編譯/房曉楠

從監(jiān)督學(xué)習(xí)到強化學(xué)習(xí)，四種深度學(xué)習(xí)方式原理知多少

編譯/房曉楠

一般說來，訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)的方式主要有四種：監(jiān)督、無監(jiān)督、半監(jiān)督和強化學(xué)習(xí)。本文編譯自硅谷著名的風(fēng)險投資機構(gòu)安德森·霍洛維茨基金，接下來，作者Frank Chen將逐個解釋這些方法背后所蘊含的理論知識。除此之外，還將分享文獻(xiàn)中經(jīng)常碰到的術(shù)語，并提供與數(shù)學(xué)相關(guān)的更多資源。有關(guān)數(shù)學(xué)相關(guān)問題，請參閱斯坦福大學(xué)的這個教程，其中包含監(jiān)督和無監(jiān)督學(xué)習(xí)，內(nèi)含代碼示例。

監(jiān)督學(xué)習(xí)（Supervised Learning）

監(jiān)督學(xué)習(xí)是使用已知正確答案的示例來訓(xùn)練網(wǎng)絡(luò)的。想象一下，我們可以訓(xùn)練一個網(wǎng)絡(luò)，讓其從照片庫中（其中包含你父母的照片）識別出你父母的照片。以下就是我們在這個假設(shè)場景中所要采取的步驟。

步驟1：數(shù)據(jù)集的創(chuàng)建和分類

首先，我們要瀏覽你的照片（數(shù)據(jù)集），確定所有有你父母的照片，并對其進(jìn)行標(biāo)注，從而開始此過程。然后我們將把整堆照片分成兩堆。我們將使用第一堆來訓(xùn)練網(wǎng)絡(luò)（訓(xùn)練數(shù)據(jù)），而通過第二堆來查看模型在選擇我們父母照片操作上的準(zhǔn)確程度（驗證數(shù)據(jù)）。

等到數(shù)據(jù)集準(zhǔn)備就緒后，我們就會將照片提供給模型。在數(shù)學(xué)上，我們的目標(biāo)就是在深度網(wǎng)絡(luò)中找到一個函數(shù)，這個函數(shù)的輸入是一張照片，而當(dāng)你的父母不在照片中時，其輸出為0，否則輸出為1。

此步驟通常稱為分類任務(wù)（categorization task）。在這種情況下，我們進(jìn)行的通常是一個結(jié)果為yes or no的訓(xùn)練，但事實是，監(jiān)督學(xué)習(xí)也可以用于輸出一組值，而不僅僅是0或1。例如，我們可以訓(xùn)練一個網(wǎng)絡(luò)，用它來輸出一個人償還信用卡貸款的概率，那么在這種情況下，輸出值就是0到100之間的任意值。這些任務(wù)我們稱之為回歸。

步驟2：訓(xùn)練

為了繼續(xù)該過程，模型可通過以下規(guī)則（激活函數(shù)）對每張照片進(jìn)行預(yù)測，從而決定是否點亮工作中的特定節(jié)點。這個模型每次從左到右在一個層上操作——現(xiàn)在我們將更復(fù)雜的網(wǎng)絡(luò)忽略掉。當(dāng)網(wǎng)絡(luò)為網(wǎng)絡(luò)中的每個節(jié)點計算好這一點后，我們將到達(dá)亮起（或未亮起）的最右邊的節(jié)點（輸出節(jié)點）。

既然我們已經(jīng)知道有你父母的照片是哪些圖片，那么我們就可以告訴模型它的預(yù)測是對還是錯。然后我們會將這些信息反饋（feed back）給網(wǎng)絡(luò)。

該算法使用的這種反饋，就是一個量化“真實答案與模型預(yù)測有多少偏差”的函數(shù)的結(jié)果。這個函數(shù)被稱為成本函數(shù)（cost function），也稱為目標(biāo)函數(shù)（objective function），效用函數(shù)（utility function）或適應(yīng)度函數(shù)（fitness function）。然后，該函數(shù)的結(jié)果用于修改一個稱為反向傳播（backpropagation）過程中節(jié)點之間的連接強度和偏差，因為信息從結(jié)果節(jié)點“向后”傳播。

我們會對每個圖片都重復(fù)一遍此操作，而在這種情況下，算法都在盡量最小化成本函數(shù)。

其實，我們有多種數(shù)學(xué)技術(shù)可以用來驗證這個模型是正確還是錯誤的，但我們用的是一個非常常見的方法，我們稱之為梯度下降（gradient descent）。Algobeans上有一個“門外漢”理論可以很好地解釋它是如何工作的。邁克爾·尼爾森（M ichael N ielsen）用數(shù)學(xué)知識完善了這個方法，其中包括微積分和線性代數(shù)。

步驟3：驗證

一旦我們處理了第一個堆棧中的所有照片，我們就應(yīng)該準(zhǔn)備去測試該模型。我們應(yīng)充分利用好第二堆照片，并使用它們來驗證訓(xùn)練有素的模型是否可以準(zhǔn)確地挑選出含有你父母在內(nèi)的照片。

我們通常會通過調(diào)整和模型相關(guān)的各種事物（超參數(shù)）來重復(fù)步驟2和3，諸如里面有多少個節(jié)點，有多少層，哪些數(shù)學(xué)函數(shù)用于決定節(jié)點是否亮起，如何在反向傳播階段積極有效地訓(xùn)練權(quán)值，等等。而你可以通過瀏覽Quora上的相關(guān)介紹來理解這一點，它會給你一個很好的解釋。

步驟4：使用

最后，一旦你有了一個準(zhǔn)確的模型，你就可以將該模型部署到你的應(yīng)用程序中。你可以將模型定義為API調(diào)用，例如Parents In Picture(photo)，并且可以從軟件中調(diào)用該方法，從而導(dǎo)致模型進(jìn)行推理并給出相應(yīng)的結(jié)果。

稍后我們將詳細(xì)介紹一下這個確切的過程，編寫一個識別名片的iPhone應(yīng)用程序。

得到一個標(biāo)注好的數(shù)據(jù)集可能會很難（也就是很昂貴），所以你需要確保預(yù)測的價值能夠證明獲得標(biāo)記數(shù)據(jù)的成本是值得的，并且我們首先要對模型進(jìn)行訓(xùn)練。例如，獲得可能患有癌癥的人的標(biāo)簽X射線是非常昂貴的，但是獲得產(chǎn)生少量假陽性和少量假陰性的準(zhǔn)確模型的值，這種可能性顯然是非常高的。

無監(jiān)督學(xué)習(xí)（Unsupervised Learning）

無監(jiān)督學(xué)習(xí)適用于你具有數(shù)據(jù)集但無標(biāo)簽的情況。無監(jiān)督學(xué)習(xí)采用輸入集，并嘗試查找數(shù)據(jù)中的模式。比如，將其組織成群（聚類）或查找異常值（異常檢測）。例如：

·想像一下，如果你是一個T恤制造商，擁有一堆人的身體測量值。那么你可能就會想要有一個聚類算法，以便將這些測量組合成一組集群，從而決定你生產(chǎn)的XS，S，M，L和XL號襯衫該有多大。

·如果你是一家安全初創(chuàng)企業(yè)的首席技術(shù)官（CTO），你希望找出計算機之間網(wǎng)絡(luò)連接歷史中的異常：網(wǎng)絡(luò)流量看起來不正常，這可能會幫助你通過下載員工們的所有CRM歷史記錄來找到那名該為此事負(fù)責(zé)的員工，因為他們可能即將退出或有人正在將大量的錢轉(zhuǎn)移到一個新的銀行賬戶。如果你對這種事情感興趣的話，那么我相信你會很喜歡這種對無監(jiān)督異常檢測算法的調(diào)查。

·假設(shè)一下，你是Google Brain團(tuán)隊中的一員，你想知道YouTube視頻中有什么。谷歌通過人工智能在視頻網(wǎng)站中找到貓的真實故事，喚起了大眾對AI的熱忱。在諸如這篇論文中，Google Brain團(tuán)隊與斯坦福大學(xué)研究人員Quoc Le和吳恩達(dá)一起描述了一種將YouTube視頻分為多種類別的算法，其中一種包含了貓的類別。當(dāng)然他們并沒有真正開始尋找貓，但算法自動將包含貓的視頻（以及ImageNet中定義的22000個對象類別中的數(shù)千個其他對象）組合在一起，而不需要任何明確的訓(xùn)練數(shù)據(jù)。

你將在文獻(xiàn)中閱讀到的一些無監(jiān)督的學(xué)習(xí)技術(shù)包括：

·自編碼（Autoencoding）

·主成分分析（Principal components analysis）

·隨機森林（Random forests）

·K均值聚類（K-means clustering）

如果你想要了解有關(guān)無監(jiān)督學(xué)習(xí)的更多信息，可以觀看Udacity的課程。

無監(jiān)督學(xué)習(xí)中最有前景的最新發(fā)展之一是Ian Goodfellow（當(dāng)時在Yoshua Bengio的實驗室工作時提出）的一個想法，稱為“生成對抗網(wǎng)絡(luò)（generative adversarial netw orks）”，其中我們將兩個神經(jīng)網(wǎng)絡(luò)相互聯(lián)系：一個網(wǎng)絡(luò)，我們稱之為生成器，負(fù)責(zé)生成旨在嘗試欺騙另一個稱之為鑒別器的網(wǎng)絡(luò)數(shù)據(jù)。這種方法實現(xiàn)了一些令人驚奇的結(jié)果，例如可以從文本字符串或手繪草圖生成如照片版逼真圖片的AI技術(shù)。

半監(jiān)督學(xué)習(xí)（Sem i-supervised Learning）

半監(jiān)督學(xué)習(xí)在訓(xùn)練階段結(jié)合了大量未標(biāo)記的數(shù)據(jù)和少量標(biāo)簽數(shù)據(jù)。與使用所有標(biāo)簽數(shù)據(jù)的模型相比，使用訓(xùn)練集的訓(xùn)練模型在訓(xùn)練時可以更為準(zhǔn)確，而且訓(xùn)練成本更低。舉個例子來說明，我們的朋友Delip Rao在AI咨詢公司Joostware工作，他構(gòu)建了一個使用半監(jiān)督學(xué)習(xí)的解決方案，每個類中只需使用30個標(biāo)簽，就可以達(dá)到與使用監(jiān)督學(xué)習(xí)訓(xùn)練的模型相同的準(zhǔn)確度，而在這個監(jiān)督學(xué)習(xí)模型中，每個類中需要1360個左右的標(biāo)簽。因此，這個半監(jiān)督學(xué)習(xí)方案使得他們的客戶能夠非常快地將其預(yù)測功能從20個類別擴展到110個類別。

為什么使用未標(biāo)記數(shù)據(jù)有時可以幫助模型更準(zhǔn)確，關(guān)于這一點的體會就是：即使你不知道答案，但你也可以通過學(xué)習(xí)來知曉，有關(guān)可能的值是多少以及特定值出現(xiàn)的頻率。

數(shù)學(xué)愛好者的福利：如果你對半監(jiān)督學(xué)習(xí)很感興趣的話，可以來閱讀朱小津教授的幻燈片教程和2008年回顧的文獻(xiàn)隨筆文章。

強化學(xué)習(xí)（Rein forcem en t Learning）

強化學(xué)習(xí)是針對你沒有標(biāo)注數(shù)據(jù)集的情況而言的，但你還是有辦法來區(qū)分是否越來越接近目標(biāo)（回報函數(shù)（reward function））。經(jīng)典的兒童游戲——“hotter or colder”。（Huckle Buckle Beanstalk的一個變體）是這個概念的一個很好的例證。你的任務(wù)是找到一個隱藏的目標(biāo)物件，然后你的朋友會喊出你是否越來越hotter（更接近）或colder（遠(yuǎn)離）目標(biāo)物件。“Hotter/colder”就是回報函數(shù)，而算法的目標(biāo)就是最大化回報函數(shù)。你可以把回報函數(shù)當(dāng)做是一種延遲和稀疏的標(biāo)簽數(shù)據(jù)形式：而不是在每個數(shù)據(jù)點中獲得特定的“right/w rong”答案，你會得到一個延遲的反應(yīng)，而它只會提示你是否在朝著目標(biāo)方向前進(jìn)。

·DeepM ind在Nature上發(fā)表了一篇文章，描述了一個將強化學(xué)習(xí)與深度學(xué)習(xí)結(jié)合起來的系統(tǒng)，該系統(tǒng)學(xué)會該如何去玩一套Atari視頻游戲。一些取得了巨大成功（如Breakout），而另一些就沒那么幸運了（如M ontezuma’s Revenge《蒙特祖瑪?shù)膹?fù)仇》）。

·Nervana團(tuán)隊（現(xiàn)在在英特爾）發(fā)表了一個很好的解惑性博客文章，對這些技術(shù)進(jìn)行了詳細(xì)介紹，大家有興趣可以閱讀一番。

·Russell Kaplan，Christopher Sauer和Alexander Sosa舉辦的創(chuàng)意性斯坦福學(xué)生項目說明了強化學(xué)習(xí)的挑戰(zhàn)之一，并提出了一個聰明的解決方案。而你將在DeepM ind論文中了解到，算法未能學(xué)習(xí)如何去玩M ontezuma’s Revenge。其原因是什么呢？正如斯坦福的大學(xué)生所描述的那樣，“在稀缺回報函數(shù)的環(huán)境中，強化學(xué)習(xí)agent仍然在努力學(xué)習(xí)”。當(dāng)你沒有得到足夠的“hotter”或者“colder”的提示時，你是很難找到隱藏的“鑰匙”的。斯坦福大學(xué)的學(xué)生基礎(chǔ)性地教導(dǎo)系統(tǒng)去了解和回應(yīng)自然語言提示，例如“climb down the ladder”或“get the key”，從而使該系統(tǒng)成為OpenAI gym中的最高評分算法。可以點擊算法視頻觀看算法演示。

·觀看這個關(guān)于強化學(xué)習(xí)的算法，好好學(xué)習(xí)，然后像一個大boss一樣去玩超級馬里奧吧。

理查德·薩頓和安德魯·巴托寫了關(guān)于強化學(xué)習(xí)的書。更多信息，可以通過查看其第二版書稿進(jìn)行深入了解。

房曉楠 本刊編輯