原文: https://zhuanlan.zhihu.com/p/66923740
前不久鉴吹，圖靈獎(jiǎng)得主Geoffrey Hinton的第一篇論文被扒了出來，在推特上引發(fā)了不少關(guān)注惩琉。
當(dāng)然豆励，讓大家激動(dòng)的并不是源自對(duì)“大神”科研處女作的好奇，也不是提出的算法有多么顛覆琳水，而是Hinton 這位AI界的人形自走教科書肆糕，早在40年前這篇論文中般堆，就提出了“讓AI具備空間感”的松弛算法在孝，解題思路與2017年其提出的“膠囊網(wǎng)絡(luò)”不謀而合诚啃。
要知道，“膠囊網(wǎng)絡(luò)”早已是公認(rèn)將成為下一代深度學(xué)習(xí)基石私沮、CNN“接班人”的神經(jīng)網(wǎng)絡(luò)始赎。
經(jīng)歷了長達(dá)四十年的思考，“膠囊網(wǎng)絡(luò)”將會(huì)怎樣大顯神威仔燕，技術(shù)背后代表的未來能量才是讓網(wǎng)友們“鵝妹子嚶”的地方啊~
如果你還不太了解“膠囊網(wǎng)絡(luò)”造垛，或是對(duì)其最新進(jìn)展不甚了了，那么晰搀，不妨跟隨這篇文章五辽，來系統(tǒng)性地了解一下這個(gè)人工智能未來的“種子選手”。
神經(jīng)網(wǎng)絡(luò)“宮心計(jì)”：膠囊是如何“爭寵”的外恕？
對(duì)AI發(fā)展略有了解的同學(xué)們可能都知道杆逗，Hinton被人所熟知，并獲得圖靈獎(jiǎng)鳞疲，主要?dú)w功于其在深度神經(jīng)網(wǎng)絡(luò)上的貢獻(xiàn)罪郊。
1986年，Hinton發(fā)表了《Learning representations by back-propagation errors》（通過反向傳播誤差來學(xué)習(xí)表征）尚洽，作為這位圖靈獎(jiǎng)得主的代表作之一悔橄，標(biāo)志著反向傳播算法正式被引進(jìn)深度學(xué)習(xí)，這對(duì)人工智能的應(yīng)用有著重大的意義腺毫。
反向傳播出現(xiàn)之前癣疟，多層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練主要是通過前向傳遞來輸入信號(hào)，直至產(chǎn)生誤差潮酒，再進(jìn)行優(yōu)化争舞。以梯度下降（Gradient Descent）為例，輸入數(shù)據(jù)每向前走一步澈灼，都沿著最陡峭的地方下腳竞川，就這樣一步步走到山底（梯度的反方向）。因此叁熔，該算法可以直接將每層的誤差反饋給系統(tǒng)委乌，并進(jìn)行參數(shù)優(yōu)化。
但這種方式在應(yīng)對(duì)具有多個(gè)隱層的神經(jīng)網(wǎng)絡(luò)時(shí)荣回，就有些力不從心了遭贸。在下降時(shí)隱層中的誤差無法被直接反饋出來，因此其權(quán)重參數(shù)也就不能直接被優(yōu)化心软，這就給神經(jīng)網(wǎng)絡(luò)的性能表現(xiàn)帶來了極大的不穩(wěn)定性壕吹。
怎樣才能將隱層的誤差表示出來呢著蛙？反向傳播算法的出現(xiàn)是一場“及時(shí)雨”。
它的原理簡單來說耳贬，就是一旦下降時(shí)（即前向傳播）輸出層沒有得到適當(dāng)而明確的誤差參數(shù)踏堡，那么反向傳播就會(huì)借助轉(zhuǎn)置權(quán)重矩陣，讓誤差可以被隱藏層感知到咒劲，進(jìn)而產(chǎn)生“間接誤差”顷蟆。而隱藏層的權(quán)重矩陣就可以借助間接誤差進(jìn)行更新。這樣反復(fù)迭代腐魂，就能將包含隱藏層的多層神經(jīng)網(wǎng)絡(luò)誤差降到最小帐偎。
正是在此基礎(chǔ)上，卷積神經(jīng)網(wǎng)絡(luò)展現(xiàn)出了前所未有的性能蛔屹。
輸入數(shù)據(jù)的特征經(jīng)過歸一化處理后削樊，就會(huì)進(jìn)入隱含層中，完成卷積計(jì)算兔毒、池化漫贞、調(diào)參等一系列模擬神經(jīng)元的操作，再輸出成不同的識(shí)別效果眼刃。
這種分層認(rèn)知特征的學(xué)習(xí)能力绕辖，和人類大腦的思維方式高度相似。這也是為什么擂红，卷積神經(jīng)網(wǎng)絡(luò)在機(jī)器視覺及很多問題上都取得了當(dāng)時(shí)最好的性能仪际，成為應(yīng)用最廣泛的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
但是昵骤，受限于反向傳播的天然缺陷树碱，卷積神經(jīng)網(wǎng)絡(luò)并不完美，黑箱性变秦、高消耗成榜、遷移能力差等諸多問題，一直為學(xué)界和產(chǎn)業(yè)界所詬病蹦玫。這也是為什么赎婚，Hinton一直在尋找著CNN的替代者。
2011年樱溉，Hinton認(rèn)為目前的圖像識(shí)別方法在智力上表現(xiàn)不夠好挣输，提出了“膠囊”的概念。數(shù)年之后福贞，2017年10月撩嚼，則在機(jī)器學(xué)習(xí)的頂級(jí)會(huì)議“神經(jīng)信息處理系統(tǒng)大會(huì)（NIPS）”上發(fā)表了題為《膠囊之間的動(dòng)態(tài)路由》的論文，提出了全新的深度學(xué)習(xí)方法——膠囊網(wǎng)絡(luò)（CapsNet）。
“膠囊”代表圖像中特定實(shí)體的各種特征完丽，比如位置恋技、大小、方向逻族、速度蜻底、色調(diào)、紋理等等瓷耙，作為一個(gè)單獨(dú)的邏輯單元存在朱躺。然后刁赖，使用一個(gè)協(xié)議路由算法搁痛，當(dāng)膠囊將自己學(xué)習(xí)并預(yù)測(cè)到的數(shù)據(jù)傳遞給更高層次的膠囊時(shí)，如果預(yù)測(cè)一致宇弛，更高級(jí)別的膠囊變得活躍鸡典，這個(gè)過程就被稱作動(dòng)態(tài)路由。
隨著路由機(jī)制的不斷迭代枪芒，就能夠?qū)⒏鞣N膠囊訓(xùn)練成學(xué)習(xí)不同思維的單元彻况。例如，讓神經(jīng)網(wǎng)絡(luò)識(shí)別面部舅踪，就將面孔的不同部分分別“路由”到能夠理解眼睛纽甘、鼻子、嘴抽碌、耳朵的膠囊里去悍赢。
換句話說，神經(jīng)膠囊就是一組被打包好的神經(jīng)元货徙，它們?cè)趦?nèi)部進(jìn)行大量運(yùn)算左权，然后僅向上輸出一個(gè)結(jié)果——高維向量。
（膠囊網(wǎng)絡(luò)流程）
那么痴颊，膠囊網(wǎng)絡(luò)赏迟，比常規(guī)的卷積神經(jīng)網(wǎng)絡(luò)好在什么地方？大約可以總結(jié)為三點(diǎn)：
首先蠢棱，卷積神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果是標(biāo)量锌杀，而膠囊網(wǎng)絡(luò)是帶有方向的向量。而向量存在的意義是泻仙，膠囊網(wǎng)絡(luò)不僅可以根據(jù)統(tǒng)計(jì)信息進(jìn)行特征檢測(cè)糕再，比如根據(jù)眼睛鼻子嘴等五官識(shí)別出一張“臉”，還可以對(duì)特征進(jìn)行理解饰豺，如果五官不在其特定的區(qū)域了亿鲜，比如嘴長到了額頭、眼睛長到了耳朵上，膠囊網(wǎng)絡(luò)卻不會(huì)像CNN一樣含糊放過蒿柳。因?yàn)樗軌驒z測(cè)不同方向的同一個(gè)物體類別（例如饶套，順時(shí)針旋轉(zhuǎn)），從而學(xué)習(xí)到基本的思維垒探，知道到底什么樣子的五官才能被稱作是“臉”妓蛮。
第二，卷積神經(jīng)網(wǎng)絡(luò)的每一層都需要做同樣的卷積運(yùn)算圾叼，因此需要相當(dāng)多的網(wǎng)絡(luò)數(shù)據(jù)才能學(xué)習(xí)蛤克，否則就無法精準(zhǔn)地調(diào)參，非常耗時(shí)夷蚊、低效且昂貴构挤。比如讓它學(xué)會(huì)認(rèn)臉技能，需要投喂大量不同的變體惕鼓，MNIST數(shù)據(jù)集就包含55,000個(gè)訓(xùn)練數(shù)據(jù)筋现，即每個(gè)數(shù)字單元都有5,500個(gè)樣本。
膠囊網(wǎng)絡(luò)則要求模型在膠囊中學(xué)習(xí)特征變量箱歧，最大化保留那些有價(jià)值的信息矾飞，因此它可以使用更少的訓(xùn)練數(shù)據(jù)就推斷出可能的變量，達(dá)到CNN的預(yù)期效果呀邢。這就使得它在人臉識(shí)別洒沦、圖像識(shí)別、字符識(shí)別等領(lǐng)域的落地更受歡迎了价淌。
（MultiMNIST數(shù)據(jù)集中申眼，膠囊網(wǎng)絡(luò)輸出性能遠(yuǎn)超CNN）
第三，卷積神經(jīng)網(wǎng)絡(luò)不能很好地處理模糊性输钩，因?yàn)椴粩喑鼗瘯?huì)丟失許多重要的特征信息豺型，因此對(duì)微小的變化不甚敏感，在完成語義分割等復(fù)雜任務(wù)時(shí)买乃，需要構(gòu)建復(fù)雜的體系結(jié)構(gòu)來解決信息丟失問題姻氨。也難怪Hinton會(huì)說出“CNN分類正確率很高，看似一個(gè)大好局面剪验，實(shí)則是一場災(zāi)難”的話了肴焊。
但膠囊網(wǎng)絡(luò)不同，由于每個(gè)膠囊都攜帶了大量的信息功戚，目標(biāo)位置娶眷、旋轉(zhuǎn)、厚度啸臀、傾斜届宠、大小等詳細(xì)信息都被保存并平移給了上層膠囊烁落，自然也就可以用簡單一致的架構(gòu)應(yīng)對(duì)不同的視覺任務(wù)。
聽起來是不是還蠻不錯(cuò)的豌注，別激動(dòng)伤塌，除此之外，膠囊網(wǎng)絡(luò)還有一個(gè)比較“形而上”的優(yōu)勢(shì)轧铁，那就是它的傳輸和運(yùn)算邏輯更符合人腦神經(jīng)元的工作方式每聪，不同的膠囊可以攜帶不同屬性，就像人腦的不同區(qū)域負(fù)責(zé)不同的工作齿风。因此药薯，其智能化表現(xiàn)上更加優(yōu)秀，能夠舉一反三救斑。
比如下面這些自由女神像童本，各種角度都能認(rèn)出來，對(duì)膠囊網(wǎng)羅來說非常簡單系谐。而CNN在模擬人類神經(jīng)元這件事上巾陕，卻只能“有多少人工（數(shù)據(jù)）就有多少智能”讨跟，真是高下立見啊纪他。
膠囊神經(jīng)網(wǎng)絡(luò)想要上位，差在哪些地方晾匠？
被AI教父親口斷定沒有前途茶袒，一場神經(jīng)網(wǎng)絡(luò)界庶長子與嫡次子的奪位之戰(zhàn)即將拉開序幕……
顯然，又聰明又能干又會(huì)過日子的“膠囊網(wǎng)絡(luò)”才是民心所向凉馆，2018年2月該論文第一作者剛剛在GitHub開源了膠囊網(wǎng)絡(luò)的代碼薪寓，就吸引來了數(shù)萬人fork（復(fù)制源代碼在其上開發(fā)）。
按理說澜共，以AI算法的迭代速度向叉，一年多時(shí)間怎么都?jí)蚍趸鯪個(gè)新模型了，比如AlphaGo開源并隱退后嗦董，很快又出現(xiàn)了強(qiáng)化版“師弟”AlphaGo Master母谎，擊敗了世界排名第一的人類選手柯潔。五個(gè)月之后京革，更強(qiáng)的AlphaGo zero從零自學(xué)了40天奇唤，又打敗了AlphaGo Master版本。
既然如此匹摇，怎么膠囊網(wǎng)絡(luò)就是“雷聲大雨點(diǎn)小”呢咬扇？
顯然，不是“嫡次子”能力不行廊勃，也不是智囊團(tuán)不給力懈贺，而是想要真的把“ANN長子”拉下馬，勢(shì)必會(huì)遭遇若干阻礙，比如說：
1.模型訓(xùn)練的周期局限梭灿。由于需要在每個(gè)膠囊單元中完成計(jì)算（協(xié)議路由算法）钠至，導(dǎo)致其訓(xùn)練模型的時(shí)間更慢。在不同硬件和云服務(wù)器上的50迭代訓(xùn)練時(shí)間說明，與CNN相比，膠囊網(wǎng)絡(luò)模型需要更大的耐心滨砍。
2.學(xué)術(shù)起步階段的研究局限紧唱。目前針對(duì)膠囊網(wǎng)絡(luò)的研究大多集中在零樣本和少樣本任務(wù)中，而且畜埋，膠囊網(wǎng)絡(luò)在CIFAR10數(shù)據(jù)集、ImageNet等大圖像上的準(zhǔn)確性并沒有CNN的高。產(chǎn)業(yè)端自然不會(huì)在缺乏足夠?qū)嶒?yàn)例證佑钾、投資回報(bào)不明晰的前提下，貿(mào)貿(mào)然就選擇跟進(jìn)了烦粒。
3.膠囊網(wǎng)絡(luò)自身的性能局限休溶。與CNN一樣，膠囊網(wǎng)絡(luò)也有其不完美之處扰她，比如膠囊擁擠兽掰，即如果一個(gè)膠囊網(wǎng)絡(luò)彼此之間太接近，就沒有辦法區(qū)分出同一類型的兩個(gè)對(duì)象徒役。因此在模型中孽尽，給定的位置上只能有一個(gè)給定類型的膠囊，這就大大局限了其現(xiàn)實(shí)中應(yīng)用的條件忧勿。
從某種程度上來說杉女，膠囊網(wǎng)絡(luò)還是一個(gè)剛剛墜地的孩童，距離拿下CNN的位置還是非常遙遠(yuǎn)的鸳吸。
但是也別急著失望熏挎，讓CNN在現(xiàn)階段發(fā)光發(fā)熱，同時(shí)繼續(xù)培養(yǎng)未來堪當(dāng)大任的接班人晌砾，這樣生生不息的AI未來也蠻值得期待的坎拐，“養(yǎng)成”也是一種樂趣嘛~
學(xué)而時(shí)習(xí)之：膠囊網(wǎng)絡(luò)的新發(fā)現(xiàn)
雖然現(xiàn)在的膠囊網(wǎng)絡(luò)還很弱小，但并不妨礙無數(shù)“最強(qiáng)大腦”拼命教它本領(lǐng)贡羔。那么近兩年來廉白，膠囊網(wǎng)絡(luò)有哪些新的發(fā)現(xiàn)可以給大家匯報(bào)一下呢？
有幾個(gè)重要的成就值得說說：
1.通過膠囊網(wǎng)絡(luò)抵御對(duì)抗性攻擊
還是熟悉的配方乖寒，還是熟悉的味道猴蹂。在膠囊網(wǎng)絡(luò)模型提出的一年之后，原作者團(tuán)隊(duì)（Sabour楣嘁、Frosst 以及 Hinton）在2018年的機(jī)器學(xué)習(xí)安全研討會(huì)中展示了自己的新成果——膠囊網(wǎng)絡(luò)在抵御對(duì)抗性攻擊上的能力磅轻。
對(duì)抗性攻擊會(huì)對(duì)傳統(tǒng)的CNN產(chǎn)生較大影響珍逸，比如不同方向的圖片，CNN很容易辨認(rèn)不清聋溜，如果一些特征被放置在了錯(cuò)誤的地方谆膳，CNN也會(huì)被圖片所欺騙。這會(huì)引發(fā)一系列安全問題撮躁，比如自動(dòng)駕駛汽車搞混了真的人臉與打印的人臉漱病。
對(duì)此，原團(tuán)隊(duì)提出了一種與攻擊獨(dú)立的檢測(cè)技術(shù)——DARCCC把曼，它能夠識(shí)別出真實(shí)圖像和GAN生成的圖像在距離上的分布誤差杨帽，從而有效檢測(cè)出“對(duì)抗”圖像，防止系統(tǒng)被假圖片欺騙而導(dǎo)致錯(cuò)誤的分類嗤军。
（用真實(shí)數(shù)據(jù)和對(duì)抗樣本分別訓(xùn)練出的膠囊網(wǎng)絡(luò)注盈，后者重構(gòu)出的圖像更像“1”）
2. 膠囊網(wǎng)絡(luò)+圖卷積GCN的圖分類能力
圖分類是一個(gè)應(yīng)用非常廣泛的技術(shù)，在分子表示叙赚、社會(huì)網(wǎng)絡(luò)分析老客、金融等領(lǐng)域，都需要從圖形中提取特征信息震叮，并對(duì)其進(jìn)行結(jié)構(gòu)化的數(shù)據(jù)表示和分類胧砰。但是，已有的CNN分類算法在運(yùn)行過程中冤荆，往往需要固定大小的矩陣朴则，但圖形節(jié)點(diǎn)和邊的數(shù)量卻可能存在很大的變化，給任務(wù)帶來很大的困難钓简。
而判斷特征之間的相似性，正是膠囊網(wǎng)絡(luò)所擅長的汹想。因此外邓，有研究團(tuán)隊(duì)將膠囊網(wǎng)絡(luò)與圖卷積GCN相結(jié)合，開發(fā)出了新的圖分類模型古掏∷鸹埃靠膠囊網(wǎng)絡(luò)記住圖結(jié)構(gòu)中的豐富信息，以及圖的節(jié)點(diǎn)和邊等實(shí)體特征槽唾，將其轉(zhuǎn)化成向量丧枪。再將CNN和膠囊層結(jié)合在一起，從而提高分類性能庞萍。
實(shí)驗(yàn)結(jié)果表明拧烦，在所有7個(gè)基準(zhǔn)數(shù)據(jù)集上，膠囊網(wǎng)絡(luò)的加入確實(shí)效果優(yōu)于CNN分類器钝计。不過恋博，執(zhí)行速度也比CNN慢上八倍齐佳，同志仍需努力呀。
3.膠囊網(wǎng)絡(luò)+注意力機(jī)制=零樣本意圖識(shí)別
在少量樣本或無樣本情況下债沮，對(duì)新的類別進(jìn)行理解炼吴，是困擾學(xué)界和產(chǎn)業(yè)界的老大難問題。比如在智能問答和對(duì)話系統(tǒng)中疫衩，如何快速識(shí)別明明確新用戶的對(duì)話和意圖硅蹦，對(duì)其進(jìn)行正確分類和處理，就是提升智能對(duì)話闷煤、降低無效溝通的重要課題提针。
就在前不久，ACL 2018中就出現(xiàn)了相關(guān)研究曹傀，研究人員首先通過與訓(xùn)練方式提取文本信息辐脖，對(duì)其層次特征進(jìn)行向量化處理。然后利用膠囊動(dòng)態(tài)路由算法皆愉，將新的用戶意圖與已有用戶意圖之間的相似度進(jìn)行對(duì)比嗜价，再將已有用戶意圖上的信息遷移至新的用戶意圖分類上，從而實(shí)現(xiàn)對(duì)新意圖的預(yù)測(cè)幕庐。
在SNIPS-NLU和CVA兩個(gè)語音助手?jǐn)?shù)據(jù)集上久锥，膠囊網(wǎng)絡(luò)的加入都讓語義理解能力有了一定的提升。
關(guān)于膠囊網(wǎng)絡(luò)的相關(guān)學(xué)術(shù)論文還有不少异剥，比如基于膠囊網(wǎng)絡(luò)的手勢(shì)識(shí)別瑟由，正確率達(dá)到94.2%，能夠幫助聽障人群進(jìn)行更有效地溝通冤寿；以及在ICLR 2019上發(fā)表的圖片分類新框架膠囊圖神經(jīng)網(wǎng)絡(luò)（CapsGNN）歹苦，也是將膠囊網(wǎng)絡(luò)與圖神經(jīng)網(wǎng)絡(luò)（GNN）結(jié)合的新模型。
如果說以卷積神經(jīng)網(wǎng)絡(luò)為尊督怜，是現(xiàn)階段AI產(chǎn)業(yè)的“原教旨主義”殴瘦，膠囊網(wǎng)絡(luò)顯然正在讓這一信仰土崩瓦解。不過号杠，從實(shí)驗(yàn)室到真實(shí)的應(yīng)用體系中蚪腋，想要真正取代CNN，還有千千萬萬特殊問題亟待處理姨蟋。但如果把它當(dāng)做一個(gè)思路屉凯，與現(xiàn)有的深度學(xué)習(xí)模型相結(jié)合，那么現(xiàn)在眼溶，膠囊網(wǎng)絡(luò)就可以給予我們不少意外和驚喜悠砚。
這當(dāng)然僅僅是個(gè)開始，正如不斷手撕CNN的Hinton所總結(jié)的——科學(xué)是踩著葬禮前行的偷仿。站在前人的肩膀上前行哩簿，才能讓人工智能始終作為一種“殺手锏”式技術(shù)宵蕉，成為我們博弈未來的武器。
