شبکه‌هاي عميق عصبي سنتي را فراموش کنيد، اکنون زمان سلام گفتن به شبکه‌هاي کپسولي فرا رسيده است.

هوش مصنوعي در چند سال گذشته پيشرفت چشمگيري داشته است. بسياري از اين موفقيت‌ها مديون شبکه‌هاي عميق عصبي بوده است که از طريق به‌کارگيري راهکارهاي مختلف موفق شده‌اند در بسياري از امور به انسان‌ها کمک فراواني کند. مکانيزم‌هاي تشخيص چهره از جمله اين موارد هستند. اما دانشمندان معتقد هستند يکسري اصول به‌کار گرفته شده در اين سامانه‌ها در عمل قادر نيستند بر مشکلات عمده غلبه کنند. چالش يادگيري از طريق تحليل حجم بسيار زيادي از داده‌ها به منظور ارائه يک پيشنهاد دقيق و درست از جمله اين موارد است.

«گوئف هنيتون» پژوهشگر کهنه‌کار گوگل در حوزه هوش مصنوعي در اين ارتباط گفته است: «ما موفق شديم گونه جديدي از شبکه‌هاي عميق را به وجود آوريم. شبکه‌اي که آن را شبکه‌هاي کپسوله نامگذاري کرده‌ايم. در اين رويکرد ما گروهي از سلول‌هاي عصبي کوچک را مورد استفاده قرار مي‌دهيم. اين سلول‌ها در قالب لايه‌هاي گروه‌بندي شده به منظور شناسايي اشيايي که در ويديوها يا تصاوير وجود دارند به کار گرفته مي‌شوند. زماني که چند کپسول در يک لايه موفق مي‌شوند جسمي را شناسايي کنند، آن‌ها کسپولي که در سطح بالاتري قرار دارد را فعال کرده و اينکار ادامه پيدا مي‌کند تا زماني که شبکه بتواند درباره آنچه مشاهده کرده است قضاوت کند. هر کدام از اين کپسول‌ها به منظور شناسايي يک ويژگي منحصر به فرد در يک تصوير طراحي شده‌اند. به گونه‌اي که بتوانند در سناريوهاي مختلفي همچون تشخيص اجسام در زاوياي مختلف مورد استفاده قرار گيرند. در حالي که يک شبکه عصبي مرسوم به حجم بسيار بالايي از داده‌ها براي شناسايي اجسام نياز دارد، در مقابل شبکه عصبي ما با کمترين داده مورد نياز قادر است همان کار را انجام دهد.»

آقاي هنيتون در دو مقاله‌اي که در همين ارتباط منتشر کرده آورده است: «شبکه‌هاي کپسولي نشان دادند در شناسايي دست‌خط‌ها و اجسام از زاواياي مختلف در مقايسه با همتايان سنتي خود اشتباهات کمتري دارند، اما هنوز در مقايسه با شبکه‌هاي مرسوم کندتر عمل مي‌کنند.» در هر صورت پژوهشگران اميدوار هستند اين شبکه‌ها بتوانند محدوديت‌هاي هوش مصنوعي که دانشمندان نگران آن هستند را برطرف کنند.