datasheet

QbitAI量子位

文章数:1434 被阅读:15857276

账号入驻

来自1976,Hinton写的第一篇论文火了:胶囊网络,是40年前的胶囊?

2019-05-19
    阅读数:
挖栗子 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

有人把一篇来自1976年的论文刨了出来,仅一日的工夫已在推特上收获了400多赞

论文的主人Geoffrey Hinton,许多年后成了神经网络之父,还获得了图灵奖。

如今,回看他的第一篇论文,颇有一番风味。

这篇论文探索的问题是,给你一堆互相重叠的长方形,怎样才能从里面找出一只“人偶 (Puppet) 

举个栗子如下,标了字母的就是人形的可能组成部分:

所以,为什么会想做这样画风清丽的任务啊?

松弛,松弛一下

首先了解一下问题。

就像开头展现的一样,人偶都是侧面的,并且有许多严格的规定:

每个部位都要有近端远端,近端就是离头近的那一端。

躯干必须必四肢都粗,下肢要比上肢粗,头和躯干要比脖子粗。

头要比脖子面积大……

 我没有脖子

如果只考虑和一个方块相邻的那些方块:有些方块就可能被许多身体部位争着选,有些部位可能什么部位都选不上。

而松弛算法可以加深AI对空间的理解:从互相冲突的局部解释 (Local Interpretations) 中,找到最佳的全局图形 (Globally Best Figures) 。

论文还列举了这种方法的三大优点:

一是用并行计算的话,可以快速得出最佳全局解释。花费的时间,并不是随着局部可能性的数量指数增长的,因为并没有显式 (Explicitly) 处理各种可能的组合。

二是需要的计算空间,也只会随着可能性的数量线性增长,这样就不像广度优先的搜索那样暴力,会轻松许多。

三是这里能得出全局最佳,而不像启发式搜索 (Heuristic Search) 那样,只找出还算不错的结果。

那么,来看看松弛算法的表现如何。

没用松弛的时候,会找出一大堆可能性 (下图) 。

而且各种部位都给了太多选项:比如“上臂GHIJK”。

然后,加上松弛步骤:

就只剩下一种最佳可能性了。

F躯干,脖子D,上肢GE,下肢KI:

看上去科学了许多啊。

40多年的胶囊

看了论文,网友纷纷想到了2017年Hinton提出的胶囊网络,这种新方法,也是用来解决神经网络不会自己判断空间信息的问题。

这不是胶囊吗?

原来,他一直在做胶囊啊。

蟹蟹你,胶囊。

1976论文传送门:
https://www.cs.toronto.edu/~hinton/absps/puppet.pdf

小程序|get更多AI学习干货

加入社群

量子位AI社群开始招募啦,量子位社群分:AI讨论群、AI+行业群、AI技术群;


欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“微信群”,获取入群方式。(技术群与AI+行业群需经过审核,审核较严,敬请谅解)


量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「在看」吧 !


最新有关QbitAI的文章

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: TI培训

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved