四、胶囊网络：CNNs的“接班人”？
近年，卷积神经网络（CNNs）是深度学习中很流行的一项技术。然而，一项新算法“胶囊网络”出现，并有望在多个方面胜过CNNs。CNNs尽管取得了一定的成功，但其缺陷可能导致性能不足甚至安全漏洞。研究人员正在寻找改进人工智能算法和克服这些缺陷的方法。下图展示了一个典型的案例，一个CNNs网络虽然能够识别出人脸特征，但却将第二幅图像误认为也是一张人脸。
（CNNs缺陷）
Geoffrey Hinton于2017年发表了一篇研究论文，介绍了“胶囊网络”的概念，也称为CapsNet。论文正在审查阶段，还需要在实际场景下进行测试，但这一消息已经在媒体和科技界引起了很大反响。胶囊网络能够更容易地识别出当人脸的特征（如位置）被重新排列时，则不再是一张人脸。
（capsule networks优势）
此外，CNNs无法处理不同的输入数据变化。例如，研究者必须从不同角度或视角对同一对象的图像进行训练，以确定所有的变化。因此，它需要大量的训练数据来涵盖所有可能的变化。Hinton声称，胶囊网络在这方面的表现优于CNNs，它们仅需要较少的训练数据，并且在不需要对各种变化情况进行详尽训练的情况下，考虑对象的相对位置和方向。
