（文章來源：科技行者）

盡管深度學習已經在人工智能領域做出重大貢獻，但這項技術本身仍存在一項致命缺陷：需要大量數據的加持。深度學習領域的先驅者乃至批評者已經就此達成共識——事實上，正是由于可用數據量有限加上處理大規(guī)模數據的計算能力不足，才導致深度學習直到最近幾年才成為AI層面的前沿技術。因此，減少深度學習對數據的依賴性，已經成為AI研究人員最重要的探索方向之一。

在AAAI大會的主題演講中，計算機科學家Yann LeCun討論了當前深度學習技術的局限性，同時提出“自我監(jiān)督學習”的發(fā)展藍圖——這是他為解決深度學習數據問題而構建的路線圖。作為深度學習領域的教父級人物之一，LeCun正是卷積神經網絡(CNN)的發(fā)明者，而該網絡也成為過去十年內推動人工智能革命的一大核心因素。

自我監(jiān)督學習，可謂當前提升人工智能系統(tǒng)數據利用效率的多種嘗試之一。目前我們還很難斷言哪種具體嘗試能夠成功掀起下一輪AI革命(也許我們最終會采取完全不同的政策)，但LeCun的規(guī)劃與思路仍然值得我們認真了解。首先，LeCun強調稱，深度學習技術面對的局限性實際上正是監(jiān)督學習技術的局限性。所謂監(jiān)督學習，屬于一類需要對訓練數據進行標記才能正常完成學習的算法。例如，如果希望創(chuàng)建圖像分類模型，則必須為系統(tǒng)提供經過適當分類標記的大量圖像，由模型在其中完成充分訓練。

LeCun在AAAI主題演講中提到，“深度學習并不是監(jiān)督學習，也不只是神經網絡?；旧希疃葘W習是將參數化的模塊組裝到計算圖中以構建起AI系統(tǒng)。它的優(yōu)勢在于，我們不需要對系統(tǒng)進行直接編程——我們只需要定義架構并調整參數。不過其中需要調整的參數可能多達數十億之巨?！盠eCun同時補充道，深度學習適用于多種不同學習范式，包括監(jiān)督學習、強化學習以及無監(jiān)督/自我監(jiān)督學習等。

但目前人們對于深度學習以及監(jiān)督學習的抱怨并非空穴來風。當下，大部分能夠實際應用的深度學習算法都基于監(jiān)督學習模型，這也充分暴露出現有AI系統(tǒng)的缺點所在。我們日常使用的圖像分類器、人臉識別系統(tǒng)、語音識別系統(tǒng)以及眾多其他AI應用都需要利用數百萬個帶有標記的示例進行充分訓練。到目前為止，強化學習與無監(jiān)督學習只能算是在理論上存在的其他機器學習算法類型，還極少在實踐場景中得到應用。

監(jiān)督深度學習為我們帶來多種非常實用的應用方案，特別是在計算機視覺與自然語言處理等特定領域。深度學習已經在癌癥檢測等敏感應用中扮演越來越重要的角色，而且事實證明，其確實能夠在部分人類無法解決的問題中發(fā)揮核心作用。例如，社交媒體巨頭們正紛紛利用這類技術審核并通報用戶在平臺上發(fā)布的大量內容。

LeCun表示，“如果把深度學習元素從Facebook、Instagram以及YouTube等廠商中剝離出來，他們的業(yè)務會瞬間崩潰。事實上，他們的業(yè)務完全圍繞深度學習構建而成。”

但正如前文所述，監(jiān)督學習只適用于具備充足高質量數據、且數據內容足以涵蓋所有可能情況的場景。一旦經過訓練的深度學習模型遇到不同于訓練示例的全新狀況，它們的表現將徹底失去控制。在某些情況下，單是從稍有區(qū)別的角度展示對象，就有可能令神經網絡將其誤判為其他物體。

深度強化學習則在游戲與模擬場景中表現出強大能力。過去幾年以來，強化學習已經征服了眾多以往人工智能無法攻克的游戲項目。當下，AI程序在《星際爭霸2》、《Dota》以及具有悠久歷史的圍棋領域將人類頂尖選手殺得片甲不留。

但是，這些AI程序在摸索解決問題的方法方面，與人類完全不同?；旧?，強化學習代理就是一張白紙，我們只為其提供在特定環(huán)境中能夠執(zhí)行的一組基本操作。接下來，AI會不斷自行嘗試，通過反復試驗來學習如何獲取最高獎勵(例如盡可能在游戲中取勝)。

當問題空間比較簡單，而且我們擁有充足的計算能力以運行更多不斷重復的試驗性會話時，這類模型就能正常起效。在大多數情況下，強化學習代理要耗費大量時間以掌握游戲精髓，而巨大的成本也意味著這類技術只能存在于高科技企業(yè)內部或者由其資助的研究實驗室當中。

強化學習系統(tǒng)的另一大短板體現在遷移學習方面。如果要游玩《魔獸爭霸3》，那么即使是已經精通了《星際爭霸2》的代理，也需要從零開始接受訓練。實際上，即使對《星際爭霸2》游戲環(huán)境做出一點點微小發(fā)動，亦會嚴重影響AI的實際表現。相反，人類非常擅長從一款游戲中提取抽象概念，并快速將其遷移至新的游戲當中。

強化學習在解決無法準確模擬的現實問題時，同樣顯示出強烈的局限性。LeCun提到，“如果想要訓練一輛無人駕駛汽車，我們該怎么辦?”這類使用場景確實很難準確模擬，因此為了開發(fā)出一臺真正具備無人駕駛能力的汽車，“我們恐怕得撞毀很多很多汽車?！倍遗c模擬環(huán)境不同，我們無法在現實場景中快速進行實驗，更遑論由現實實驗帶來的巨大成本。

首先，我們需要開發(fā)出能夠利用更少樣本或者更少試驗學習完成訓練的AI系統(tǒng)。LeCun指出，“我的建議是使用無監(jiān)督學習，我個人更傾向于稱其為自我監(jiān)督學習，因為其中用到的算法仍然類似于監(jiān)督學習，只是監(jiān)督學習的作用主要在于填補空白?？偠灾?，在學習任務之前，系統(tǒng)需要首先了解這個世界。嬰兒或者小動物都是這樣成長的。我們首先接觸這個世界、理解其運作規(guī)律，而后才考慮如何解決具體任務。只要能看懂這個世界，那么學習新任務就只需要很少的試驗與樣本量?！?/p>

嬰兒在出生后的前幾個月內，會快速建立起關于引力、尺寸與物體性狀的概念。雖然研究人員還無法確定其中有多少屬性與大腦建立起硬連接、又存在多少具體認知，但可以肯定的是，我們人類首先觀察周邊世界、而后才實際行動并與之交互。

第二項挑戰(zhàn)在于構建起具備推理能力的深度學習系統(tǒng)。眾所周知，現有深度學習系統(tǒng)的推理與推理能力相當捉急，因此需要大量數據才能解決那些最簡單的任務。LeCun指出，“問題在于，我們要如何超越現有前饋計算與系統(tǒng)1?我們要如何讓推理與基于梯度的學習方式相兼容?我們要如何在推理中實現差異性?這些都是最基本的問題?！?/p>

系統(tǒng)1是指那些不需要主動思考的學習任務，例如在已知區(qū)域內導航或者進行少量計算。系統(tǒng)2則代表一種較為活躍的思維方式，需要推理能力的支持。作為AI領域的經典方案，象征性人工智能已經在推理與抽象領域帶來廣受好評的能力提升。

但LeCun并不建議人們廣泛采用這些備受科學家推崇的象征性AI或者混合人工智能系統(tǒng)。對于AI未來的發(fā)展愿景，他的思路與另一位深度學習先驅Yoshua Bengio更為接近。他在NeurIPS 2019大會上介紹了系統(tǒng)2深度學習的概念，并在AAAI 2020大會上做出進一步討論。但LeCun也坦言，在實現深度學習系統(tǒng)的推理能力方面，“并不存在一種完美的答案”。

第三大挑戰(zhàn)在于如何建立深度學習系統(tǒng)，確保其能夠學習并規(guī)劃復雜的行動序列，進而將任務拆分為多個子任務。深度學習系統(tǒng)擅長為問題提供端到端解決方案，但卻很難將其分解為可解釋且可修改的特定步驟。目前，業(yè)界已經在AI系統(tǒng)對圖像、語音及文本的分解方面取得一定進展，由Geoffry Hinton發(fā)明的膠囊網絡成功解決了其中一部分難題。

但學習復雜的推理任務仍然遠超現有AI的能力上限。LeCun承認，“我們不知道要如何實現這種能力?！弊晕冶O(jiān)督學習的基本思路，是開發(fā)出一種能夠填補上述空白的深度學習系統(tǒng)。LeCun解釋道，“我們只需要向此類系統(tǒng)展示輸入、文本、視頻甚至是圖像，而后剔除出其中一部分，由經過訓練的神經網絡或者您選定的類或模型預測這些缺失的部分。預測對象可以是視頻內容的后續(xù)走向，也可以是文本中缺少的詞匯。”

目前市面上最接近自我監(jiān)督學習系統(tǒng)的當數Transformers，這是一種在自然語言處理領域大放異彩的架構方案。Transformers不需要標記數據，它們可以通過維基百科等資料進行大規(guī)模非結構化文本訓練。而且事實證明，與之前的同類系統(tǒng)相比，Transformers在生成文本、組織對話以及建立回復內容方面擁有更好的表現。(但它們仍然無法真正理解人類語言。)

Transformers已經相當流行，并成為幾乎一切最新語言模型的基礎技術，具體包括谷歌的BERT、Facebook的RoBERTa、OpenAI的GPT2以及谷歌的Meena聊天機器人。最近，AI研究人員還證明，Transformers能夠進行積分運算并求解微分議程——換言之，它已經展現出解決符號處理問題的能力。這可能暗示著Transformers的發(fā)展最終有望推動神經網絡突破模式識別與近似任務統(tǒng)計等傳統(tǒng)應用的樊籬。

截至目前，Transformers已經證明了自己在處理離散數據(例如單詞與數學符號)方面的價值。LeCun指出，“訓練這類系統(tǒng)比較簡單，因為雖然單詞遺漏可能造成一定程度的不確定性，但我們可以利用完整詞典中的巨大概率矢量來表達這種不確定性，所以問題不大。”

但Transformers還沒能將自己的威力引入視覺數據領域。LeCun解釋稱，“事實證明，在圖像與視頻中表達不確定性并做出預測，其難度要遠高于文本層面的不確定性表達與預測。這是因為圖像與視頻內容并非離散存在。我們可以根據詞典生成所有單詞的分布情況，但卻不可能表達所有潛在視頻幀的分布情況。”

對于每個視頻片段，都存在著無數種可能的后續(xù)情況。這就導致AI系統(tǒng)很難預測出特定結果，例如視頻內接下來幾幀所展示的畫面。神經網絡只能計算出可能結果的平均值，并據此輸出非常模糊的影像。LeCun指出，“如果要將自我監(jiān)督學習應用于視頻等多種形式，首先得解決這個核心技術問題?！?/p>

LeCun個人最偏好的監(jiān)督學習方法，是所謂“基于能量的潛在變量模型”。其中的核心思路在于引入一個潛在變量Z，該變量用于計算變量X(視頻中的當前幀)與預測Y(視頻的未來幀)之間的兼容性，并選擇具有最佳兼容性得分的結果。LeCun也在演講中進一步闡述了基于能量的模型與自我監(jiān)督學習的實現方法。
? ? ? （責任編輯：fqj）