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。
Spring Cloud微服务实战
翟永超 / 电子工业出版社 / 2017-5 / 89
《Spring Cloud微服务实战》从时下流行的微服务架构概念出发,详细介绍了Spring Cloud针对微服务架构中几大核心要素的解决方案和基础组件。对于各个组件的介绍,《Spring Cloud微服务实战》主要以示例与源码结合的方式来帮助读者更好地理解这些组件的使用方法以及运行原理。同时,在介绍的过程中,还包含了作者在实践中所遇到的一些问题和解决思路,可供读者在实践中作为参考。 《Sp......一起来看看 《Spring Cloud微服务实战》 这本书的介绍吧!