内容简介:有人把一篇来自论文的主人
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 和 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
— 完 —
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 !
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 什么是胶囊网络?
- 胶囊网络:将CNN推下神坛的“天命之子”
- NAACL 2019 论文 | 基于胶囊网络的知识图谱表示学习
- 胶囊网络:一种全新的富有吸引力的AI架构
- Hinton领衔谷歌大脑新研究,通过胶囊网络重构自动检测对抗样本
- Hinton团队胶囊网络新进展:两种方法加持,精准检测和防御对抗性攻击
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。