卷积网络虽动人，胶囊网络更传“神”

江山代有才人出，各领风骚数百年。但在计算机科学领域，风骚数十年都非常难。卷积神经网络在短短三十多年里，几起几落。别看它现在依然如日冲天，要知道，浪潮之巅的下一步，就是衰落。而加快推动这一趋势的，正是卷积神经网络得以雄起的大功臣——Geoffrey Hinton。他提出了全新的“神经胶囊”理论，这“胶囊”里到底装的是什么“药”呢？ 相关图书《深度学习之美：AI时代的数据处理与最佳实践》。

从神经元到神经胶囊

在大计算和大数据的背景下，深度学习大行其道、大受欢迎，究其原因，卷积神经网络的出色表现，可谓居功至伟。尽管如此，卷积神经网络也有其局限性，如训练数据需求大、环境适应能力、可解释性差、数据分享难等不足。

2017年10月，Hinton教授和他的团队在机器学习的顶级会议“神经信息处理系统大会（NIPS）”上发表论文，超越了自己前期的理论研究——反向传播算法（BP），提出了一种全新的神经网络——胶囊网络（CapsNet）。

2017年9月（论文发表的前一个月），在多伦多举行的人工智能会议上，Hinton对他参与构建的反向传播（BP）理论表示深深的怀疑。Hinton还引用了著名物理学家马克斯•普朗克的名言：“科学之道，不破不立”，来为自己的新理论站台。

在这次会议上，Hinton最后总结：

科学是踩着葬礼前行的，未来由极其质疑我所说的一切的那批学生所决定。

卷积神经网络面临的挑战

Hinton对CNN的“深深的质疑”是有原因的。CNN的内在缺陷主要体现在3个方面。

CNN生物学基础不足，难以“熟能生巧”。

CNN全连接模式过于冗余而低效。

CNN胜在特征检测，但穷于特征理解。

Hinton评价说：“CNN分类正确率很高，看似一个大好局面，实则是一场灾难。”据此，Hinton也断言：“卷积神经网络注定是没有前途的！”