我們現(xiàn)在所處的位置其實(shí)并不差。我們過(guò)去兩三年的進(jìn)步都是在深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)領(lǐng)域。深度學(xué)習(xí)在處理語(yǔ)音、文本、圖像和視頻方面給我們帶來(lái)了了不起的能力。再加上強(qiáng)化學(xué)習(xí)，我們?cè)谟螒?、自主?chē)輛、機(jī)器人等方面都有了很大的進(jìn)步。 我們正處于商業(yè)爆炸的最早階段，基于諸如通過(guò)聊天機(jī)器人與客戶(hù)互動(dòng)來(lái)節(jié)省大量資金、個(gè)人助理和Alexa等新的個(gè)人便利應(yīng)用、個(gè)人汽車(chē)中的二級(jí)自動(dòng)化，比如自適應(yīng)巡航控制、事故避免制動(dòng)和車(chē)道維護(hù)。 Tensorflow、Keras和其他深度學(xué)習(xí)平臺(tái)比以往任何時(shí)候都更容易獲得，而且由于GPU的存在，比以往任何時(shí)候都更高效。 但是，已知的缺陷清單根本沒(méi)有解決：

需要太多標(biāo)簽化的訓(xùn)練數(shù)據(jù)。

模型的訓(xùn)練時(shí)間太長(zhǎng)或者需要太多昂貴的資源，而且還可能根本無(wú)法訓(xùn)練。

超參數(shù)，尤其是圍繞節(jié)點(diǎn)和層的超參數(shù)，仍然是神秘的。自動(dòng)化甚至是公認(rèn)的經(jīng)驗(yàn)法則仍然遙不可及。

遷移學(xué)習(xí)，意味著只能從復(fù)雜到簡(jiǎn)單，而不是從一個(gè)邏輯系統(tǒng)到另一個(gè)邏輯系統(tǒng)。

我相信我們可以列一個(gè)更長(zhǎng)的清單。正是在解決這些主要的缺點(diǎn)方面，我們已經(jīng)陷入了困境。

是什么阻止了我們

在深度神經(jīng)網(wǎng)絡(luò)中，目前的傳統(tǒng)觀點(diǎn)是，只要我們不斷地推動(dòng)，不斷地投資，那么這些不足就會(huì)被克服。例如，從80年代到00年代，我們知道如何讓深度神經(jīng)網(wǎng)絡(luò)工作，只是我們沒(méi)有硬件。一旦趕上了，那么深度神經(jīng)網(wǎng)絡(luò)結(jié)合新的開(kāi)源精神，就會(huì)打開(kāi)這個(gè)新的領(lǐng)域。 所有類(lèi)型的研究都有自己的動(dòng)力。特別是一旦你在一個(gè)特定的方向上投入了大量的時(shí)間和金錢(qián)，你就會(huì)一直朝著這個(gè)方向前進(jìn)。如果你已經(jīng)投入了多年的時(shí)間來(lái)發(fā)展這些技能的專(zhuān)業(yè)知識(shí)，你就不會(huì)傾向于跳槽。 改變方向，即使你不完全確定應(yīng)該是什么方向。 有時(shí)候我們需要改變方向，即使我們不知道這個(gè)新方向到底是什么。最近，領(lǐng)先的加拿大和美國(guó)AI研究人員做到了這一點(diǎn)。他們認(rèn)為他們被誤導(dǎo)了，需要從本質(zhì)上重新開(kāi)始。 這一見(jiàn)解在去年秋天被Geoffrey Hinton口頭表達(dá)出來(lái)，他在80年代末啟動(dòng)神經(jīng)網(wǎng)絡(luò)主旨研究的過(guò)程中功不可沒(méi)。Hinton現(xiàn)在是多倫多大學(xué)的名譽(yù)教授，也是谷歌的研究員，他說(shuō)他現(xiàn)在 "深深地懷疑 "反向傳播，這是DNN的核心方法。觀察到人腦并不需要所有這些標(biāo)簽數(shù)據(jù)來(lái)得出結(jié)論，Hinton說(shuō) "我的觀點(diǎn)是把這些數(shù)據(jù)全部扔掉，然后重新開(kāi)始"。 因此，考慮到這一點(diǎn)，這里是一個(gè)簡(jiǎn)短的調(diào)查，這些新方向介于確定可以實(shí)現(xiàn)和幾乎不可能實(shí)現(xiàn)之間，但不是我們所知道的深度神經(jīng)網(wǎng)的增量改進(jìn)。 這些描述有意簡(jiǎn)短，無(wú)疑會(huì)引導(dǎo)你進(jìn)一步閱讀以充分理解它們。

看起來(lái)像DNN卻不是的東西

有一條研究路線(xiàn)與Hinton的反向傳播密切相關(guān)，即認(rèn)為節(jié)點(diǎn)和層的基本結(jié)構(gòu)是有用的，但連接和計(jì)算方法需要大幅修改。

我們從Hinton自己目前新的研究方向——CapsNet開(kāi)始說(shuō)起是很合適的。這與卷積神經(jīng)網(wǎng)絡(luò)的圖像分類(lèi)有關(guān)，問(wèn)題簡(jiǎn)單來(lái)說(shuō)，就是卷積神經(jīng)網(wǎng)絡(luò)對(duì)物體的姿勢(shì)不敏感。也就是說(shuō)，如果要識(shí)別同一個(gè)物體，在位置、大小、方向、變形、速度、反射率、色調(diào)、紋理等方面存在差異，那么必須針對(duì)這些情況分別添加訓(xùn)練數(shù)據(jù)。 在卷積神經(jīng)網(wǎng)絡(luò)中，通過(guò)大量增加訓(xùn)練數(shù)據(jù)和（或）增加最大池化層來(lái)處理這個(gè)問(wèn)題，這些層可以泛化，但只是損失實(shí)際信息。 下面的描述是眾多優(yōu)秀的CapsNets技術(shù)描述之一，該描述來(lái)自Hackernoon。

Capsule是一組嵌套的神經(jīng)層。在普通的神經(jīng)網(wǎng)絡(luò)中，你會(huì)不斷地添加更多的層。在CapsNet中，你會(huì)在一個(gè)單層內(nèi)增加更多的層?；蛘邠Q句話(huà)說(shuō)，把一個(gè)神經(jīng)層嵌套在另一個(gè)神經(jīng)層里面。capsule里面的神經(jīng)元的狀態(tài)就能捕捉到圖像里面一個(gè)實(shí)體的上述屬性。一個(gè)膠囊輸出一個(gè)向量來(lái)代表實(shí)體的存在。向量的方向代表實(shí)體的屬性。該向量被發(fā)送到神經(jīng)網(wǎng)絡(luò)中所有可能的父代。預(yù)測(cè)向量是基于自身權(quán)重和權(quán)重矩陣相乘計(jì)算的。哪個(gè)父代的標(biāo)量預(yù)測(cè)向量乘積最大，哪個(gè)父代就會(huì)增加膠囊的結(jié)合度。其余的父代則降低其結(jié)合度。這種通過(guò)協(xié)議的路由方式優(yōu)于目前的max-pooling等機(jī)制。

CapsNet極大地減少了所需的訓(xùn)練集，并在早期測(cè)試中顯示出卓越的圖像分類(lèi)性能。

多粒度級(jí)聯(lián)森林

2月份，我們介紹了南京大學(xué)新型軟件技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室的周志華和馮霽的研究，展示了他們稱(chēng)之為多粒度級(jí)聯(lián)森林的技術(shù)。他們的研究論文顯示，多粒度級(jí)聯(lián)森林在文本和圖像分類(lèi)上都經(jīng)常擊敗卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)。效益相當(dāng)顯著。

只需要訓(xùn)練數(shù)據(jù)的一小部分。

在您的桌面CPU設(shè)備上運(yùn)行，無(wú)需GPU。

訓(xùn)練速度一樣快，在許多情況下甚至更快，適合分布式處理。

超參數(shù)少得多，在默認(rèn)設(shè)置下表現(xiàn)良好。

依靠容易理解的隨機(jī)森林，而不是完全不透明的深度神經(jīng)網(wǎng)。

簡(jiǎn)而言之，gcForest（多粒度級(jí)聯(lián)森林）是一種決策樹(shù)集合方法，其中保留了深網(wǎng)的級(jí)聯(lián)結(jié)構(gòu)，但不透明的邊緣和節(jié)點(diǎn)神經(jīng)元被隨機(jī)森林組與完全隨機(jī)的樹(shù)林配對(duì)取代。在我們的原文中閱讀更多關(guān)于gcForest的內(nèi)容。

Pyro and Edward

Pyro和Edward是兩種新的編程語(yǔ)言，它們?nèi)诤狭松疃葘W(xué)習(xí)框架和概率編程。Pyro是Uber和Google的作品，而Edward則來(lái)自哥倫比亞大學(xué)，由DARPA提供資金。其結(jié)果是一個(gè)框架，允許深度學(xué)習(xí)系統(tǒng)衡量他們對(duì)預(yù)測(cè)或決策的信心。 在經(jīng)典的預(yù)測(cè)分析中，我們可能會(huì)通過(guò)使用對(duì)數(shù)損失作為健身函數(shù)來(lái)處理這個(gè)問(wèn)題，懲罰有信心但錯(cuò)誤的預(yù)測(cè)（假陽(yáng)性）。到目前為止，還沒(méi)有用于深度學(xué)習(xí)的必然結(jié)果。 例如，這有望使用的地方是在自動(dòng)駕駛汽車(chē)或飛機(jī)中，允許控制在做出關(guān)鍵或致命的災(zāi)難性決定之前有一些信心或懷疑感。這當(dāng)然是你希望你的自主Uber在你上車(chē)之前就知道的事情。 Pyro和Edward都處于開(kāi)發(fā)的早期階段。

不像深網(wǎng)的方法

我經(jīng)常會(huì)遇到一些小公司，他們的平臺(tái)核心是非常不尋常的算法。在我追問(wèn)的大多數(shù)案例中，他們都不愿意提供足夠的細(xì)節(jié)，甚至讓我為你描述里面的情況。這種保密并不能使他們的效用失效，但是在他們提供一些基準(zhǔn)和一些細(xì)節(jié)之前，我無(wú)法真正告訴你里面發(fā)生了什么。當(dāng)他們最終揭開(kāi)面紗的時(shí)候，就把這些當(dāng)作我們未來(lái)的工作臺(tái)吧。 目前，我所調(diào)查的最先進(jìn)的非DNN算法和平臺(tái)是這樣的。

層次時(shí)間記憶(HTM)

層次時(shí)間記憶（HTM）使用稀疏分布式表示法（SDR）對(duì)大腦中的神經(jīng)元進(jìn)行建模，并進(jìn)行計(jì)算，在標(biāo)量預(yù)測(cè)（商品、能源或股票價(jià)格等未來(lái)值）和異常檢測(cè)方面優(yōu)于CNN和RNN。 這是Palm Pilot名宿Jeff Hawkins在其公司Numenta的奉獻(xiàn)作品?；艚鹚乖趯?duì)大腦功能進(jìn)行基礎(chǔ)研究的基礎(chǔ)上，追求的是一種強(qiáng)大的人工智能模型，而不是像DNN那樣用層和節(jié)點(diǎn)來(lái)結(jié)構(gòu)。 HTM的特點(diǎn)是，它發(fā)現(xiàn)模式的速度非?？欤恍?,000次觀測(cè)。這與訓(xùn)練CNN或RNN所需的幾十萬(wàn)或幾百萬(wàn)次的觀測(cè)相比，簡(jiǎn)直是天壤之別。 此外，模式識(shí)別是無(wú)監(jiān)督的，并且可以根據(jù)輸入的變化來(lái)識(shí)別和概括模式的變化。這使得系統(tǒng)不僅訓(xùn)練速度非常快，而且具有自學(xué)習(xí)、自適應(yīng)性，不會(huì)被數(shù)據(jù)變化或噪聲所迷惑。

一些值得注意的漸進(jìn)式改進(jìn)

我們開(kāi)始關(guān)注真正的游戲改變者，但至少有兩個(gè)漸進(jìn)式改進(jìn)的例子值得一提。這些顯然仍然是經(jīng)典的CNN和RNNs，具有反向支撐的元素，但它們工作得更好

使用Google Cloud AutoML進(jìn)行網(wǎng)絡(luò)修剪 谷歌和Nvidia的研究人員使用了一種名為網(wǎng)絡(luò)修剪的過(guò)程，通過(guò)去除對(duì)輸出沒(méi)有直接貢獻(xiàn)的神經(jīng)元，讓神經(jīng)網(wǎng)絡(luò)變得更小，運(yùn)行效率更高。這一進(jìn)步最近被推出，作為谷歌新的AutoML平臺(tái)性能的重大改進(jìn)。

Transformer

Transformer是一種新穎的方法，最初在語(yǔ)言處理中很有用，比如語(yǔ)言到語(yǔ)言的翻譯，這一直是CNNs、RNNs和LSTMs的領(lǐng)域。去年夏末由谷歌大腦和多倫多大學(xué)的研究人員發(fā)布，它在各種測(cè)試中都表現(xiàn)出了顯著的準(zhǔn)確性改進(jìn)，包括這個(gè)英語(yǔ)/德語(yǔ)翻譯測(cè)試。 RNNs的順序性使其更難充分利用現(xiàn)代快速計(jì)算設(shè)備（如GPU），因?yàn)镚PU擅長(zhǎng)的是并行而非順序處理。CNN比RNN的順序性要差得多，但在CNN架構(gòu)中，隨著距離的增加，將輸入的遠(yuǎn)端部分的信息組合起來(lái)所需的步驟數(shù)仍然會(huì)增加。 準(zhǔn)確率的突破來(lái)自于 "自注意功能 "的開(kāi)發(fā)，它將步驟大幅減少到一個(gè)小的、恒定的步驟數(shù)。在每一個(gè)步驟中，它都應(yīng)用了一種自我關(guān)注機(jī)制，直接對(duì)一句話(huà)中所有詞之間的關(guān)系進(jìn)行建模，而不管它們各自的位置如何。 就像VC說(shuō)的那樣，也許是時(shí)候該換換口味了。

編輯：黃飛