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

雷鋒網 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複使用能力，而且取得了有趣的初步成果。雷鋒網 AI 科技評論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構建多種任務通用的、可重複使用的表徵的能力。

一個多種任務通用、可重複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構建與它相關的表徵，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、可重複使用的表徵的系統，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積累的、連續的、終生持續的。

在這篇論文中，DeepMind 提出的構建一個這樣的系統的方法其實源於經典的符號化 AI 的啟發。構建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、可以重複使用。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構建的。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，構建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信息，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介質中的常用元素（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 模塊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，約束階段會藉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）

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紮實的科學理解，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、可重複使用的表徵；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。

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、中央模塊、以及一個用於輸出的多層感知機；中央模塊是區別所在，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，通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 層和中央模塊，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 層和中央模塊，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。

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。

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兼容；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。作者們的實驗表明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 模塊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

雷鋒網 AI 科技評論報道

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！