楊銘深度學(xué)習發(fā)展的新趨勢演講稿

　　地平線(xiàn)機器人聯(lián)合創(chuàng )始人 地平線(xiàn)機器人技術(shù)軟件副總裁

　　大家好，我是楊銘。非常榮幸有這樣的機會(huì )跟大家分享我們對深度學(xué)習研究發(fā)展新趨勢的一些思考和總結，我們將這些新發(fā)展的首字母縮寫(xiě)成一個(gè)單詞MARS。這是和我的同事黃暢博士共同的一些討論。

　　簡(jiǎn)單介紹一下，我是去年夏天加入地平線(xiàn)的，負責軟件工程。在此之前我在Facebook人工智能實(shí)驗室負責人臉識別算法研究和后端系統開(kāi)發(fā)，也曾在NEC美國實(shí)驗室和徐偉一起工作，學(xué)到很多東西。

　　在談?wù)撋疃葘W(xué)習的新趨勢之前，我們應該首先明確一下深度學(xué)習的定義和它現在的發(fā)展狀態(tài)。非常幸運，學(xué)術(shù)圈對于深度學(xué)習的定義有比較清楚的共識。深度學(xué)習是指從原始的數據通過(guò)不斷地學(xué)習、不斷地抽象，得到這些數據的表達或描述。所以簡(jiǎn)單地說(shuō)，深度學(xué)習是從原始數據(raw data)學(xué)習其表達(learning representations)。這些原始數據可能是圖像數據，可能是語(yǔ)音，也可能是文字;這種表達就是一些簡(jiǎn)潔的數字化的表達。深度學(xué)習的關(guān)鍵就是怎么去學(xué)這個(gè)表達。這個(gè)表達是通過(guò)多層的非線(xiàn)性的復雜的結構學(xué)習的，而這個(gè)結構可能是神經(jīng)網(wǎng)絡(luò )，也可能其他的結構。關(guān)鍵是希望通過(guò)端到端的訓練，從數據直接學(xué)習到到表達。

　　如果談到深度學(xué)習的起源還是要回到1957年，從一個(gè)非常簡(jiǎn)單的結構單元——“感知機(perception)”開(kāi)始。一些輸入信號被權重加權后，和一個(gè)閾值比較得到輸出。為什么說(shuō)這是深度學(xué)習的起源?因為這些權重不是由規則預先設計的，而是訓練學(xué)習得到的。最開(kāi)始的“感知機”是硬件設計，這些連接就是物理連線(xiàn)，這些權重可能是通過(guò)調節電阻實(shí)現的。當時(shí)媒體就預測，這是一個(gè)智能計算機的雛形，能很快學(xué)會(huì )走路、說(shuō)話(huà)、看圖、寫(xiě)作，甚至自我復制或者有自我意識。那么過(guò)了60年，目前進(jìn)展到看圖和寫(xiě)作中間的階段，希望至少再需要至60年能學(xué)會(huì )自我復制。

　　深度學(xué)習從出現之后，大體上經(jīng)過(guò)了兩個(gè)落起。一開(kāi)始大家非常樂(lè )觀(guān)，但很快發(fā)現有一些非常簡(jiǎn)單的問(wèn)題它解決不了。從2006年開(kāi)始，在Hinton/LeCun/Bengio/Ng等幾位教授的推動(dòng)下，深度學(xué)習得到了一種爆發(fā)式的發(fā)展，在圖像識別、語(yǔ)音識別、語(yǔ)義理解，和廣告推薦等問(wèn)題上，有一些突破性的提高。最新的進(jìn)展就是今年3月的AlphaGo圍棋比賽，以一種很直觀(guān)的方式讓社會(huì )大眾感受到了深度學(xué)習進(jìn)展。我們希望再過(guò)五年，深度學(xué)習的技術(shù)能夠真正用到千家萬(wàn)戶(hù)的日常生活中去，讓每個(gè)設備都可以運行深度學(xué)習的模塊。

　　在這幾次起落中，深度學(xué)習基本的學(xué)習方式和網(wǎng)絡(luò )結構其實(shí)沒(méi)有本質(zhì)性的變化，還是一種多級的人工神經(jīng)網(wǎng)絡(luò )的結構。像這幅圖中看到的，輸入層是一些原始數據，并且有標注。無(wú)論希望學(xué)到什么內容，只要有個(gè)評價(jià)誤差的函數(cost function)，評價(jià)神經(jīng)網(wǎng)絡(luò )的誤差是多少，那么有了這個(gè)輸入輸出之后，深度學(xué)習或者深度神經(jīng)網(wǎng)絡(luò )就可以作為一個(gè)黑盒子學(xué)習這個(gè)目標。人工神經(jīng)網(wǎng)絡(luò )從結構上講就是多層的神經(jīng)元和它們之間的連接，組合成很多層。開(kāi)始時(shí)可能有一個(gè)輸入和一個(gè)目標，比如你希望從人臉圖像識別出這個(gè)人是誰(shuí)。這時(shí)候神經(jīng)網(wǎng)絡(luò )肯定識別不出來(lái)，因為它從來(lái)沒(méi)有見(jiàn)過(guò)。我們會(huì )給神經(jīng)網(wǎng)絡(luò )隨機設一些值，讓它預測這個(gè)識別結果，開(kāi)始最后輸出層幾乎肯定會(huì )是一個(gè)錯誤的識別結果。這也沒(méi)有關(guān)系，我們把這個(gè)輸出層的誤差慢慢地反向傳播回去，一點(diǎn)點(diǎn)的修改這些神經(jīng)元的內部參數和他們之間的連接。通過(guò)這種一點(diǎn)點(diǎn)地修改，慢慢通過(guò)大量的數據，這個(gè)網(wǎng)絡(luò )就學(xué)會(huì )了一個(gè)非常復雜的函數功能。從八十年代到目前，這30年間，這個(gè)基本的結構和學(xué)習算法是沒(méi)有變化。

　　從2006年開(kāi)始，深度學(xué)習有爆發(fā)式增長(cháng)，歸結于下面幾個(gè)理由。首先是利用了海量的數據，這些大數據的使用使得原來(lái)這種深度神經(jīng)網(wǎng)絡(luò )一些問(wèn)題，比如對噪聲數據敏感，容易在一個(gè)小的數據集性能很好，但無(wú)法泛化到大的數據集，這些問(wèn)題都不再是問(wèn)題了。能夠使用這些大數據學(xué)習，需要很高的并行運算的能力。當然，也有算法上的改進(jìn)，比如dropout、batch normalization、residual networks等，能避免過(guò)擬合梯度消失這些問(wèn)題。但本質(zhì)上這次深度學(xué)習的爆發(fā)發(fā)展還是通過(guò)大數據和計算能力實(shí)現的。之前說(shuō)神經(jīng)網(wǎng)絡(luò )本身像黑盒子，結構設定沒(méi)有很好的指導意見(jiàn)，這個(gè)目前還是這個(gè)現狀。

　　深度學(xué)習為什么這幾年能得到這么大的關(guān)注?關(guān)鍵原因是性能準確度是隨著(zhù)數據的增長(cháng)而增加的。其他的機器學(xué)習的方法可能隨著(zhù)數據的增加，性能提高到某一個(gè)點(diǎn)就飽和了。但目前為止對于深度學(xué)習我們還沒(méi)有觀(guān)察到這點(diǎn)，這可能是它最值得關(guān)注的一點(diǎn)。目前深度學(xué)習也取得很多成功，比如如何做好圖像分類(lèi)的問(wèn)題。對于一個(gè)1000類(lèi)圖像分類(lèi)測試，經(jīng)過(guò)大概不到五年的時(shí)間，錯誤率從25%降到3.5%的水平，已經(jīng)比人類(lèi)的識別準確率還要高。這就是我們目前深度學(xué)習或者深度神經(jīng)網(wǎng)絡(luò )取得的主要的成功點(diǎn)，即學(xué)會(huì )了如何識別、如何分類(lèi)。

　　回到我們的正題，目前深度學(xué)習研究的新趨勢?我們總結了四個(gè)方向。首先是學(xué)習如何記憶(memory networks);第二是學(xué)習如何關(guān)注與取舍(attention model)，把注意力集中到需要關(guān)心的細節上;第三個(gè)是增強學(xué)習(reinforcement learning)，學(xué)習如何控制主動(dòng)行動(dòng);第四個(gè)整體學(xué)習任務(wù)結構上的新趨勢，就是序列化(Sequentialization)。我們取首字母，縮寫(xiě)成MARS。

　　第一個(gè)是學(xué)習然如何記憶。常規的前向神經(jīng)網(wǎng)絡(luò )有一個(gè)特點(diǎn)：你每次輸入和輸出是確定的關(guān)系，對于一副圖像，無(wú)論何時(shí)輸入進(jìn)神經(jīng)網(wǎng)絡(luò )，我們一層一層計算后就會(huì )得到一個(gè)確定的結果，這是跟上下文不相關(guān)的。我們如何把記憶的能力引入到神經(jīng)網(wǎng)絡(luò )中去?最簡(jiǎn)單的一個(gè)思路是，在神經(jīng)網(wǎng)絡(luò )中加入一些狀態(tài)，讓它能記住一點(diǎn)事情。它的輸出不僅取決于它的輸入，也取決于它本身的狀態(tài)。這是一個(gè)最基本的遞歸神經(jīng)網(wǎng)絡(luò )的思路。輸出取決于本身的狀態(tài)，我們也可以將其展開(kāi)成一個(gè)時(shí)序系列的結構，就是說(shuō)當前狀態(tài)的輸入不僅包括現在輸入，也包含上一時(shí)刻的輸出，這樣就會(huì )構成一個(gè)非常深的網(wǎng)絡(luò )。這種辦法可以讓神經(jīng)網(wǎng)絡(luò )記住一些之前的狀態(tài)。那么輸出就取決于在這些狀態(tài)和現在的輸入的結合。但是這個(gè)方法有一個(gè)局限：這些記憶不會(huì )很長(cháng)久，很快就會(huì )被后面的數據沖掉了。之后的深度學(xué)習的發(fā)展就是長(cháng)時(shí)短時(shí)記憶，提出了一個(gè)記憶單元(memory cell)的概念，這個(gè)單元中加入了三個(gè)個(gè)門(mén)，一個(gè)輸入門(mén)，一個(gè)輸出門(mén)，一個(gè)遺忘門(mén)。輸入門(mén)可以控制你的輸入是否影響你的記憶當中的內容。輸出門(mén)是影響你的記憶是否被輸出出來(lái)影響將來(lái)。遺忘門(mén)是來(lái)看你的記憶是否自我更新保持下去。這種方式使你的記憶得到靈活的保持，而控制記憶如何保持的這些門(mén)本身是通過(guò)學(xué)習得到的，通過(guò)不同的任務(wù)學(xué)習如何去控制這些門(mén)。這個(gè)長(cháng)短時(shí)記憶單元是1999年提出的，近幾年又有一些新的改進(jìn)如Gated Recurrent Unit，簡(jiǎn)化成只有兩個(gè)門(mén)，一個(gè)是更新門(mén)，一個(gè)重置們，控制記憶內容是否能繼續保存下去。

　　這些方法其實(shí)可以把記憶保存得更長(cháng)一點(diǎn)，但實(shí)際上還是很有限。更新的一些研究方法提出了一種神經(jīng)圖靈機(Neural Turning Machine)的概念：有一個(gè)永久的的內存模塊，有一個(gè)控制模塊去控制如何根據輸入去讀取存儲這些內存，并轉換成輸出。這個(gè)控制模塊，可以用神經(jīng)網(wǎng)絡(luò )實(shí)現。舉個(gè)例子，比如做排序的工作，有一些亂序的數字，希望把它排成順序的序列。我們之前需要設計不同的排序算法，而這個(gè)神經(jīng)圖靈機的思路是我們給定這些輸入輸出，讓這個(gè)神經(jīng)網(wǎng)絡(luò )自己去學(xué)習如何把這些數字通過(guò)儲存和取出來(lái)排序。某種意義上，讓神經(jīng)網(wǎng)絡(luò )學(xué)習如何實(shí)現編程實(shí)現任務(wù)。這也是一個(gè)類(lèi)似的工作，記憶網(wǎng)絡(luò )(Memory Network)，學(xué)習去管理這種長(cháng)時(shí)間的記憶，在應用于問(wèn)答系統后，可以學(xué)到一些推理的能力。

　　第二個(gè)方向是把注意力模型(Attention Model)，動(dòng)態(tài)的將注意力集中到某些細節，提高識別性能。比如，看圖說(shuō)話(huà)圖像理解，你可以根據一幅圖生成一句話(huà)，很可能是非常宏觀(guān)的。如果我們能夠把注意力聚焦在這個(gè)機制的從引入到識別的過(guò)程中，根據目前的識別結果，動(dòng)態(tài)一步一步調整聚焦到圖像的細節，那么可以生成一些更合理或者更精細的表達，比如在圖像中，關(guān)注一個(gè)飛碟，我們可以調整關(guān)注區域在圖像中把飛碟的找出來(lái)，提取它的特征進(jìn)行識別，得到圖像的更準確的文字描述。

　　第三個(gè)就是增強學(xué)習(Reinforcement Learning)。在增強學(xué)習的框架中有兩個(gè)部分，一部分是自主控制的單元(agent)，一部分是環(huán)境(environment)。自主控制單元是通過(guò)選擇不同的策略或者行為，希望能夠最大化自己的長(cháng)期預期收益，得到獎勵;而環(huán)境將接收策略行為，修改狀態(tài)，反饋出獎勵。在這個(gè)增強學(xué)習的框架中有兩個(gè)部分，一個(gè)部分是如何選擇這些行為(policy function)，另外一部分是如何評價(jià)評估自己可能取得的這些收益(value function)。這個(gè)增強學(xué)習框架本身已經(jīng)存在很多年了，和深度學(xué)習的結合就是指如何選擇策略行為的函數，以及如何評估預期獎勵的函數，由深度神經(jīng)網(wǎng)絡(luò )學(xué)習得到，例如AlphaGo圍棋中的走棋網(wǎng)絡(luò )(policy network)和評價(jià)網(wǎng)絡(luò )(value networks)。

　　總而言之，從研究角度，深度學(xué)習正從有監督的學(xué)習慢慢向這種互動(dòng)式的學(xué)習發(fā)展;網(wǎng)絡(luò )結構由先向網(wǎng)絡(luò )向有遞歸方式、考慮記憶、考慮時(shí)序的網(wǎng)絡(luò )發(fā);同時(shí)內容從靜態(tài)的輸入到動(dòng)態(tài)的輸入，在預測方式方面是從同時(shí)的預測慢慢變成一步一步序列化的預測。從2014年和2015年的發(fā)展情況來(lái)看，深度學(xué)習現在的非常簡(jiǎn)化的思路是，如果有個(gè)比較新的問(wèn)題，要做的事情首先是把問(wèn)題描述好，保證輸入到最終的目的這個(gè)過(guò)程每步是可微分的，然后把其中最難的部分插入深度神經(jīng)網(wǎng)絡(luò )，實(shí)現端對端的學(xué)習。之前提到的幾個(gè)新趨勢，大體上都是這種思路。

　　無(wú)論是社會(huì )大眾還是媒體，或者是研究人員自己，我們可能對深度學(xué)習還有一些不同角度的認識。我個(gè)人認為這是計算機科學(xué)領(lǐng)域非常純粹的計算問(wèn)題，探索如何把這些數據本質(zhì)的內容和結構抽象理解得更好。希望今天提到的一些深度學(xué)習的新趨勢，對大家有所幫助和借鑒。謝謝大家!

【楊銘深度學(xué)習發(fā)展的新趨勢演講稿】相關(guān)文章：

最新酒店業(yè)發(fā)展新趨勢教案06-16

陋室銘的文章學(xué)習06-16

《陋室銘》學(xué)習要點(diǎn)06-24

學(xué)習楊善洲事跡體會(huì )03-10

學(xué)習楊善洲精神作文06-06

陋室銘的銘06-10

《學(xué)歷案與深度學(xué)習》學(xué)習心得體會(huì )08-05

《鐵笛道人自傳》《楊廉夫維禎墓志銘》的對比閱讀及答案07-02

數學(xué)深度學(xué)習培訓心得（通用26篇）07-21

陋室銘中銘的翻譯05-06