深度學習中的技術進展幫助機器能像人類一樣“看”世界，這是人工智能研究中最具吸引力的部分之一。目前，一種突破性技術將讓機器能夠通過被稱為球面卷積神經(jīng)網(wǎng)絡（spherical Convolutional Neural Networks，縮寫CNNs）的處理，去看到并識別三維空間中的物體。從識別極小分子的機器到分析外太空最龐大結構的工具，我們對這項新發(fā)現(xiàn)的能力所能實現(xiàn)的種種可能的想象才剛剛開始。當然，這其中還包括了許多介乎兩者之間的用例，比如指導機器人在人群中安全導航。

正如最近這次獲獎所展現(xiàn)的，該研究領域是人工智能（AI）發(fā)展的前沿領域。Qualcomm Technologies荷蘭研究人員Taco Cohen和Max Welling及其合作伙伴，通過與阿姆斯特丹大學聯(lián)合撰寫的《球面CNNs》論文榮獲“國際學習表征大會（ICLR：International Conference for Learning Representations）2018年度最佳論文獎”。ICLR主要發(fā)布人工智能（AI）和機器學習方面的最新研究，現(xiàn)已舉辦到第六屆。

蒙特利爾大學的Yoshua Bengio和紐約大學／Facebook的Yann LeCun共同擔任ICLR 2018的主席。在全球頂尖AI實驗室提交的約1，000篇投稿中，AI領域最具創(chuàng)新性和影響力的研究被授予最佳論文獎的殊榮。

該球面CNN論文引入了構建CNNs的新型數(shù)學架構，可魯棒地分析球面圖像，并不會受到曲面失真的影響。這是因為：球面CNN具有針對旋轉的“等變”特性，它意味著該網(wǎng)絡學習到的內部表征會與輸入信息同步旋轉。從實驗的結果來看，球面CNNs在兩項截然不同的任務上可實現(xiàn)出色的預測精度：球面圖像3D模型識別和原子化能量預測（一項重要的化學問題）。

球面CNNs為什么重要

為了理解球面CNNs的重要性，我們介紹一些背景：過去幾年，深度學習——尤其是CNNs——已徹底變革了AI，語音識別、視覺對象識別、自然語言處理及其他領域均出現(xiàn)突破性成果。

CNNs很擅長分析線性信號，例如音頻或文本、圖像、或視頻，因其具備可識別模式的內在能力，而不管其空間或時間位置如何。這能支持CNNs學習并識別如視覺對象，無論它在圖像中位于什么位置，并無需在深度學習模型訓練階段觀看同一對象的多個移動版本。

但在最近受到關注的多個應用中，我們都希望學習的信號留存在球體上，如汽車、無人機和其他機器人拍攝其整個周邊環(huán)境的球面圖像所使用的全向攝像頭。在科學應用中也存在大量球面信號，從地球科學到天體物理學都有相關案例。

分析此類球面信號的一個方法是把信號投影到平面上，并借助CNN來分析結果。但根據(jù)制圖學，任何此類“地圖投影”都會導致扭曲失真，讓部分區(qū)域看起來比實際尺寸更大或更小。這會使CNN變得無效，因為隨著對象在球體上移動，它們看上去不僅只是在地圖上移動，而且還會顯得縮小和拉伸。

如何使用球面CNNs

球面CNNs在物聯(lián)網(wǎng)（IoT）、機器人、自動駕駛汽車、增強現(xiàn)實（AR）和虛擬現(xiàn)實（VR）領域都有諸多應用。如今，自動駕駛無人機已向消費者出售，或許有一天它將能在幾分鐘內把包裹送到你的家門口，這就是球面CNNs可改善物體偵測與識別，以及視覺運動分析的一個自然應用。在AR方面，一整組攝像頭所拍攝的360度房間全景可融入至單球面圖像中，借助球面CNN的高效分析，精確覆蓋虛擬物體。

Qualcomm對此項工作可能帶來的上述應用和其他轉換應用倍感興奮，我們也正在積極推動此項研究及其他數(shù)據(jù)高效學習研究。