hinton 还说「最终我们有了一些不错的工作」。

Hinton 的新方法,被称为「胶囊网络」,是一种神经网络的扭曲,目的是让机器更好地通过图像或视频来了解世界。

在上周发布的一篇论文中,Hinton 的胶囊网络与一项拥有当前最精确技术的标准测试的准确性相匹配。这是一种标准的测试,软件可以更好的学会如何识别手写的数字。

在第2种情况下,胶囊网络几乎将之前最好的错误率降低了一半,这一测试挑战了软件从不同角度识别卡车和汽车等玩具的难度。Hinton 一直在与谷歌多伦多办公室的两名同事一起研究他的新技术。

胶囊网络旨在弥补当今机器学习系统的缺陷,这些系统缺陷限制了它们的有效性。现今,谷歌和其他公司使用的图像识别软件需要大量的示例照片来学习如何在各种情况下可靠地识别对象。

这是因为该软件并不擅长将其对新场景的知识进行泛化,例如,当从一个新的视角看到一个对象是相同的时,就会明白这一点。

举例来说,教电脑从多个角度识别一只猫,可能需要成千上万张不同角度的照片。而人类的孩子是不需要如此明确和广泛的训练来学会识别一个家养宠物的。

Hinton 的想法是缩小最好的人工智能系统和普通的幼儿之间的鸿沟,这是为了在计算机视觉软件中建立更多的世关于世界的知识。被包裹的一小群粗糙的虚拟神经元被设计用来追踪物体的不同部分,比如猫的鼻子和耳朵,以及它们在空间中的相对位置。

一个由许多胶囊组成的网络可以利用这一意识来理解,特别是当一个新的场景实际上是一个不同的视角的物体的时候。

在 1979 年,Hinton 形成了他的直觉,认为视觉系统需要这样一种内在的几何意义,当时他正在试图弄清楚人类是如何使用心理意象的。2011年,他首次提出了胶囊网络的初步设计。

而上周公布的更全面的照片是该领域的研究人员长期以来所期待的。「每个人都在等待它,并期待着 Geoff 的下一个伟大的飞跃。」Kyunghyun Cho 说,他是纽约大学的教授,致力于图像识别。

他知道,现在说 Hinton 的「大跃进」还为时过早。AI 资深人士静静地庆祝自己的直觉有了证据的支持。他解释说,胶囊网络仍然需要在大型图像集合上被证明,目前取得的成绩与现有图像识别软件相比依旧比较缓慢。

但Hinton 很乐观得表示,他可以解决这些缺点。而该领域的其他人也对他长期成熟的想法抱有希望。

Roland Memisevic是图像识别初创公司 Twenty Billion Neurons 的创始人之一,同时也是蒙特利尔大学的教授。

他说,Hinton 的基本设计应该能够从现有的数据中提取出更多的信息。如果在规模上证明了这一点,那将会对医疗保健等领域有所帮助。在这些领域,用于培训人工智能系统的图像数据比互联网上大量的自拍照要少很多。

在某些方面,胶囊网络与人工智能研究最近的趋势有所不同。

最近对神经网络的成功有一种解释是,人类应该把尽可能少的知识编码到人工智能软件中,然后让他们自己从头开始计算。

去年曾将自己人工智能初创公司卖给Uber的纽约大学心理学教授 Gary Marcus 认为,Hinton 的最新作品代表了一种新的气象。

Marcus 表示,人工智能研究人员应该做更多的事情来模拟大脑的内在机制,去学习像视觉和语言这样的关键技能。

「现在告诉这个特定的结构将要走多远还为时过早,但是很高兴看到 Hinton 突破了这个领域已经确定了的局限。」Marcus 说。

自动驾驶:、、、、、

商业地理:加拿大匹兹堡瑞士返回搜狐,查看更多

责任编辑:

声明:本文由入驻搜狐号的作者撰写,除搜狐官方账号外,观点仅代表作者本人,不代表搜狐立场。

阅读 ()

投诉

文章评论
—— 标签 ——
首页
评论
分享
Top