人工智能新突破：计算机正在学习从更高维度观察世界( 四 )_神译局是36氪旗下编译团队

\n \n

Taco Cohen ，高通及阿姆斯特丹大学机器学习研究员，规范等变卷积神经网络首席架构师

为了让深度学习突破二维空间，研究人员的解决方案跟物理有着密切联系。就像爱因斯坦的广义相对论与粒子物理学的标准模型那样，描述世界的物理理论表现出一种所谓的“规范等变”的属性。这意味着在这个世界上的数量及其关系并不依赖于任意参照系（或“规范”）；无论观察者是移动还是静止，也不管标尺上的数字离得有多远，它们都是一致的。用不同量表进行的测量必须以一种保持底层事物间关系不变的方式进行转换。

比方说，假设先以码为单位测一个足球场的长度，然后以米为单位再测一次。测出来的数字会变，但那是可预测的。同样地，两位摄影师从两个不同的位置拍摄物体的照片会产生不同的图像，但是这些图像之间可以彼此关联。不管视角或测量单位如何，规范等变均可确保物理学家的现实模型保持一致。而规范CNN即是对数据做出了相同的假设。

纽约大学的物理学家凯尔·克兰默（Kyle Cranmer）说：“ （来自物理学的）同样的想法是没有特殊的方向，他们希望将其引入神经网络。 ”他将机器学习应用于粒子物理学数据。 “他们想出了办法。 ”