欲取代CNN的Capsule Network究竟是什么来头？它能为AI界带来革命性转折么？

大数据文摘作品

编译：余志文、Ether、钱天培

“卷积神经网络（CNN）的时代已经过去了！”——Geoffrey Hinton

酝酿许久，深度学习之父Geoffrey Hinton终于在上月发表了备受瞩目的Capsule Networks(CapsNet)。 Hinton本次挟CapsNet而来，大有要用它取代CNN的气势。那么，CapsNet相比CNN到底有哪些优势？它又是否能为AI界带来革命性转折呢？今天，文摘菌就来为大家科普一下这一深度学习的新里程碑。

首先，这位被誉为深度学习之父Geoffrey Hinto究竟是何许人也呢？在上世界50年代，深度神经网络的概念就已出现，从理论上来讲可以解决众多问题，但是一直以来却没有人知道该如何训练它，渐渐的也就被放弃。直至1986年，Hinton想到了通过反向传播来训练深度网络，标志了深度学习发展的一大转机。然而，受限于当时的计算机运算能力，直到2012年，Hinton的发明才得以一显神通。这一突破也为近年来人工智能的发展奠定了基础。

2017年 10月26日，Hinton又发表了一项开创性的论文——Capsule Networks（胶囊网络），或将再次改写深度学习的发展历程。（论文链接：https://arxiv.org/pdf/1710.09829v1.pdf）

关注大数据文摘，后台回复Hinton即可下载此篇论文。

传统神经网络中存在的问题

目前为止，CNNs(卷积神经网络)仍是最先进的图像分类识别方法。

简单来讲，CNNs通过逐层累加调整实现分类。它首先检测到边缘，然后是形状，然后是实际的识别对象。CNN的