．深度學習 + 符號表徵 = 強大的多任務通用表徵，Deep Mind 新論文可能開啓 AI 新時代

Google's DeepMind AI 

Just Taught Itself To Walk

智慧安控專區，展覽報名聯絡人：

0935-970-603 施正偉

leiphone 作者：杨晓凡

AI 科技評論按：在深度神經網路大行其道的現在，雖然大家總說，要改善深度學習的可解釋性、任務專一性等問題，但是大多數研究論文在這些方面的努力，仍然只像是隔靴搔癢。

而且，越是新的、具有良好表現的模型，我們在為模型表現感到開心的同時，對模型數學原理、對學習到的表徵的理解，也越來越進入到了放棄治療的心態；畢竟，深度學習具有超出經典 AI 的學習能力，正是因為能夠學習到新的、人類目前還無法理解的表徵。

近期 DeepMind 的一篇論文《An Explicitly Relational Neural Network Architecture》（一種顯式的關係性神經網路架構，arxiv.org/abs/1905.10307）似乎在這面高牆上，打開了一個口子。他們想辦法把深度學習和符號化的表徵連接起來，而且著重在意表徵的多任務通用和重覆使用能力，而且取得了有趣的初步成果。

小編把這篇論文的內容簡單介紹如下。

重新思考我們需要什麼樣的表徵

當人類遇到沒有見過的新問題時，他們能回憶過往的經驗，從那些乍一看沒什麼關係，但在更抽象、更結構化的層次上，有不少相似度的事情中獲得靈感。

對於終生學習、持續學習來說，這種能力是非常重要的，而且也給人類帶來了很高的數據效率、遷移學習的能力、泛化到不同數據分布的能力等等，這些也都是當前的機器學習，無法比擬的。我們似乎可以認定，決定了所有這些能力的最根本因素，都是同一個，那就是決策系統學習，建構多種任務通用的、可重覆使用的表徵的能力。

一個多種任務通用、可重覆使用的表徵，可以提高系統的數據效率，因為系統即便是遇到了新的任務，也知道如何建構與它相關的表徵，而不需要從零開始。

理論上來說，一個能高效利用多種任務通用、可重覆使用的表徵的系統，實際上也就和能學習，如何建立這樣的表徵的系統差不多。更進一步地，如果讓系統學習解決，需要使用到這樣的表徵的新任務，我們也可以期待這個系統，能夠學會更好地建立這樣的表徵。

所以，假設一個系統從零開始學習不同的任務，那麼除了它學習到的最初的表徵之外，之後的所有的學習，都像是遷移學習，學習的過程也將是一如既往地，不斷累積的、連續的、終生持續的。

在這篇論文中，DeepMind 提出的建構一個這樣的系統的方法，其實源於經典的符號化 AI 的啓發。建構在一階謂詞計算的數學基礎上的，經典符號化 AI 系統，它們的典型工作方式，是把類似邏輯的推理規則，作用在類似語言的命題表徵上，這樣的表徵自身由對象和關係組成。

由於這樣的表徵有聲明式的特性和複合式的結構，這樣的表徵天然地具有泛化性、可以重覆使用。不過，與當代的深度學習系統不同，經典 AI 系統中的表徵，一般不是從數據學習的，而是由研究人員們手工建構的。

目前這個方向研究的熱點，是想辦法結合兩種不同做法的優點，建構一個端到端學習的可微分神經網路，然後神經網路中也可以帶有命題式的、關係性的先驗，就像卷積網路帶有空間和局部性先驗一樣。

這篇論文中介紹的網路架構，基於非局部性網路架構的近期研究成果，這種網路架構可以學會發現，並運用關係資訊，典型的比如 Relation nets 以及基於多頭注意力的網路。

不過，這些網路生成的表徵，都沒有什麼顯式的結構，也就是說，找不到什麼從表徵中的一部分，到符號化媒介中的常用元素（命題、關係、對象）的映射。

如果反過來探究這些元素，在這樣的表徵中是如何分布的，可以說它們分散地遍布在整個嵌入向量中，從而難以解釋，也難以利用它的命題性，並在下游任務中運用。

PrediNet 簡介

DeepMind 帶來了新網路架構 PrediNet，它學習到的表徵中的不同部分，可以直接對應命題、關係和對象。

把命題作為知識的基礎部件的想法，由來已久。一則元素聲明可以用來指出，一組對象之間存在某種關係；聲明之間可以用邏輯操作連接（和、或、否等等），也可以參與到推理過程中。PrediNet 的任務，就是學習把圖像之類的高維數據，轉換為命題形式的表徵，而且這個表徵可以用於下游任務。

PrediNet 模組可以看做，是由三個階段組成的流水線：注意力 attention、約束 binding 和評價 evaluation。注意力階段會選擇出成對的感興趣的對象，約束階段會借助選出的成對對象，把一組三元謂詞中的前兩個實例化，最後評價階段，會計算三元謂詞中的最後一個的（標量）值，判定得到的聲明是否為真。（更具體的介紹見論文原文）

PrediNet 網路架構

實驗測試

目前還沒法，直接把 PrediNet 用於大規模複雜數據；而且為了對提出的架構，有足夠扎實的科學理解，以及便於和其它方法進行細緻的比較，用小數據、小計算量做實驗，也是比較合適的。實驗測試的目標有兩個：1，驗證 PrediNet 是否能學習到希望的多任務通用、可重覆使用的表徵；2，如果前一個目標為真，研究它成立的原因。

作者們設計了一組「猜測關係」遊戲，是相對簡單的分類任務。它的玩法是，首先要學習表徵，一組繪製在 3x3 網格中的圖形，然後對於一張含有多個圖形的大圖，判斷給出的一條關於大圖中的，圖形間的關係的聲明是否為真。

雖然 PrediNet 本身學習到的命題，都只是很對兩兩成對的對象的，這個猜測關係遊戲需要的，是學習可能會牽扯到多個對象的複合關係。

遊戲介紹：(a)訓練集中包含的樣本對象 (b)五種不同的可能行/列排列模式 (c)單個任務預測的示例 (d)多任務預測示例

多種形狀和關係的排列組合，使得這個任務的變化有相當多種，是比較理想的測試表徵，及邏輯能力的設定。

作者們對比的幾種模型，都帶有一個卷積輸入層、中央模組、以及一個用於輸出的多層感知機；中央模組是區別所在，PrediNet 或者其他的基準模型。

數據效率

用十萬組樣本訓練以後，5 種模型的對比如下。PrediNet 是唯一一個在所有任務上，都取得超過 90% 準確率的模型；在某些任務中，相比基準模型，甚至有 20% 的提升。

表徵學習能力

作者們設計了四個階段的模型學習，透過在不同階段測試模型，可以探究模型的表徵學習能力。從空白模型開始，首先學習一個任務（即無預訓練的單任務學習）；其次學習多種不同任務（在第一個任務的基礎上，即有預訓練的多任務學習）；接著凍結 CNN 層和中央模組，僅更新多層感知機；最後凍結 CNN 層，更新中央模型和多層感知機。這四個階段中不同模型的表現如下圖。

首先，橫坐標是訓練樣本數量，縱坐標是準確率，即模型表現隨訓練樣本增加的變化，那麼所有曲線都是越貼近左上角越好，這裡已經能看出 PrediNet 的優勢。

其次，作者們認為尤其值得注意的，是第三個階段的表現，凍結 CNN 層和中央模組，僅更新多層感知機，圖中綠線。凍結現有的表徵不變，向新的任務適應（遷移），PrediNet 的學習速度是最快的，也是唯一一個在訓練結束後，得到了 90% 準確率的模型。這就說明了 PrediNet 學習到的表徵，確實更加多任務通用。

模型可視化

為了更好地理解 PrediNet 的計算行為，作者們製作了一些可視化，如圖。

訓練後的 PrediNet 的注意力頭的熱力圖。上方：在判斷是否形同的任務中訓練；下方：在判斷是否出現的任務中訓練

主成份分析（PCA）

結合多種實驗和分析，作者們認為 PrediNet 確實有一定的關係解耦能力，這也正是研究開始時，希望得到的能學習到良好的表徵的模型所需的。

結論

作者們展示了一個理論上，可以學習到抽象邏輯的模型，而且它還和端到端學習相容；網路可以自行從原始數據中，學習到對象和它們的關係，從而繞過了傳統 AI 中手工特徵帶來的種種問題。作者們的實驗顯示，網路可以學習到顯式命題的、關係性的表徵，從而在數據效率、泛化性、可遷移性方面，都有大幅改進。

不過這僅僅是非常初步的研究，完全開發這個思路的潛力，並把它應用在更複雜的數據、更複雜的實際任務中，還需要很多後續研究。

另一方面，這篇論文的重點，在於獲得這樣的表徵，而非應用它。不過由於這種模型架構，帶有的良好先驗，PrediNet 模組生成的表徵，和謂詞計算是自然地相容的，這就為後續的各種符號邏輯運算，做了良好的鋪墊。

這個基礎上的改進，可以考慮增加循環連接，這可能會讓模型具有迭代和序列計算能力；也可以考慮把它用於強化學習，可以對目前的深度強化學習的各方面問題，都帶來改進。

論文原文 https://arxiv.org/abs/1905.10307

按此回今日3S Market新聞首頁

康橋科技 —— 白光攝影機專業廠商！