（文章來源：科技行者）

盡管深度學(xué)習(xí)已經(jīng)在人工智能領(lǐng)域做出重大貢獻(xiàn)，但這項(xiàng)技術(shù)本身仍存在一項(xiàng)致命缺陷：需要大量數(shù)據(jù)的加持。深度學(xué)習(xí)領(lǐng)域的先驅(qū)者乃至批評者已經(jīng)就此達(dá)成共識——事實(shí)上，正是由于可用數(shù)據(jù)量有限加上處理大規(guī)模數(shù)據(jù)的計(jì)算能力不足，才導(dǎo)致深度學(xué)習(xí)直到最近幾年才成為AI層面的前沿技術(shù)。因此，減少深度學(xué)習(xí)對數(shù)據(jù)的依賴性，已經(jīng)成為AI研究人員最重要的探索方向之一。

在AAAI大會的主題演講中，計(jì)算機(jī)科學(xué)家Yann LeCun討論了當(dāng)前深度學(xué)習(xí)技術(shù)的局限性，同時提出“自我監(jiān)督學(xué)習(xí)”的發(fā)展藍(lán)圖——這是他為解決深度學(xué)習(xí)數(shù)據(jù)問題而構(gòu)建的路線圖。作為深度學(xué)習(xí)領(lǐng)域的教父級人物之一，LeCun正是卷積神經(jīng)網(wǎng)絡(luò)(CNN)的發(fā)明者，而該網(wǎng)絡(luò)也成為過去十年內(nèi)推動人工智能革命的一大核心因素。

自我監(jiān)督學(xué)習(xí)，可謂當(dāng)前提升人工智能系統(tǒng)數(shù)據(jù)利用效率的多種嘗試之一。目前我們還很難斷言哪種具體嘗試能夠成功掀起下一輪AI革命(也許我們最終會采取完全不同的政策)，但LeCun的規(guī)劃與思路仍然值得我們認(rèn)真了解。首先，LeCun強(qiáng)調(diào)稱，深度學(xué)習(xí)技術(shù)面對的局限性實(shí)際上正是監(jiān)督學(xué)習(xí)技術(shù)的局限性。所謂監(jiān)督學(xué)習(xí)，屬于一類需要對訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)記才能正常完成學(xué)習(xí)的算法。例如，如果希望創(chuàng)建圖像分類模型，則必須為系統(tǒng)提供經(jīng)過適當(dāng)分類標(biāo)記的大量圖像，由模型在其中完成充分訓(xùn)練。

LeCun在AAAI主題演講中提到，“深度學(xué)習(xí)并不是監(jiān)督學(xué)習(xí)，也不只是神經(jīng)網(wǎng)絡(luò)。基本上，深度學(xué)習(xí)是將參數(shù)化的模塊組裝到計(jì)算圖中以構(gòu)建起AI系統(tǒng)。它的優(yōu)勢在于，我們不需要對系統(tǒng)進(jìn)行直接編程——我們只需要定義架構(gòu)并調(diào)整參數(shù)。不過其中需要調(diào)整的參數(shù)可能多達(dá)數(shù)十億之巨。”LeCun同時補(bǔ)充道，深度學(xué)習(xí)適用于多種不同學(xué)習(xí)范式，包括監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)以及無監(jiān)督/自我監(jiān)督學(xué)習(xí)等。

但目前人們對于深度學(xué)習(xí)以及監(jiān)督學(xué)習(xí)的抱怨并非空穴來風(fēng)。當(dāng)下，大部分能夠?qū)嶋H應(yīng)用的深度學(xué)習(xí)算法都基于監(jiān)督學(xué)習(xí)模型，這也充分暴露出現(xiàn)有AI系統(tǒng)的缺點(diǎn)所在。我們?nèi)粘Ｊ褂玫膱D像分類器、人臉識別系統(tǒng)、語音識別系統(tǒng)以及眾多其他AI應(yīng)用都需要利用數(shù)百萬個帶有標(biāo)記的示例進(jìn)行充分訓(xùn)練。到目前為止，強(qiáng)化學(xué)習(xí)與無監(jiān)督學(xué)習(xí)只能算是在理論上存在的其他機(jī)器學(xué)習(xí)算法類型，還極少在實(shí)踐場景中得到應(yīng)用。

監(jiān)督深度學(xué)習(xí)為我們帶來多種非常實(shí)用的應(yīng)用方案，特別是在計(jì)算機(jī)視覺與自然語言處理等特定領(lǐng)域。深度學(xué)習(xí)已經(jīng)在癌癥檢測等敏感應(yīng)用中扮演越來越重要的角色，而且事實(shí)證明，其確實(shí)能夠在部分人類無法解決的問題中發(fā)揮核心作用。例如，社交媒體巨頭們正紛紛利用這類技術(shù)審核并通報(bào)用戶在平臺上發(fā)布的大量內(nèi)容。

LeCun表示，“如果把深度學(xué)習(xí)元素從Facebook、Instagram以及YouTube等廠商中剝離出來，他們的業(yè)務(wù)會瞬間崩潰。事實(shí)上，他們的業(yè)務(wù)完全圍繞深度學(xué)習(xí)構(gòu)建而成。”

但正如前文所述，監(jiān)督學(xué)習(xí)只適用于具備充足高質(zhì)量數(shù)據(jù)、且數(shù)據(jù)內(nèi)容足以涵蓋所有可能情況的場景。一旦經(jīng)過訓(xùn)練的深度學(xué)習(xí)模型遇到不同于訓(xùn)練示例的全新狀況，它們的表現(xiàn)將徹底失去控制。在某些情況下，單是從稍有區(qū)別的角度展示對象，就有可能令神經(jīng)網(wǎng)絡(luò)將其誤判為其他物體。

深度強(qiáng)化學(xué)習(xí)則在游戲與模擬場景中表現(xiàn)出強(qiáng)大能力。過去幾年以來，強(qiáng)化學(xué)習(xí)已經(jīng)征服了眾多以往人工智能無法攻克的游戲項(xiàng)目。當(dāng)下，AI程序在《星際爭霸2》、《Dota》以及具有悠久歷史的圍棋領(lǐng)域?qū)⑷祟愴敿膺x手殺得片甲不留。

但是，這些AI程序在摸索解決問題的方法方面，與人類完全不同?；旧?，強(qiáng)化學(xué)習(xí)代理就是一張白紙，我們只為其提供在特定環(huán)境中能夠執(zhí)行的一組基本操作。接下來，AI會不斷自行嘗試，通過反復(fù)試驗(yàn)來學(xué)習(xí)如何獲取最高獎勵(例如盡可能在游戲中取勝)。

當(dāng)問題空間比較簡單，而且我們擁有充足的計(jì)算能力以運(yùn)行更多不斷重復(fù)的試驗(yàn)性會話時，這類模型就能正常起效。在大多數(shù)情況下，強(qiáng)化學(xué)習(xí)代理要耗費(fèi)大量時間以掌握游戲精髓，而巨大的成本也意味著這類技術(shù)只能存在于高科技企業(yè)內(nèi)部或者由其資助的研究實(shí)驗(yàn)室當(dāng)中。

強(qiáng)化學(xué)習(xí)系統(tǒng)的另一大短板體現(xiàn)在遷移學(xué)習(xí)方面。如果要游玩《魔獸爭霸3》，那么即使是已經(jīng)精通了《星際爭霸2》的代理，也需要從零開始接受訓(xùn)練。實(shí)際上，即使對《星際爭霸2》游戲環(huán)境做出一點(diǎn)點(diǎn)微小發(fā)動，亦會嚴(yán)重影響AI的實(shí)際表現(xiàn)。相反，人類非常擅長從一款游戲中提取抽象概念，并快速將其遷移至新的游戲當(dāng)中。

強(qiáng)化學(xué)習(xí)在解決無法準(zhǔn)確模擬的現(xiàn)實(shí)問題時，同樣顯示出強(qiáng)烈的局限性。LeCun提到，“如果想要訓(xùn)練一輛無人駕駛汽車，我們該怎么辦?”這類使用場景確實(shí)很難準(zhǔn)確模擬，因此為了開發(fā)出一臺真正具備無人駕駛能力的汽車，“我們恐怕得撞毀很多很多汽車。”而且與模擬環(huán)境不同，我們無法在現(xiàn)實(shí)場景中快速進(jìn)行實(shí)驗(yàn)，更遑論由現(xiàn)實(shí)實(shí)驗(yàn)帶來的巨大成本。

首先，我們需要開發(fā)出能夠利用更少樣本或者更少試驗(yàn)學(xué)習(xí)完成訓(xùn)練的AI系統(tǒng)。LeCun指出，“我的建議是使用無監(jiān)督學(xué)習(xí)，我個人更傾向于稱其為自我監(jiān)督學(xué)習(xí)，因?yàn)槠渲杏玫降乃惴ㄈ匀活愃朴诒O(jiān)督學(xué)習(xí)，只是監(jiān)督學(xué)習(xí)的作用主要在于填補(bǔ)空白?？偠灾趯W(xué)習(xí)任務(wù)之前，系統(tǒng)需要首先了解這個世界。嬰兒或者小動物都是這樣成長的。我們首先接觸這個世界、理解其運(yùn)作規(guī)律，而后才考慮如何解決具體任務(wù)。只要能看懂這個世界，那么學(xué)習(xí)新任務(wù)就只需要很少的試驗(yàn)與樣本量。”

嬰兒在出生后的前幾個月內(nèi)，會快速建立起關(guān)于引力、尺寸與物體性狀的概念。雖然研究人員還無法確定其中有多少屬性與大腦建立起硬連接、又存在多少具體認(rèn)知，但可以肯定的是，我們?nèi)祟愂紫扔^察周邊世界、而后才實(shí)際行動并與之交互。

第二項(xiàng)挑戰(zhàn)在于構(gòu)建起具備推理能力的深度學(xué)習(xí)系統(tǒng)。眾所周知，現(xiàn)有深度學(xué)習(xí)系統(tǒng)的推理與推理能力相當(dāng)捉急，因此需要大量數(shù)據(jù)才能解決那些最簡單的任務(wù)。LeCun指出，“問題在于，我們要如何超越現(xiàn)有前饋計(jì)算與系統(tǒng)1?我們要如何讓推理與基于梯度的學(xué)習(xí)方式相兼容?我們要如何在推理中實(shí)現(xiàn)差異性?這些都是最基本的問題?！?/p>

系統(tǒng)1是指那些不需要主動思考的學(xué)習(xí)任務(wù)，例如在已知區(qū)域內(nèi)導(dǎo)航或者進(jìn)行少量計(jì)算。系統(tǒng)2則代表一種較為活躍的思維方式，需要推理能力的支持。作為AI領(lǐng)域的經(jīng)典方案，象征性人工智能已經(jīng)在推理與抽象領(lǐng)域帶來廣受好評的能力提升。

但LeCun并不建議人們廣泛采用這些備受科學(xué)家推崇的象征性AI或者混合人工智能系統(tǒng)。對于AI未來的發(fā)展愿景，他的思路與另一位深度學(xué)習(xí)先驅(qū)Yoshua Bengio更為接近。他在NeurIPS 2019大會上介紹了系統(tǒng)2深度學(xué)習(xí)的概念，并在AAAI 2020大會上做出進(jìn)一步討論。但LeCun也坦言，在實(shí)現(xiàn)深度學(xué)習(xí)系統(tǒng)的推理能力方面，“并不存在一種完美的答案”。

第三大挑戰(zhàn)在于如何建立深度學(xué)習(xí)系統(tǒng)，確保其能夠?qū)W習(xí)并規(guī)劃復(fù)雜的行動序列，進(jìn)而將任務(wù)拆分為多個子任務(wù)。深度學(xué)習(xí)系統(tǒng)擅長為問題提供端到端解決方案，但卻很難將其分解為可解釋且可修改的特定步驟。目前，業(yè)界已經(jīng)在AI系統(tǒng)對圖像、語音及文本的分解方面取得一定進(jìn)展，由Geoffry Hinton發(fā)明的膠囊網(wǎng)絡(luò)成功解決了其中一部分難題。

但學(xué)習(xí)復(fù)雜的推理任務(wù)仍然遠(yuǎn)超現(xiàn)有AI的能力上限。LeCun承認(rèn)，“我們不知道要如何實(shí)現(xiàn)這種能力?！弊晕冶O(jiān)督學(xué)習(xí)的基本思路，是開發(fā)出一種能夠填補(bǔ)上述空白的深度學(xué)習(xí)系統(tǒng)。LeCun解釋道，“我們只需要向此類系統(tǒng)展示輸入、文本、視頻甚至是圖像，而后剔除出其中一部分，由經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)或者您選定的類或模型預(yù)測這些缺失的部分。預(yù)測對象可以是視頻內(nèi)容的后續(xù)走向，也可以是文本中缺少的詞匯。”

目前市面上最接近自我監(jiān)督學(xué)習(xí)系統(tǒng)的當(dāng)數(shù)Transformers，這是一種在自然語言處理領(lǐng)域大放異彩的架構(gòu)方案。Transformers不需要標(biāo)記數(shù)據(jù)，它們可以通過維基百科等資料進(jìn)行大規(guī)模非結(jié)構(gòu)化文本訓(xùn)練。而且事實(shí)證明，與之前的同類系統(tǒng)相比，Transformers在生成文本、組織對話以及建立回復(fù)內(nèi)容方面擁有更好的表現(xiàn)。(但它們?nèi)匀粺o法真正理解人類語言。)

Transformers已經(jīng)相當(dāng)流行，并成為幾乎一切最新語言模型的基礎(chǔ)技術(shù)，具體包括谷歌的BERT、Facebook的RoBERTa、OpenAI的GPT2以及谷歌的Meena聊天機(jī)器人。最近，AI研究人員還證明，Transformers能夠進(jìn)行積分運(yùn)算并求解微分議程——換言之，它已經(jīng)展現(xiàn)出解決符號處理問題的能力。這可能暗示著Transformers的發(fā)展最終有望推動神經(jīng)網(wǎng)絡(luò)突破模式識別與近似任務(wù)統(tǒng)計(jì)等傳統(tǒng)應(yīng)用的樊籬。

截至目前，Transformers已經(jīng)證明了自己在處理離散數(shù)據(jù)(例如單詞與數(shù)學(xué)符號)方面的價(jià)值。LeCun指出，“訓(xùn)練這類系統(tǒng)比較簡單，因?yàn)殡m然單詞遺漏可能造成一定程度的不確定性，但我們可以利用完整詞典中的巨大概率矢量來表達(dá)這種不確定性，所以問題不大。”

但Transformers還沒能將自己的威力引入視覺數(shù)據(jù)領(lǐng)域。LeCun解釋稱，“事實(shí)證明，在圖像與視頻中表達(dá)不確定性并做出預(yù)測，其難度要遠(yuǎn)高于文本層面的不確定性表達(dá)與預(yù)測。這是因?yàn)閳D像與視頻內(nèi)容并非離散存在。我們可以根據(jù)詞典生成所有單詞的分布情況，但卻不可能表達(dá)所有潛在視頻幀的分布情況?！?/p>

對于每個視頻片段，都存在著無數(shù)種可能的后續(xù)情況。這就導(dǎo)致AI系統(tǒng)很難預(yù)測出特定結(jié)果，例如視頻內(nèi)接下來幾幀所展示的畫面。神經(jīng)網(wǎng)絡(luò)只能計(jì)算出可能結(jié)果的平均值，并據(jù)此輸出非常模糊的影像。LeCun指出，“如果要將自我監(jiān)督學(xué)習(xí)應(yīng)用于視頻等多種形式，首先得解決這個核心技術(shù)問題?！?/p>

LeCun個人最偏好的監(jiān)督學(xué)習(xí)方法，是所謂“基于能量的潛在變量模型”。其中的核心思路在于引入一個潛在變量Z，該變量用于計(jì)算變量X(視頻中的當(dāng)前幀)與預(yù)測Y(視頻的未來幀)之間的兼容性，并選擇具有最佳兼容性得分的結(jié)果。LeCun也在演講中進(jìn)一步闡述了基于能量的模型與自我監(jiān)督學(xué)習(xí)的實(shí)現(xiàn)方法。
? ? ? （責(zé)任編輯：fqj）