機器之心報導
編輯：魔王、杜偉
在近期舉行的第 43 屆國際信息檢索年會 (ACM SIGIR2020) 上，Geoffrey Hinton 做了主題為《The Next Generation of Neural Networks》的報告。
Geoffrey Hinton 是谷歌副總裁、工程研究員，也是 Vector Institute 的首席科學顧問、多倫多大學 Emeritus 榮譽教授。2018 年，他與 Yoshua Bengio、Yann LeCun 因對深度學習領域做出的巨大貢獻而共同獲得圖靈獎。
自 20 世紀 80 年代開始，Geoffrey Hinton 就開始提倡使用機器學習方法進行人工智慧研究，他希望通過人腦運作方式探索機器學習系統。受人腦的啟發，他和其他研究者提出了「人工神經網絡」（artificial neural network），為機器學習研究奠定了基石。
那麼，30 多年過去，神經網絡的未來發展方向在哪裡呢？
Hinton 在此次報告中回顧了神經網絡的發展歷程，並表示下一代神經網絡將屬於無監督對比學習。
Hinton 的報告主要內容如下：
人工神經網絡最重要的待解難題是：如何像大腦一樣高效執行無監督學習。
目前，無監督學習主要有兩類方法。
第一類的典型代表是 BERT 和變分自編碼器（VAE），它們使用深度神經網絡重建輸入。但這類方法無法很好地處理圖像問題，因為網絡最深層需要編碼圖像的細節。
另一類方法由 Becker 和 Hinton 於 1992 年提出，即對一個深度神經網絡訓練兩個副本，這樣在二者的輸入是同一圖像的兩個不同剪裁版本時，它們可以生成具備高度互信息的輸出向量。這類方法的設計初衷是，使表徵脫離輸入的不相關細節。
Becker 和 Hinton 使用的優化互信息方法存在一定缺陷，因此後來 Pacannaro 和 Hinton 用一個判別式目標替換了它，在該目標中一個向量表徵必須在多個向量表徵中選擇對應的一個。
隨著硬體的加速，近期表徵對比學習變得流行，並被證明非常高效，但它仍然存在一個主要缺陷：要想學習具備 N bits 互信息的表徵向量對，我們需要對比正確的對應向量和 2 N 個不正確的向量。
在演講中，Hinton 介紹了一種處理該問題的新型高效方式。此外，他還介紹了實現大腦皮層感知學習的簡單途徑。
接下來，我們來看 Hinton 演講的具體內容。
為什麼我們需要無監督學習？
在預測神經網絡的未來發展之前，Hinton 首先回顧了神經網絡的發展進程。
演講一開始，Hinton 先介紹了三種學習任務：監督學習、強化學習和無監督學習，並重點介紹了無監督學習的必要性。
為什麼我們需要無監督學習呢？
Hinton 從生物學的角度做出了詮釋。他指出，人類大腦有 10^14 個神經元突觸，而生命的長度僅有 10^9 秒，因此人類無法完全依賴監督學習方式完成所有神經元訓練，因而需要無監督學習的輔助。
受此啟發，構建智能模型也需要無監督學習。
無監督學習的發展歷程
無監督學習經過怎樣的發展呢？Hinton 為我們介紹了無監督學習中的常見目標函數。
緊接著，Hinton 詳細介紹了自編碼器。
Hinton 表示，自編碼器是一種利用監督學習實現無監督學習的方式，其目標是使最後的重建結果與數據相匹配。編碼器將數據向量轉換為代碼，解碼器基於代碼生成數據。
在高屋建瓴地介紹了自編碼器的定義、訓練深度自編碼器之前的難點和現狀之後，Hinton 著重介紹了兩種自編碼器類型：變分自編碼器和 BERT 自編碼器。
使用深度神經網絡重建輸入：VAE 和 BERT
BERT 和變分自編碼器（VAE）是無監督學習的一類典型代表，它們使用深度神經網絡重建輸入。
變分自編碼器由韋靈思和 Kingma 於 2013 年提出，它使用多層編碼器選擇實數代碼，然後用多層解碼器重建數據。VAE 的基本構造如下圖所示：
BERT
是 2018 年穀歌提出的語言表徵模型，基於所有層的左、右語境來預訓練深度雙向表徵。
語境信息對 BERT 非常重要，它利用遮蔽語言模型（masked language model，MLM）允許表徵融合左右兩側的語境，從而預訓練深度雙向 Transformer。
Hinton 舉了一個例子：「She scromed him with the frying pan」。在這個句子中，即使你不知道 scromed 的意思，也可以根據上下文語境進行推斷。
視覺領域也是如此。然而，BERT 這類方法無法很好地應用到視覺領域，因為網絡最深層需要編碼圖像的細節。
在探討了以 VAE 和 BERT 為代表的一類無監督學習方法後，Hinton 為我們介紹了另一類無監督學習方法。
Becker 和 Hinton 提出最大化互信息方法
那麼自編碼器和生成模型有沒有什麼替代方案呢？Hinton 表示，我們可以嘗試不再解釋感官輸入（sensory input）的每個細節，而專注於提取空間或時序一致性的特徵。與自編碼器不同，這種方法的好處在於可以忽略噪聲。
然後，Hinton 詳細介紹了他與 Suzanna Becker 在 1992 年提出的一種提取空間一致性特徵的方法。該方法的核心理念是對輸入的兩個非重疊塊（non-overlapping patch）表示之間的顯式互信息進行最大化處理。Hinton 給出了提取空間一致性變量的簡單示例，如下圖所示：
經過訓練，Hinton 指出唯一的空間一致性特徵是「不一致性」（The Only Spatially Coherent Property is Disparity），所以這也是必須要提取出來的。
他表示這種最大化互信息的方法存在一個棘手的問題，並做出以下假設，即如果只學習線性映射，並且對線性函數進行優化，則變量將成為分布式的。不過，這種假設並不會導致太多問題。
以往研究方法回顧
在這部分中，Hinton 先後介紹了 LLE、LRE、SNE、t-SNE 等方法。
局部線性嵌入方法（Locally Linear Embedding, LLE）
Hinton 介紹了 Sam T. Roweis 和 Lawrence K. Saul 在 2000 年 Science 論文《Nonlinear Dimensionality Reduction by Locally Linear Embedding》中提到的局部線性嵌入方法，該方法可以在二維圖中顯示高維數據點，並且使得非常相似的數據點彼此挨得很近。
但需要注意的是，LLE 方法會導致數據點重疊交融（curdling）和維度崩潰（dimension collapse）問題。
下圖為 MNIST 數據集中數字的局部線性嵌入圖，其中每種顏色代表不同的數字：
此外，這種長字符串大多是一維的，並且彼此之間呈現正交。
從線性關係嵌入（LRE）到隨機鄰域嵌入（SNE）
在這部分中，Hinton 介紹了從線性關係嵌入（Linear Relational Embedding, LRE）到隨機鄰域嵌入（Stochastic Neighbor Embedding, SNE）方法的轉變。他表示，只有「similar-to」關係存在時，LRE 才轉變成 SNE。
同時，Hinton 指出，可以將 LRE 目標函數用於降維（dimensionality reduction）。
下圖為 SNE 的示意圖，其中高維空間的每個點都有選擇其他點作為其鄰域的條件概率，並且鄰域分布基於高維成對距離（pairwise distance）。
從隨機鄰域嵌入（SNE）到 t 分布隨機鄰域嵌入（t-SNE）
t 分布隨機鄰域嵌入（t-distributed stochastic neighbor embedding, t-SNE）是 SNE 的一種變體，原理是利用一個 student-distribution 來表示低維空間的概率分布。
Hinton 在下圖中展示了 MNIST 數據集中數字的 t-SNE 嵌入圖，每種顏色代表不同的數字：
在介紹完這些方法之後，Hinton 提出了兩個問題：1）方差約束在優化非線性或非參數映射時為何表現糟糕？2）典型相關分析或線性判別分析的非線性版本為何不奏效？並做出了解答。
最後，Hinton 提出使用對比損失（contrastive loss）來提取空間或時間一致性的向量表示，並介紹了他與 Ruslan Salakhutdinov 在 2004 年嘗試使用對比損失的探索，以及 Oord、Li 和 Vinyals 在 2018 年使用對比損失復現這種想法，並用它發現時間一致性的表示。
Hinton 表示，當前無監督學習中使用對比損失一種非常流行的方法。
無監督對比學習的最新實現 SimCLR
在演講最後，Hinton 重點介紹了其團隊使用對比損失提取一致性表示的最新實現 SimCLR，這是一種用於視覺表示的對比學習簡單框架，它不僅優於此前的所有工作，也優於最新的對比自監督學習算法。
下圖為 SimCLR 的工作原理圖：
那麼 SimCLR 在 ImageNet 上的 Top-1 準確率表現如何呢？下圖展示了 SimCLR 與此前各類自監督方法在 ImageNet 上的 Top-1 準確率對比（以 ImageNet 進行預訓練），以及 ResNet-50 的有監督學習效果。
Hinton 表示，經過 ImageNet 上 1% 圖片標籤的微調，SimCLR 可以達到 85.8％的 Top-5 準確率——在只用 AlexNet 1% 標籤的情況下性能超越後者。