這一波深度學(xué)習(xí)的發(fā)展，以2006年Hinton發(fā)表Deep Belief Networks的論文為起點(diǎn)，到今年已經(jīng)超過(guò)了10年。從過(guò)往學(xué)術(shù)界和產(chǎn)業(yè)界對(duì)新技術(shù)的追捧周期，超過(guò)10年的是極少數(shù)。從深度學(xué)習(xí)所屬的機(jī)器學(xué)習(xí)領(lǐng)域來(lái)看，到底什么樣的方向能夠支撐這個(gè)領(lǐng)域繼續(xù)蓬勃發(fā)展下去，讓學(xué)術(shù)界和產(chǎn)業(yè)界都能持續(xù)投入和產(chǎn)出，就目前來(lái)看，半監(jiān)督學(xué)習(xí)是一個(gè)很有潛力的方向。

機(jī)器學(xué)習(xí)范式的發(fā)展

傳統(tǒng)機(jī)器學(xué)習(xí)的解決路徑可以表示為：

ML Solution = ML expertise + Computation + Data

其中ML expertise是機(jī)器學(xué)習(xí)專(zhuān)家，負(fù)責(zé)特征工程、機(jī)器學(xué)習(xí)模型設(shè)計(jì)和最終的訓(xùn)練，是整個(gè)機(jī)器學(xué)習(xí)解決方案效果的關(guān)鍵因素。Computation是計(jì)算能力，代表具體選擇什么的硬件去承載專(zhuān)家設(shè)計(jì)的優(yōu)化方案。這個(gè)部分一般來(lái)說(shuō)窮有窮的打法，富有富的策略：以CTR預(yù)估為例，小廠(chǎng)設(shè)備不多，資源不足，那么可能GBDT就是一個(gè)不錯(cuò)的選擇；大廠(chǎng)的話(huà)，資源相對(duì)富裕，那么各種DNN就上來(lái)了。Data無(wú)論做什么業(yè)務(wù)，或多或少也都有一些，C端產(chǎn)品的話(huà)，上線(xiàn)后總會(huì)有用戶(hù)反饋可以做為label；B端產(chǎn)品的話(huà)，以我曾經(jīng)搞過(guò)的圖片識(shí)別為例，定向爬蟲(chóng)和人工標(biāo)注也能弄到有標(biāo)簽樣本。Data總會(huì)有，無(wú)外乎多少的區(qū)別。

這里就存在一個(gè)問(wèn)題，Computation和Data即便有了，也不一定有很匹配的人來(lái)把整個(gè)事情串聯(lián)運(yùn)用起來(lái)，發(fā)揮最終的價(jià)值。21世紀(jì)，最貴的是人才；為什么貴？因?yàn)橄∪薄Ｓ谑谴蠹揖驮谙?，能不能把機(jī)器學(xué)習(xí)問(wèn)題的解決路徑改為：

New ML Solution = 100x Computation + 100x Data

簡(jiǎn)而言之，就是用更多地Computation和Data代替人的作用。100x Computation替代人工模型設(shè)計(jì)，這兩年也得到了長(zhǎng)足的發(fā)展，這就是AutoML。狹義的來(lái)看AutoML，NAS和Meta Learning在學(xué)術(shù)界工業(yè)界都有不錯(cuò)的進(jìn)展。尤其是NAS，2017年Zoph和Le發(fā)表的Neural Architecture Search with Reinforcement Learning作為引爆點(diǎn)，快速形成了一個(gè)火爆的研究領(lǐng)域，主要思路是通過(guò)RNN controller來(lái)sample神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，訓(xùn)練這個(gè)網(wǎng)絡(luò)結(jié)構(gòu)，以這個(gè)網(wǎng)絡(luò)結(jié)構(gòu)的指標(biāo)作為RL的reward優(yōu)化這個(gè)controller，讓這個(gè)controller能夠sample出更有效的網(wǎng)絡(luò)結(jié)構(gòu)。

Controller訓(xùn)練過(guò)程

這個(gè)領(lǐng)域后續(xù)還有一些列出色的工作，但由于不是今天討論的重點(diǎn)，暫且按下不表，有時(shí)間再寫(xiě)一篇關(guān)于NAS的從認(rèn)知到實(shí)踐。

100x Data聽(tīng)上去就是一個(gè)很有誘惑力的事情，因?yàn)楦嗟臄?shù)據(jù)，往往意味著更好的效果。以最近異?；鸨腂ERT和GPT2，都被認(rèn)為是大力出奇跡的暴力美學(xué)典范。大量的數(shù)據(jù)帶來(lái)效果提高了人們對(duì)當(dāng)前AI的認(rèn)知邊界，GPT2生成的文本就是一個(gè)很好的例子。但是數(shù)據(jù)規(guī)模的擴(kuò)大，往往意味著某方面成本的提升。廣告CTR預(yù)估，100x的樣本要么是DAU增長(zhǎng)了100倍，要么是出了100x的廣告（估計(jì)會(huì)被用戶(hù)打死的），都不太真實(shí)；圖片的人工標(biāo)注增長(zhǎng)100x即便金錢(qián)成本能接受，時(shí)間成本也太長(zhǎng)，猜想ImageNet如果1億標(biāo)注樣本，估計(jì)CV的發(fā)展還會(huì)有更多的爆發(fā)點(diǎn)。

在談半監(jiān)督學(xué)習(xí)的進(jìn)展前，我們先看看另一個(gè)機(jī)器學(xué)習(xí)方向在解決數(shù)據(jù)不足和數(shù)據(jù)稀疏上的努力。

Multi-Task Learning

Multi-Task Learning是指不同的任務(wù)之間通過(guò)共享全部或者部分模型參數(shù)，相互輔助，相互遷移，共同提高的機(jī)器學(xué)習(xí)方法。實(shí)際使用過(guò)程中，Multi-Task Learning由于多個(gè)任務(wù)共享參數(shù)，還能帶來(lái)Serving Cost的下降，在學(xué)術(shù)界和工業(yè)界都有不少相關(guān)工作，并且在一些數(shù)據(jù)上取得了不錯(cuò)的進(jìn)展。

Multi-Task Learning由于不同任務(wù)之間可以相互輔助學(xué)習(xí)，往往數(shù)據(jù)稀疏的任務(wù)能夠從數(shù)據(jù)豐富的任務(wù)收益，得到提高，同時(shí)數(shù)據(jù)豐富任務(wù)還不怎么受影響或者微弱提升。這在一定程度上緩解了數(shù)據(jù)量的需求。

最近幾年比較好的Multi-Task Learning工作，首先讓我比較有印象的是Cross-stitch。Cross-stitch通過(guò)在Multi-Task的表達(dá)學(xué)習(xí)中，通過(guò)權(quán)重轉(zhuǎn)換矩陣 alpha_{AB} 或者 alpha_{BA} 直接獲得另一個(gè)任務(wù)的中間表示信息，這種方案在效果上比傳統(tǒng)的Shared Bottom靈活，也減少了模型參數(shù)被某一個(gè)任務(wù)完全主導(dǎo)的風(fēng)險(xiǎn)。

Cross-stitch子結(jié)構(gòu)

后來(lái)的ESSM跟Cross-stitch有異曲同工之妙，只是將任務(wù)的學(xué)習(xí)方向改為單向：pCVR單向從pCTR中學(xué)習(xí)，以滿(mǎn)足業(yè)務(wù)上的邏輯因果關(guān)系。

ESSM學(xué)習(xí)框架

Multi-Task Learning最近比較有意思的工作，SNR應(yīng)該算一個(gè)，思路主要收到Mixture-of-Expert的啟發(fā)（Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer：這篇文章背后的思想其實(shí)是Google解決大規(guī)模機(jī)器學(xué)習(xí)的新思路，完全值得開(kāi)篇另述?。?，不同的任務(wù)走不同的網(wǎng)絡(luò)路由，即不同的任務(wù)會(huì)由不同的Experts組合預(yù)估，而Experts總量固定，在不同任務(wù)間是部分共享的。對(duì)比Cross-stitch，每個(gè)任務(wù)都必須使用另外任務(wù)的信息，這種網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)，使得不同任務(wù)的Expert既有獨(dú)立又有共享。具體的獨(dú)立和共享方式，每個(gè)任務(wù)通過(guò)模型訓(xùn)練學(xué)習(xí)得到，比較好的平衡了任務(wù)的獨(dú)立性和共通性。SNR還使用了稀疏路由的思想，使得每個(gè)任務(wù)在保證效果的前提下經(jīng)過(guò)最少的Experts，降低計(jì)算量。

Multi-Task Learning在學(xué)術(shù)界和工業(yè)界都獲得了不俗的成績(jī)，但是也有一個(gè)要命的短板，需要另外一個(gè)數(shù)據(jù)豐富且能夠?qū)W習(xí)比較好的任務(wù)幫忙。這個(gè)要求限制了Multi-Task Learning發(fā)揮的空間，因?yàn)楹芏嗲闆r下，不僅沒(méi)有其他任務(wù)，僅有的任務(wù)label也很匱乏，于是半監(jiān)督學(xué)習(xí)就有了用武之地。

半監(jiān)督學(xué)習(xí)

半監(jiān)督學(xué)習(xí)通常情況下，只有少量的有l(wèi)abel數(shù)據(jù)，但是可以獲得大量的無(wú)label數(shù)據(jù)，在這種情況下希望能夠獲得跟監(jiān)督學(xué)習(xí)獲得相似甚至相同的效果。半監(jiān)督學(xué)習(xí)的歷史其實(shí)已經(jīng)也比較久遠(yuǎn)了，2009年Chapalle編著的Semi-Supervised Learning，就對(duì)其定義和原理做了詳細(xì)介紹。在計(jì)算力隨著深度學(xué)習(xí)的熱潮快速發(fā)展的同時(shí)，大量的label貧困任務(wù)出現(xiàn)，于是半監(jiān)督學(xué)習(xí)也越來(lái)越重要。

半監(jiān)督學(xué)習(xí)近兩年最有亮點(diǎn)的工作當(dāng)屬發(fā)表在EMNLP'2018的Phrase-Based & Neural Unsupervised Machine Translation，大幅提升了半監(jiān)督機(jī)器機(jī)器翻譯的SOTA。

翻譯訓(xùn)練過(guò)程示意

在整個(gè)訓(xùn)練過(guò)程中，B)先對(duì)其兩種語(yǔ)言的work級(jí)別翻譯，然后C)針對(duì)兩種語(yǔ)言分別學(xué)一個(gè)Language Model，獲得語(yǔ)言分布，最后D)再根據(jù)語(yǔ)言分布反復(fù)使用Back-Translation在已知的少量句對(duì)上翻譯獲得最終模型。這種方案大幅提高了在對(duì)齊句對(duì)不多的語(yǔ)種之間的翻譯質(zhì)量，同時(shí)由于其novelty，獲得了EMNLP'2018的Best Paper Award，初讀此文時(shí)有一種眼前一亮的感覺(jué)。（盡管標(biāo)題叫Unsupervised Machine Translation，但是實(shí)際上利用到了部分label數(shù)據(jù)，我更愿意將其歸類(lèi)為Semi-Supervised Machine Translation。）

最近Google的研究人員又提出來(lái)一種新的半監(jiān)督訓(xùn)練方法MixMatch，這種方法號(hào)稱(chēng)是Holistic的，綜合運(yùn)用了：A)distribution average; B)temperature sharpening; C)MixUp with labeled and unlabeled data. 其訓(xùn)練過(guò)程如下：

這個(gè)方法在CIFAR-10上只有250個(gè)label時(shí)能將錯(cuò)誤率從38%降到11%，令人印象深刻?！航酱胁湃顺觥唬硪徊℅oogle的研究人員提出了UDA，在我看來(lái)這種方法更為徹底，也更加End-to-End。UDA主要利用數(shù)據(jù)分布的連續(xù)性和一致性，在輸入有擾動(dòng)的情況下，輸出應(yīng)該保持穩(wěn)定，于是對(duì)于unlabeled data增加了一個(gè)損失函數(shù)：

即有擾動(dòng)和無(wú)擾動(dòng)的unlabeled data的預(yù)估分布的KL距離應(yīng)該非常小，同時(shí)數(shù)據(jù)擾動(dòng)用盡可能貼近任務(wù)本身的方法去做，比如圖像用AutoArgument，文本用上面提到的Back-Translation和Word Replacement。

UDA訓(xùn)練示意

UDA的效果在文本和圖像上都得到了很好地驗(yàn)證，大幅降低標(biāo)注數(shù)據(jù)不足情況下得錯(cuò)誤率；更值得關(guān)注的一點(diǎn)是，即便在ImageNet這種標(biāo)注數(shù)據(jù)已經(jīng)非常多的情況下，再使用UDA依然能帶來(lái)效果的提升，說(shuō)明UDA在數(shù)據(jù)分布擬合上具有很好地通用性。

結(jié)語(yǔ)

總體來(lái)看，半監(jiān)督機(jī)器學(xué)習(xí)無(wú)論是采用聚類(lèi)、圖傳播、數(shù)據(jù)增強(qiáng)還是泛化學(xué)習(xí)，主要依據(jù)的理論基礎(chǔ)都是labeled和unlabeled data在分布上的連續(xù)性和一致性，因此機(jī)器學(xué)習(xí)方法可以利用這點(diǎn)進(jìn)行有效的結(jié)構(gòu)化學(xué)習(xí)，增強(qiáng)模型的表征能力，進(jìn)而很好地提高預(yù)測(cè)效果。雖然半監(jiān)督機(jī)器學(xué)習(xí)已經(jīng)取得了一些很好的結(jié)果，從近兩年ICML、ICLR和NeurIPS等會(huì)議看，相關(guān)工作也越來(lái)越多，但是還遠(yuǎn)沒(méi)有到CV中的ResNet和NLP中的BERT的水平，要實(shí)現(xiàn)100x Data真正發(fā)揮作用，還需要學(xué)術(shù)界和工業(yè)界共同努力。