一条狗（gǒu），即使是（shì）之前从未见过的品种、颜色，我们也能一（yī）眼认出（chū）它。

对（duì）周遭任何变化的感知（zhī）是人类与生俱来的能（néng）力（lì）。

但是（shì）人工智能系（xì）统（tǒng）就不一样了，即使级别（bié）SOTA，能完（wán）成（chéng）无数人类（lèi）完成不了的任务，但也有很多对人类来说轻而易举的事情，它（tā）却搞（gǎo）不定，比如（rú），让金毛换个角（jiǎo）度（dù）：正面、侧面、前面、后面，人工智（zhì）能可能会识别地很挣扎。

深度学（xué）习模型擅（shàn）长解释像素（sù）和标签之间的统计模式，但却（què）很难通（tōng）过许多潜在的自（zì）然变（biàn）化正（zhèng）确识别（bié）对象（xiàng）。

那是扫雪机在（zài）路上扫雪吗？还是一辆校车（chē）侧翻了？

上图是根据M.A. Alcorn等人（rén）的 "Strike(with)a pose: Neural networks are easily fooled by strange poses of familiar objects"绘制，显（xiǎn）示（shì）了一个深度神经（jīng）网络将一（yī）辆公共汽车错误地分类为扫雪车。

人类可以瞬间（jiān）知道，但（dàn）是颜色、大小和透视等因素使情（qíng）况（kuàng）复杂化，增加了人（rén）工智能模型的预测难度。

Facebook AI一直在探索如何更（gèng）好地捕捉自然变化，在这方（fāng）面（miàn），传统（tǒng）解决方案有很大局限性，即所谓的（de）解纠（jiū）缠（disentanglement）。我（wǒ）们最近还提出了等变化移位算（suàn）子（equivariant shift operator）的概念（niàn），这是一（yī）种替代解的概（gài）念证明，可以帮助（zhù）模（mó）型理（lǐ）解通过（guò）模拟最常见的变换（huàn），物体可（kě）能会发（fā）生怎（zěn）样的变化。

目前，Facebook AI在这方面（miàn）的（de）工作主要（yào）是理论性的，但（dàn）是对于深度学习模型（xíng），特（tè）别（bié）是计算机视（shì）觉潜力巨（jù）大: 增加了可解释性（xìng）和准确性，即使在（zài）小数据（jù）集上训练也有更好的（de）性能，并提高了泛化（huà）能力。Facebook AI希望（wàng）这些贡献（xiàn）能够（gòu）使计算机视觉（jiào）向前推进一（yī）步，更好地理（lǐ）解视觉世界的（de）复杂性。

现行方（fāng）法的局限

目前的解纠缠方法（fǎ）试图通（tōng）过将模型中的每个因（yīn）子编（biān）码到模型内部表示的一个（gè）单独的（de）子空间中（zhōng），来（lái）学习模型中对象的（de）基本变换。

例如，解（jiě）纠缠可能将狗图（tú）像的数据集编码为（wéi）姿（zī）态、颜色（sè）和品（pǐn）种子空间。

这种方法在识别（bié）刚（gāng）性数据集的变化因素方面（miàn）很（hěn）有优（yōu）势，比（bǐ）如一个单一的 MNIST 数字或者（zhě）一个单一的（de）对象，比如一把椅子，但是（shì）我（wǒ）们已（yǐ）经（jīng）发现，在多个分（fèn）类中，解（jiě）纠缠的表现很差。

想象一下多个旋转的（de）形状，比如三角（jiǎo）形（xíng）和正方（fāng）形。解纠缠（chán）模（mó）型试图将（jiāng）物（wù）体的形（xíng）状和方向这两个变化（huà）因素分（fèn）离（lí）成（chéng）两个变化因素。

下图说明了传统（tǒng）的解纠缠是无法在多个形（xíng）状（zhuàng）的（de）数据集中孤立旋转的（de）。我们期望高（gāo）亮显示的形（xíng）状会旋转（zhuǎn），但（dàn）是由于解纠缠失（shī）败（bài），形状仍（réng）然是固定的（de）。

解纠缠还带来了拓扑缺陷，这是一系列（liè）众多变换中（zhōng）的另一个问题。拓扑（pū）缺陷违背连（lián）续性——深度（dù）学习模型的本质属性。如果没有连续性，深度学（xué）习模型可（kě）能很难有（yǒu）效地学（xué）习数（shù）据中的模式。

想象（xiàng）一下正三角（jiǎo）形的旋转。旋（xuán）转120度的（de）正三角形与原来的三角形无法区分，导致在方向空间中（zhōng）有（yǒu）相同的表示（shì）。然而，通过在三角（jiǎo）形的一（yī）个角上（shàng）加（jiā）一个（gè）无（wú）穷小的点，表示变（biàn）得可辨别（bié），违反了连续性。附近的（de）图像映（yìng）射到相距较（jiào）远（yuǎn）的图像。Facebook AI的研究还（hái）表（biǎo）明，拓扑缺陷出现在非（fēi）对称形状和许多（duō）其他（tā）常见的变换中。

利用等变化（huà）算子揭示变化因子

有一（yī）个数学分（fèn）支「群论」可以教我们应用等变化（huà）算子的很多（duō）知识。它表明，一个直（zhí）观的方（fāng）式（shì）来（lái）理解变化因素是将他们（men）模拟为一组转（zhuǎn）换（huàn）。例如，一个三角形的旋转有一个组（zǔ）的结构: 90度旋转和30度（dù）旋（xuán）转（zhuǎn）结（jié）合起来产（chǎn）生120度旋转。

Facebook AI利用（yòng）这些想法来识别（bié）传统解纠缠的缺点，并（bìng）确（què）定如何（hé）训练（liàn）等（děng）变化算子来解纠（jiū）缠。我们提出了一个等变（biàn）化算子，称（chēng）为移位算子。这是一个矩阵（zhèn），其块体模（mó）仿了（le）常见变（biàn）换的组结构--旋转、平移和重（chóng）缩放。然后在原始图像和它（tā）们的转换上训练一个人工智能模型（xíng）。

这样就会发现（xiàn），即使（shǐ）在（zài）包含（hán）多个类的数据集中，移位算子也（yě）能成功地学（xué）习变换（huàn）--这正是传统解（jiě）纠缠经常失败（bài）的条件。