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，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，膠囊系統也可以利用它們來識別對象。

膠囊系統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計算的。