概念

當在一個任務中要優(yōu)化多于一個的目標函數(shù)[1] ，就可以叫多任務學習

一些例外

「一個目標函數(shù)的多任務」：很多任務中把loss加到一起回傳，實質優(yōu)化的是一個目標函數(shù), 但優(yōu)化的是多個任務，loss相加是多任務學習的一種正則策略，對多個任務的參數(shù)起一種類似與均值約束的作用[2]，所以也叫multi-task

「多個目標函數(shù)的單任務」：一些NLP中用main-task和auxiliary-task 輔助任務，很多輔助任務的loss并不重要，個人覺得這種雖然是多個loss,但是就是為了main-task ,不應該算多任務

動機

應用上節(jié)省資源，一個模型跑多個任務，單倍的時間雙倍的快樂

感覺上非常的直觀，好不容易花了30分鐘都出門了，肯定多逛幾個個商場，順便剪個頭發(fā)做個指甲

從模型的角度，學習得的底層的概率分布通常是對多個任務都是有效的

兩種常見方式

參數(shù)的硬共享機制：從幾十年前開始到現(xiàn)在這種方式還在流行（Multitask Learning. Autonomous Agents and Multi-Agent Systems[3]），一般認為一個模型中任務越多，通過參數(shù)共享降低噪聲導致過擬合的風險更低，在參數(shù)硬共享機制中l(wèi)oss直接相加就是一種最簡單的均值約束。

參數(shù)的軟共享機制：每個任務都由自己的模型，自己的參數(shù)。對模型間參數(shù)的距離進行正則化來保障參數(shù)空間的相似。

混合方式：前兩種的混合

為什么會有效

1. 不同任務的噪聲能有更好的泛化效果

由于所有任務都或多或少存在一些噪音，例如，當我們訓練任務A上的模型時，我們的目標在于得到任務A的一個好的表示，而忽略了數(shù)據(jù)相關的噪音以及泛化性能。由于不同的任務有不同的噪音模式，同時學習到兩個任務可以得到一個更為泛化的表示

2. 輔助特征選擇作用

如果主任務是那種，噪音嚴重，數(shù)據(jù)量小，數(shù)據(jù)維度高，則對于模型來說區(qū)分相關與不相關特征變得困難。其他輔助任務有助于將模型注意力集中在確實有影響的那些特征上。

3. 特征交流機制

在不同的任務之間的特征交互交流，對于任務B來說很容易學習到某些特征G，而這些特征對于任務A來說很難學到。這可能是因為任務A與特征G的交互方式更復雜，或者因為其他特征阻礙了特征G的學習。

4. 相互強調（監(jiān)督）機制

多任務學習更傾向于學習到大部分模型都強調的部分。學到的空間更泛化，滿足不同的任務。由于一個對足夠多的訓練任務都表現(xiàn)很好的假設空間，對來自于同一環(huán)境的新任務也會表現(xiàn)很好，所以這樣有助于模型展示出對新任務的泛化能力（Deep Multi-Task Learning with Low Level Tasks Supervised at Lower Layers[4]、Emotion-Cause Pair Extraction: A New Task to Emotion Analysis in Texts[5]），非常適合遷移學習場景。

5. 表示偏置機制

如歸約遷移通過引入歸約偏置來改進模型，使得模型更傾向于某些假設，能起到一種正則效果。常見的一種歸約偏置是L1正則化，它使得模型更偏向于那些稀疏的解。在多任務學習場景中，這會導致模型更傾向于那些可以同時解釋多個任務的解。

為什么無效

先說是不是，再問為什么.

在Identifying beneficial task relations for multi-task learning in deep neural networks[6]中，作者探究到底是什么讓multi-task work, 作者使用嚴格意義上相同的參數(shù)用NLP任務做了對比實驗，圖中分別是兩個任務結合時與單任務loss的對比，大部分多任務的效果比不上單任務，作者的結論是單任務的主要特征在起作用，那些多任務結合效果好的情況，是「主任務比較難學（梯度下降比較緩慢），輔助任務比價好學的時候，多任務會有好效果」

為什么會無效？因為所有有效的原因都有它的負向效果

不同任務的噪聲提高泛化，在模型容量小的時候引入的噪聲也無法忽視。

特征的選擇，交流這些起作用的機制會產生一種負遷移（Negative Transfer），共享的信息交流的信息反而是一種誤導信息

...

Muti-task的一些思路

1. 對任務間的不同強制加稀疏性約束的正則化項

如塊稀疏正則化，對于不同任務的參數(shù)，加l1正則，或者l1/lx, x>1等的正則，起任務參數(shù)的選擇，讓模型自動去選擇應該共享哪些參數(shù), 在keras的multi-task框架中，就是多個任務的loss相加后，用一個優(yōu)化器優(yōu)化，就是這種思路

2. 對中間層添加矩陣先驗，可以學習任務間的關系

3. 共享合適的相關結構

高層次監(jiān)督（High Supervision），共享大部分結構，后面直接輸出分叉那種共享（就是大多數(shù)人入手的multi-task），個人覺得除非有很精致的一些調整，感覺效果很難超多個single-task.

低層次監(jiān)督（Low Supervision），Deep Multi-Task Learning with Low Level Tasks Supervised at Lower Layers中，在NLP中，作者使用deep bi-RNN低層開始對各個任務分別建模，不共享的部分模型更新時不受其他任務影響，效果不錯。

4. 建模任務之間的關系

建模任務之間的關系有非常多的方式，如，加各種約束項，這個約束項，讓不同任務的參數(shù)空間，盡量平均， 有很多方式花式拓展，正則也是一種約束項，loss相加也是一種建立任務之間關系的約束項目，如 Learning Multiple Tasks with Kernel Methods[7]對模型聚類 ，a是任務參數(shù)，讓各種任務參數(shù)空間盡量靠近

a是各個任務的參數(shù)

特征交互，在 Emotion-Cause Pair Extraction: A New Task to Emotion Analysis in Texts 中，作者通過不同任務的高層特征交互，同時完成情感向判斷和情感向原因提取，這跟有些多模態(tài)特征fusion的方式很相似，

Cross-Stitch Networks for Multi-Task Learning[8]將兩個獨立的網(wǎng)絡用參數(shù)的軟共享方式連接起來, 用所謂的十字繡單元來決定怎么將這些任務相關的網(wǎng)絡利用其他任務中學到的知識，并與前面層的輸出進行線性組合。

串行的聯(lián)合多任務模型（A Joint Many-Task Model）

NLP 領域中，各個任務間經常是有層級關系，A Joint Many-Task Model: Growing a Neural Network for Multiple NLP Tasks[9]中在多任務并行的同時，加了串行結構，例如具體任務：詞性分析 POS->語塊分析 CHUNK->依存句法分析 DEP->文本語義相關 Relatedness->文本蘊涵 Entailment，每個子任務都偶有自己的loss, 然后又會作為其他任務的輸入

5. 用loss調整任務之間的關系

Multi-Task Learning Using Uncertainty to Weigh Losses for Scene Geometry and Semantics[10] 用同方差不確定性對損失進行加權（Weighting losses with Uncertainty)，作者認為最佳權值與不同任務的衡量規(guī)模和噪聲相關，而噪聲中除了認知不確定性，異方差不確定性，這些取決于數(shù)據(jù)的不確定性外，作者把同方差不確定性作為噪聲來對多任務學習中的權重進行優(yōu)化，作者根據(jù)噪聲調整每個任務在代價函數(shù)中的相對權重，噪聲大則降低權重，反之。

GradNorm: Gradient Normalization for Adaptive Loss Balancing in Deep Multitask Networks[11] 基于不同任務loss的降低速度來動態(tài)調整權值, 作者定義了另外一個專門針對權值的優(yōu)化函數(shù)

是每個任務的loss相對第一步loss的優(yōu)化程度， 是每一步 對 task 任務的梯度，即如果某個任務的優(yōu)化程度小，這個loss會超那么就調大這個任務的權值優(yōu)化，達到個loss學習程度的平衡

應用|適用任務

輔助任務，相關性任務，對抗性任務....等[12]

責任編輯：xj

原文標題：Multi-Task 多任務學習， 那些你不知道的事

文章出處：【微信公眾號：深度學習自然語言處理】歡迎添加關注！文章轉載請注明出處。