人工智能的學(xué)習(xí)總是需要大量數(shù)據(jù)的“喂養(yǎng)”?？墒沁@數(shù)據(jù)要喂多少才是個頭呢？有沒有什么辦法能在少喂數(shù)據(jù)的同時，不影響AI的學(xué)習(xí)能力呢？或者直接把一些學(xué)習(xí)法則交給AI，讓它們舉一反三？谷歌和亞馬遜的研究人員近來就在琢磨這件事。

谷歌AI：背著有限的數(shù)據(jù)去探索新環(huán)境

來自卡耐基梅隆大學(xué)、谷歌和斯坦福大學(xué)的研究人員近日在一篇論文中寫道，他們開發(fā)出了一種“弱監(jiān)督”的人工智能訓(xùn)練框架。該模型會給機器人大量有限的、不精確的、或者是有噪聲的數(shù)據(jù)，讓它們通過數(shù)據(jù)學(xué)習(xí)，更好地探索一些極具挑戰(zhàn)性的環(huán)境。值得一提的是，研究人員“喂”給機器人的數(shù)據(jù)其實并不“完整”，機器人所得到的只是與它們所處的周圍環(huán)境直接相關(guān)的數(shù)據(jù)。然而出人意料的是，這套相對較少的數(shù)據(jù)反而提升了機器人操作任務(wù)的訓(xùn)練效率。

這個名叫“弱監(jiān)督控制”（Weakly－Supervised Control，后文簡稱為WSC）的框架可以對語料庫進行學(xué)習(xí)；在學(xué)習(xí)過程中，智能代理（intelligent agents）可以生成自己的目標并執(zhí)行探索任務(wù)。

從形式上看，該框架整合了“強化學(xué)習(xí)機制”（一種通過獎勵來激勵完成目標的訓(xùn)練形式）。但不同的是，傳統(tǒng)的強化學(xué)習(xí)需要研究人員手動設(shè)計獎勵，智能代理獲取獎勵的計算成本很高；與之相比，WSC構(gòu)建的這種弱監(jiān)督學(xué)習(xí)機制是一種能隨著智能代理數(shù)據(jù)收集的進度而自行伸縮擴展的監(jiān)督方式。換句話說，該模型給代理們提出的獎勵目標是基于它們的學(xué)習(xí)能力和進度的。這樣不僅有利于智能代理的學(xué)習(xí)，對于研究人員來說，他們也不必在智能代理的強化學(xué)習(xí)循環(huán)中不斷增加新標簽了。

譯者注：在人工智能領(lǐng)域，智能代理／智能主體指的是一個能夠觀察周遭環(huán)境并為實現(xiàn)具體目標而付出一系列行動的自主實體。它通常是以軟件程序的形式出現(xiàn)的。

在實驗中，研究人員試圖確定弱監(jiān)督機制對學(xué)習(xí)一個解纏表現(xiàn)（disentangled state representation）是否足夠必要。他們給幾個模型布置了不同復(fù)雜度、基于視覺、以目標為條件的模擬操作任務(wù)。在一個環(huán)境中，智能代理的任務(wù)是將特定的對象移動到目標位置；而在另一個環(huán)境中，代理必須打開一扇門，并讓門開的角度符合任務(wù)要求。

論文作者表示，WSC比此前最先進的目標導(dǎo)向式強化學(xué)習(xí)機制的學(xué)習(xí)速度還要快。特別是當研究人員不斷提升智能代理所處環(huán)境復(fù)雜性的時候，這種學(xué)習(xí)速度上的優(yōu)勢表現(xiàn)的格外明顯。另外，研究人員還指出，對比智能代理的預(yù)設(shè)目標和其達成目標后的最終形態(tài)，WSC的智能代理呈現(xiàn)出了更高的一致性。這表明，代理們通過該機制學(xué)到的是可釋性更強的目標達成策略。

不過研究人員也承認，WSC并非沒有局限性。它需要使用者給智能代理們標出各種與下游任務(wù)直接相關(guān)的各種要素，這就對使用者的專業(yè)知識提出了較高要求。此外，專家們還指出，他們目前的實驗都是在預(yù)訓(xùn)練階段完成的，這個階段生成的內(nèi)容其實并不一定來自代理們與機制中的新要素所產(chǎn)生的互動結(jié)果。基于此，他們下一步的工作就是要細致研究弱監(jiān)督機制的其他形式，看看它們能否給智能代理們提供新的有益信息。

“目前在實驗中的復(fù)雜環(huán)境里，WSC已經(jīng)呈現(xiàn)出了令人欣喜的成果。我們有理由相信，未來若能給真實環(huán)境下的機器人也應(yīng)用這種機制，效果會更為喜人?！闭撐牡暮现邆儗懙?，“簡言之，我們相信，這個新框架提供了一個監(jiān)督通用目標學(xué)習(xí)機制在復(fù)雜環(huán)境下進行應(yīng)用實踐的新視角?！?/p>

亞馬遜AI：用元學(xué)習(xí)機制來學(xué)會“舉一反三”

從上面的技術(shù)原理來看，谷歌的專家們有點像商人，他們的經(jīng)營思路是要在降低成本的同時，不影響產(chǎn)品（也就是AI的學(xué)習(xí)能力）的質(zhì)量和性能。與之相比，亞馬遜的研究人員更像是個老師，他們致力于“授人以漁”，讓AI學(xué)會舉一反三的能力。

在即將到來的ICLR上，亞馬遜的研究人員將提交一份關(guān)于元學(xué)習(xí)任務(wù)（meta－learning tasks）如何大幅提升AI學(xué)習(xí)能力的論文。

所謂元學(xué)習(xí)任務(wù)，即是一種能讓AI在完成相關(guān)目標的同時，還能引導(dǎo)其學(xué)會如何更好的進行學(xué)習(xí)的任務(wù)模式。亞馬遜的研究者聲稱，他們研發(fā)的這種任務(wù)模式資源消耗很小：只需少數(shù)幾個標簽訓(xùn)練模板就能讓AI“舉一反三”，完成好一個個新任務(wù)。

在傳統(tǒng)的機器學(xué)習(xí)過程中，模型先是吸納一系列標記數(shù)據(jù)（支持集，support set），學(xué)習(xí)如何把標記數(shù)據(jù)與特征標簽（labels）關(guān)聯(lián)起來；而后，研究人員再喂給模型一些測試數(shù)據(jù)（測試集，query set），看看它能否根據(jù)此前學(xué)到的特征標簽來厘清這些新數(shù)據(jù)。

與此種方式相反，在元學(xué)習(xí)機制下，AI模型要同時運用自身訓(xùn)練數(shù)據(jù)和研究人員給出的測試數(shù)據(jù)集來完成任務(wù)。在此過程中，模型還可以對兩套數(shù)據(jù)進行比對。這樣一來，AI在完成任務(wù)的同時，也能看得到自身對訓(xùn)練數(shù)據(jù)的反應(yīng)是如何影響其在測試數(shù)據(jù)上的表現(xiàn)的。

而在第二階段，也就是所謂的元測試階段（meta testing），模型要完成的測試任務(wù)與自己此前做的元學(xué)習(xí)任務(wù)有明顯的關(guān)聯(lián)，卻又并不完全相同。和之前的方法相似，在執(zhí)行每個新任務(wù)的過程中，模型還是能同時看到訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)，但這一次，特征標簽都是未知的，AI必須通過此前的學(xué)習(xí)與自己得到的數(shù)據(jù)來進行判斷，正確找出數(shù)據(jù)與標簽的關(guān)聯(lián)性。

在元訓(xùn)練過程中，研究人員所采用的技術(shù)并不需要學(xué)習(xí)一個完整的全局模型。他們的做法是訓(xùn)練一個輔助模型，再通過它為每一個任務(wù)生成本地模型，并同時確定其所對應(yīng)的支持集。

在完成上述工作后，他們又準備了一個輔助網(wǎng)絡(luò)，目的是充分利用測試集里的未標記數(shù)據(jù)。這樣到了元測試階段，研究人員就可以用測試集來對前文提到的本地模型進行微調(diào)了。

按照該團隊的說法，他們的系統(tǒng)通過一次任務(wù)學(xué)習(xí)就達到了16基線（baselines）。更具體的說，其所應(yīng)用的新機制提高了AI從一個標記的示例出發(fā)，去學(xué)習(xí)一個新對象分類任務(wù)的性能。根據(jù)底層AI模型體系結(jié)構(gòu)的不同，這種提升幅度在11％和16％之間。

關(guān)于這項技術(shù)，Alexa Shopping 應(yīng)用科學(xué)家巴勃羅·加西亞（Pablo Garcia）還在一篇博客中進行了介紹：

“過去10年，深度學(xué)習(xí)系統(tǒng)已經(jīng)在很多人工智能任務(wù)中取得了非同凡響的巨大成功。但在具體應(yīng)用層面，其發(fā)揮空間一直比較有限。元學(xué)習(xí)機制有望讓機器學(xué)習(xí)系統(tǒng)訓(xùn)練成‘多面手’……該機制的主體思路是讓系統(tǒng)能通過少量標簽訓(xùn)練示例就能完成一個個新任務(wù)。很明顯，如果進展順利，元學(xué)習(xí)將大幅縮減勞動密集型數(shù)據(jù)注釋工作的需求。”