有充分的證據表明，人類依靠坐標系或參考線和曲線來確定點在空間中的位置。這與廣泛使用的計算機視覺算法不同，后者通過數字表示對象的特征來區(qū)分對象。

為了追求一種更人性化的方法，谷歌，Alphabet子公司DeepMind和牛津大學的研究人員提出了他們所謂的堆疊式膠囊自動編碼器(SCAE)，這可以通過物體之間的幾何關系來說明物體的原因。由于這些關系不依賴于模型查看對象的位置，因此即使在視點發(fā)生變化時，模型也可以對對象進行高精度分類。

2017年，杰弗里·欣頓(Geoffrey Hinton)(人工智能的最重要理論家和圖靈獎的獲得者)與學生Sara Sabour和Nicholas Frosst一起提出了一種名為CapsNet的機器學習架構，這是一種經過區(qū)別訓練的多層方法，可實現最新的圖像流行基準上的分類性能。作為他們最初工作的后續(xù)，Hinton，Sabour和牛津機器人研究所的研究人員在今年早些時候詳細介紹了SCAE，它在關鍵方面對原始架構進行了改進。

SCAE和其他膠囊系統(tǒng)通過以幾何方式解釋其零件的組織集合來使物體有意義。負責分析各種對象屬性(如位置，大小和色相)的一組數學函數(膠囊)被附加到通常用于分析視覺圖像的一種AI模型上，并且一些膠囊的預測被重復使用以形成部分。由于這些表示在SCAE的整個分析過程中都保持不變，因此即使交換或變換零件的位置，膠囊系統(tǒng)也可以利用它們來識別對象。

膠囊系統(tǒng)的另一個獨特之處是?他們注意路線。與所有深層神經網絡一樣，膠囊的功能排列在相互連接的層中，這些層傳輸來自輸入數據的“信號”，并緩慢調整每個連接的突觸強度(也稱為權重)。(這就是他們提取特征并學會進行預測的方式。)但是，對于膠囊，權重是根據上一層函數預測下一層輸出的能力動態(tài)計算的。