楊銘深度學(xué)習(xí)發(fā)展的新趨勢演講稿

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

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

　　簡單介紹一下，我是去年夏天加入地平線的，負(fù)責(zé)軟件工程。在此之前我在Facebook人工智能實驗室負(fù)責(zé)人臉識別算法研究和后端系統(tǒng)開發(fā)，也曾在NEC美國實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(xí)的新趨勢之前，我們應(yīng)該首先明確一下深度學(xué)習(xí)的定義和它現(xiàn)在的發(fā)展?fàn)顟B(tài)。非常幸運，學(xué)術(shù)圈對于深度學(xué)習(xí)的定義有比較清楚的共識。深度學(xué)習(xí)是指從原始的數(shù)據(jù)通過不斷地學(xué)習(xí)、不斷地抽象，得到這些數(shù)據(jù)的表達或描述。所以簡單地說，深度學(xué)習(xí)是從原始數(shù)據(jù)(raw data)學(xué)習(xí)其表達(learning representations)。這些原始數(shù)據(jù)可能是圖像數(shù)據(jù)，可能是語音，也可能是文字;這種表達就是一些簡潔的數(shù)字化的表達。深度學(xué)習(xí)的關(guān)鍵就是怎么去學(xué)這個表達。這個表達是通過多層的非線性的復(fù)雜的結(jié)構(gòu)學(xué)習(xí)的，而這個結(jié)構(gòu)可能是神經(jīng)網(wǎng)絡(luò)，也可能其他的結(jié)構(gòu)。關(guān)鍵是希望通過端到端的訓(xùn)練，從數(shù)據(jù)直接學(xué)習(xí)到到表達。

　　如果談到深度學(xué)習(xí)的起源還是要回到1957年，從一個非常簡單的結(jié)構(gòu)單元——“感知機(perception)”開始。一些輸入信號被權(quán)重加權(quán)后，和一個閾值比較得到輸出。為什么說這是深度學(xué)習(xí)的起源?因為這些權(quán)重不是由規(guī)則預(yù)先設(shè)計的，而是訓(xùn)練學(xué)習(xí)得到的。最開始的“感知機”是硬件設(shè)計，這些連接就是物理連線，這些權(quán)重可能是通過調(diào)節(jié)電阻實現(xiàn)的。當(dāng)時媒體就預(yù)測，這是一個智能計算機的雛形，能很快學(xué)會走路、說話、看圖、寫作，甚至自我復(fù)制或者有自我意識。那么過了60年，目前進展到看圖和寫作中間的階段，希望至少再需要至60年能學(xué)會自我復(fù)制。

　　深度學(xué)習(xí)從出現(xiàn)之后，大體上經(jīng)過了兩個落起。一開始大家非常樂觀，但很快發(fā)現(xiàn)有一些非常簡單的問題它解決不了。從2006年開始，在Hinton/LeCun/Bengio/Ng等幾位教授的推動下，深度學(xué)習(xí)得到了一種爆發(fā)式的發(fā)展，在圖像識別、語音識別、語義理解，和廣告推薦等問題上，有一些突破性的提高。最新的進展就是今年3月的AlphaGo圍棋比賽，以一種很直觀的方式讓社會大眾感受到了深度學(xué)習(xí)進展。我們希望再過五年，深度學(xué)習(xí)的技術(shù)能夠真正用到千家萬戶的日常生活中去，讓每個設(shè)備都可以運行深度學(xué)習(xí)的模塊。

　　在這幾次起落中，深度學(xué)習(xí)基本的學(xué)習(xí)方式和網(wǎng)絡(luò)結(jié)構(gòu)其實沒有本質(zhì)性的變化，還是一種多級的人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。像這幅圖中看到的，輸入層是一些原始數(shù)據(jù)，并且有標(biāo)注。無論希望學(xué)到什么內(nèi)容，只要有個評價誤差的函數(shù)(cost function)，評價神經(jīng)網(wǎng)絡(luò)的誤差是多少，那么有了這個輸入輸出之后，深度學(xué)習(xí)或者深度神經(jīng)網(wǎng)絡(luò)就可以作為一個黑盒子學(xué)習(xí)這個目標(biāo)。人工神經(jīng)網(wǎng)絡(luò)從結(jié)構(gòu)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。開始時可能有一個輸入和一個目標(biāo)，比如你希望從人臉圖像識別出這個人是誰。這時候神經(jīng)網(wǎng)絡(luò)肯定識別不出來，因為它從來沒有見過。我們會給神經(jīng)網(wǎng)絡(luò)隨機設(shè)一些值，讓它預(yù)測這個識別結(jié)果，開始最后輸出層幾乎肯定會是一個錯誤的識別結(jié)果。這也沒有關(guān)系，我們把這個輸出層的誤差慢慢地反向傳播回去，一點點的修改這些神經(jīng)元的內(nèi)部參數(shù)和他們之間的連接。通過這種一點點地修改，慢慢通過大量的數(shù)據(jù)，這個網(wǎng)絡(luò)就學(xué)會了一個非常復(fù)雜的函數(shù)功能。從八十年代到目前，這30年間，這個基本的結(jié)構(gòu)和學(xué)習(xí)算法是沒有變化。

　　從2006年開始，深度學(xué)習(xí)有爆發(fā)式增長，歸結(jié)于下面幾個理由。首先是利用了海量的數(shù)據(jù)，這些大數(shù)據(jù)的使用使得原來這種深度神經(jīng)網(wǎng)絡(luò)一些問題，比如對噪聲數(shù)據(jù)敏感，容易在一個小的數(shù)據(jù)集性能很好，但無法泛化到大的數(shù)據(jù)集，這些問題都不再是問題了。能夠使用這些大數(shù)據(jù)學(xué)習(xí)，需要很高的并行運算的能力。當(dāng)然，也有算法上的改進，比如dropout、batch normalization、residual networks等，能避免過擬合梯度消失這些問題。但本質(zhì)上這次深度學(xué)習(xí)的爆發(fā)發(fā)展還是通過大數(shù)據(jù)和計算能力實現(xiàn)的。之前說神經(jīng)網(wǎng)絡(luò)本身像黑盒子，結(jié)構(gòu)設(shè)定沒有很好的指導(dǎo)意見，這個目前還是這個現(xiàn)狀。

　　深度學(xué)習(xí)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(zhǔn)確度是隨著數(shù)據(jù)的增長而增加的。其他的機器學(xué)習(xí)的方法可能隨著數(shù)據(jù)的增加，性能提高到某一個點就飽和了。但目前為止對于深度學(xué)習(xí)我們還沒有觀察到這點，這可能是它最值得關(guān)注的一點。目前深度學(xué)習(xí)也取得很多成功，比如如何做好圖像分類的問題。對于一個1000類圖像分類測試，經(jīng)過大概不到五年的時間，錯誤率從25%降到3.5%的水平，已經(jīng)比人類的識別準(zhǔn)確率還要高。這就是我們目前深度學(xué)習(xí)或者深度神經(jīng)網(wǎng)絡(luò)取得的主要的成功點，即學(xué)會了如何識別、如何分類。

　　回到我們的正題，目前深度學(xué)習(xí)研究的新趨勢?我們總結(jié)了四個方向。首先是學(xué)習(xí)如何記憶(memory networks);第二是學(xué)習(xí)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(jié)上;第三個是增強學(xué)習(xí)(reinforcement learning)，學(xué)習(xí)如何控制主動行動;第四個整體學(xué)習(xí)任務(wù)結(jié)構(gòu)上的新趨勢，就是序列化(Sequentialization)。我們?nèi)∈鬃帜福�縮寫成MARS。

　　第一個是學(xué)習(xí)然如何記憶。常規(guī)的前向神經(jīng)網(wǎng)絡(luò)有一個特點：你每次輸入和輸出是確定的關(guān)系，對于一副圖像，無論何時輸入進神經(jīng)網(wǎng)絡(luò)，我們一層一層計算后就會得到一個確定的結(jié)果，這是跟上下文不相關(guān)的。我們?nèi)绾伟延洃浀哪芰σ�入到神�?jīng)網(wǎng)絡(luò)中去?最簡單的一個思路是，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成一個時序系列的結(jié)構(gòu)，就是說當(dāng)前狀態(tài)的輸入不僅包括現(xiàn)在輸入，也包含上一時刻的輸出，這樣就會構(gòu)成一個非常深的網(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(xiàn)在的輸入的結(jié)合。但是這個方法有一個局限：這些記憶不會很長久，很快就會被后面的數(shù)據(jù)沖掉了。之后的深度學(xué)習(xí)的發(fā)展就是長時短時記憶，提出了一個記憶單元(memory cell)的概念，這個單元中加入了三個個門，一個輸入門，一個輸出門，一個遺忘門。輸入門可以控制你的輸入是否影響你的記憶當(dāng)中的內(nèi)容。輸出門是影響你的記憶是否被輸出出來影響將來。遺忘門是來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本身是通過學(xué)習(xí)得到的，通過不同的任務(wù)學(xué)習(xí)如何去控制這些門。這個長短時記憶單元是1999年提出的，近幾年又有一些新的改進如Gated Recurrent Unit，簡化成只有兩個門，一個是更新門，一個重置們，控制記憶內(nèi)容是否能繼續(xù)保存下去。

　　這些方法其實可以把記憶保存得更長一點，但實際上還是很有限。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：有一個永久的的內(nèi)存模塊，有一個控制模塊去控制如何根據(jù)輸入去讀取存儲這些內(nèi)存，并轉(zhuǎn)換成輸出。這個控制模塊，可以用神經(jīng)網(wǎng)絡(luò)實現(xiàn)。舉個例子，比如做排序的工作，有一些亂序的數(shù)字，希望把它排成順序的序列。我們之前需要設(shè)計不同的排序算法，而這個神經(jīng)圖靈機的思路是我們給定這些輸入輸出，讓這個神經(jīng)網(wǎng)絡(luò)自己去學(xué)習(xí)如何把這些數(shù)字通過儲存和取出來排序。某種意義上，讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)如何實現(xiàn)編程實現(xiàn)任務(wù)。這也是一個類似的工作，記憶網(wǎng)絡(luò)(Memory Network)，學(xué)習(xí)去管理這種長時間的記憶，在應(yīng)用于問答系統(tǒng)后，可以學(xué)到一些推理的能力。

　　第二個方向是把注意力模型(Attention Model)，動態(tài)的將注意力集中到某些細節(jié)，提高識別性能。比如，看圖說話圖像理解，你可以根據(jù)一幅圖生成一句話，很可能是非常宏觀的。如果我們能夠把注意力聚焦在這個機制的從引入到識別的過程中，根據(jù)目前的識別結(jié)果，動態(tài)一步一步調(diào)整聚焦到圖像的細節(jié)，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)注一個飛碟，我們可以調(diào)整關(guān)注區(qū)域在圖像中把飛碟的找出來，提取它的特征進行識別，得到圖像的更準(zhǔn)確的文字描述。

　　第三個就是增強學(xué)習(xí)(Reinforcement Learning)。在增強學(xué)習(xí)的框架中有兩個部分，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選擇不同的策略或者行為，希望能夠最大化自己的長期預(yù)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。在這個增強學(xué)習(xí)的框架中有兩個部分，一個部分是如何選擇這些行為(policy function)，另外一部分是如何評價評估自己可能取得的這些收益(value function)。這個增強學(xué)習(xí)框架本身已經(jīng)存在很多年了，和深度學(xué)習(xí)的結(jié)合就是指如何選擇策略行為的函數(shù)，以及如何評估預(yù)期獎勵的函數(shù)，由深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)得到，例如AlphaGo圍棋中的走棋網(wǎng)絡(luò)(policy network)和評價網(wǎng)絡(luò)(value networks)。

　　總而言之，從研究角度，深度學(xué)習(xí)正從有監(jiān)督的學(xué)習(xí)慢慢向這種互動式的學(xué)習(xí)發(fā)展;網(wǎng)絡(luò)結(jié)構(gòu)由先向網(wǎng)絡(luò)向有遞歸方式、考慮記憶、考慮時序的網(wǎng)絡(luò)發(fā);同時內(nèi)容從靜態(tài)的輸入到動態(tài)的輸入，在預(yù)測方式方面是從同時的預(yù)測慢慢變成一步一步序列化的預(yù)測。從2014年和2015年的發(fā)展情況來看，深度學(xué)習(xí)現(xiàn)在的非常簡化的思路是，如果有個比較新的問題，要做的事情首先是把問題描述好，保證輸入到最終的目的這個過程每步是可微分的，然后把其中最難的部分插入深度神經(jīng)網(wǎng)絡(luò)，實現(xiàn)端對端的學(xué)習(xí)。之前提到的幾個新趨勢，大體上都是這種思路。

　　無論是社會大眾還是媒體，或者是研究人員自己，我們可能對深度學(xué)習(xí)還有一些不同角度的認(rèn)識。我個人認(rèn)為這是計算機科學(xué)領(lǐng)域非常純粹的計算問題，探索如何把這些數(shù)據(jù)本質(zhì)的內(nèi)容和結(jié)構(gòu)抽象理解得更好。希望今天提到的一些深度學(xué)習(xí)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(xí)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(xí)06-16

《陋室銘》學(xué)習(xí)要點06-24

學(xué)習(xí)楊善洲事跡體會03-10

學(xué)習(xí)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(xí)》學(xué)習(xí)心得體會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(shù)學(xué)深度學(xué)習(xí)培訓(xùn)心得（通用26篇）07-21

陋室銘中銘的翻譯05-06