NVIDIA前資深架構(gòu)師解讀：如今人工智能處于什么階段？

我在NVIDIA研究深度學(xué)習(xí)已達(dá)四年之久，作為一名解決方案架構(gòu)師，專門(mén)研究深度學(xué)習(xí)相關(guān)技術(shù)，為客戶提供可能的解決方案，并加以實(shí)施。

在我加入NVIDIA時(shí)，人工智能已經(jīng)成為一個(gè)非常普遍的應(yīng)用術(shù)語(yǔ)，但經(jīng)常被模棱兩可的使用，甚至錯(cuò)誤的被描述為深度學(xué)習(xí)和機(jī)器學(xué)習(xí)。我想從一些簡(jiǎn)單的定義出發(fā)，去一步步深入解讀其中含義，不足之處，以及采用新構(gòu)架創(chuàng)建更完整能力“AI”的一些步驟。

機(jī)器學(xué)習(xí)——將函數(shù)與數(shù)據(jù)進(jìn)行擬合，并使用這些函數(shù)對(duì)數(shù)據(jù)進(jìn)行分組或?qū)ξ磥?lái)數(shù)據(jù)進(jìn)行預(yù)測(cè)。（抱歉，我大大簡(jiǎn)化了概念。）

深度學(xué)習(xí)——將函數(shù)與數(shù)據(jù)進(jìn)行擬合，如下圖所示，函數(shù)就是節(jié)點(diǎn)層，用于和前后節(jié)點(diǎn)相連，其中擬合的參數(shù)是這些連接節(jié)點(diǎn)的權(quán)重。

深度學(xué)習(xí)就是如今經(jīng)常被成為AI的概念，但實(shí)際上只是非常精細(xì)的模式識(shí)別和統(tǒng)計(jì)建模。最常見(jiàn)的技術(shù)/算法是卷積神經(jīng)網(wǎng)絡(luò)（CNNs）、遞歸神經(jīng)網(wǎng)絡(luò)（RNNs）和強(qiáng)化學(xué)習(xí)（RL）。

卷積神經(jīng)網(wǎng)絡(luò)（CNNs）具有分層結(jié)構(gòu)，通過(guò)（訓(xùn)練過(guò)的）卷積濾波器將圖像采樣到一個(gè)低分辨率的映射中，該映射表示每個(gè)點(diǎn)上卷積運(yùn)算的值。從圖像中來(lái)看，它是從高分辨像素到特征（邊緣、圓形、……），再到粗糙特征（臉上的鼻子、眼睛、嘴唇……），然后再到能夠識(shí)別圖像內(nèi)容的完整連接層。CNNs很酷的一點(diǎn)是，其卷積濾波器是隨機(jī)初始化的，當(dāng)你訓(xùn)練網(wǎng)絡(luò)時(shí)，你實(shí)際是在訓(xùn)練卷積濾波器。幾十年來(lái)，計(jì)算機(jī)視覺(jué)研究人員一直在手工制作類(lèi)似的濾波器，但無(wú)法像CNNs那樣的精準(zhǔn)結(jié)果。此外，CNN的輸出可以是2D圖而不是單個(gè)值，從而為我們提供圖像分割。CNNs還可以用于許多其他類(lèi)型的1D、2D甚至3D數(shù)據(jù)。

遞歸神經(jīng)網(wǎng)絡(luò)（RNN）適用于順序或時(shí)間序列數(shù)據(jù)?；旧?，RNN中的每個(gè)“神經(jīng)”節(jié)點(diǎn)都是存儲(chǔ)門(mén)，通常是LSTM（長(zhǎng)短期記憶）或者長(zhǎng)短期的存儲(chǔ)單元。當(dāng)他們被連接到層神經(jīng)網(wǎng)絡(luò)時(shí)，RNN將狀態(tài)在自身網(wǎng)絡(luò)中循環(huán)傳遞，因此可以接受更廣泛的時(shí)間序列結(jié)構(gòu)輸入。比如：語(yǔ)言處理或者翻譯，以及信號(hào)處理，文本到語(yǔ)音，語(yǔ)音到文本……

強(qiáng)化學(xué)習(xí)是第三種主要的深度學(xué)習(xí)（DL）方法，強(qiáng)調(diào)如何基于環(huán)境而行動(dòng)，以取得最大化的預(yù)期利益。一個(gè)例子就是迷宮，其中每個(gè)單元都存在各自的“狀態(tài)”，擁有四個(gè)移動(dòng)的方向，在每個(gè)單元格某方向的移動(dòng)的概率來(lái)形成策略。

通過(guò)反復(fù)運(yùn)行狀態(tài)和可能的操作，并獎(jiǎng)勵(lì)產(chǎn)生良好結(jié)果的操作序列（通過(guò)增加策略中這些操作的概率），懲罰產(chǎn)生負(fù)面結(jié)果的操作（降低概率）。隨著時(shí)間的推移，你會(huì)得到一個(gè)最優(yōu)的策略，它有最高的可能性來(lái)取得一個(gè)成功的結(jié)果。通常在訓(xùn)練的時(shí)候，你會(huì)對(duì)更早的行為的懲罰/獎(jiǎng)勵(lì)打折扣。

在我們的迷宮事例中，先允許代理穿過(guò)迷宮，選擇一個(gè)方向，使用已有的概率策略，當(dāng)它達(dá)到死胡同時(shí)，懲罰它選擇的路徑（降低每個(gè)單元移動(dòng)該方向的概率）。如果找到了出口，我們則增加每個(gè)單元移動(dòng)方向的概率作為獎(jiǎng)勵(lì)。隨著時(shí)間的推移，代理通過(guò)學(xué)習(xí)，找到了最快方式。強(qiáng)化學(xué)習(xí)的這種變化就是AlphaGo AI和Atari電子游戲AI的核心。

最后值得關(guān)注的是GANs（生成對(duì)抗網(wǎng)絡(luò)），它更多的是一門(mén)技術(shù)而不是架構(gòu)。目前它與CNNs一起用于制作圖像鑒別器和發(fā)生器。鑒別器是經(jīng)過(guò)訓(xùn)練以識(shí)別圖像的CNN，生成器是一個(gè)反向網(wǎng)絡(luò)，它采用隨機(jī)種子生成圖像。鑒別器評(píng)估發(fā)生器的輸出并向發(fā)生器發(fā)送關(guān)于如何改進(jìn)的信號(hào)，發(fā)生器依次向鑒別器發(fā)送信號(hào)以提高其準(zhǔn)確性，在零和博弈游戲（zero-sum game）中反復(fù)往返，直到兩者收斂到最佳質(zhì)量。這是一種向神經(jīng)系統(tǒng)提供自我強(qiáng)化反饋的方法。

當(dāng)然，所有這些方法以及其他方法都有豐富的變化和組合，但是一旦你嘗試將它們用于特定問(wèn)題之外的問(wèn)題時(shí)，這些技術(shù)有時(shí)不會(huì)有效。對(duì)于實(shí)際問(wèn)題，即使你可以擴(kuò)展和重新設(shè)計(jì)網(wǎng)絡(luò)拓?fù)洳?duì)其進(jìn)行調(diào)整，它們有時(shí)也表現(xiàn)不加。往往我們只是沒(méi)有足夠的數(shù)據(jù)來(lái)訓(xùn)練它們，以使得它們?cè)诓渴鹬懈泳珳?zhǔn)。

同樣，許多應(yīng)用需要將多種DL技術(shù)結(jié)合在一起并找到融合它們的方法。一個(gè)簡(jiǎn)單的例子就是視頻標(biāo)記——你通過(guò)CNN傳送視頻幀，在頂部有一個(gè)RNN來(lái)捕捉這些視頻中的那些隨著和時(shí)間有關(guān)的行為。曾經(jīng)我?guī)椭芯咳藛T使用這種技術(shù)來(lái)識(shí)別四肢癱瘓者的面部表情，向他們輪椅和機(jī)器假肢發(fā)出命令，每個(gè)指令對(duì)應(yīng)不同的面部表情/手勢(shì)。這起到了一定的效果，但當(dāng)你擴(kuò)大規(guī)模時(shí)，開(kāi)發(fā)和訓(xùn)練它可能會(huì)花費(fèi)更多時(shí)間，且變得非常棘手。因?yàn)槟悻F(xiàn)在必須調(diào)整交織在一起的兩種不同類(lèi)型的DL網(wǎng)絡(luò)，有時(shí)很難知道這些調(diào)整會(huì)產(chǎn)生什么影響。

現(xiàn)在想象一下，你有多個(gè)CNN/RNN網(wǎng)絡(luò)提供輸出，一個(gè)深度強(qiáng)化學(xué)習(xí)引擎對(duì)輸入狀態(tài)做出決策，然后驅(qū)動(dòng)生成網(wǎng)絡(luò)產(chǎn)生輸出。其實(shí)是很多特定的DL技術(shù)組合在一起來(lái)完成一組任務(wù)。你可以說(shuō)這是“魔鬼式”的瘋狂調(diào)參。它會(huì)奏效嗎？我不知道，如此一來(lái)，它將耗費(fèi)大量資金和時(shí)間才開(kāi)始工作，并且不確定它是否能夠很好的訓(xùn)練，甚至在現(xiàn)實(shí)條件下進(jìn)行訓(xùn)練。

我個(gè)人觀點(diǎn)是，我們目前的DL技術(shù)各自代表一個(gè)子集，用來(lái)簡(jiǎn)化大腦網(wǎng)絡(luò)和神經(jīng)系統(tǒng)的工作。雖然我們稱之為“神經(jīng)”，但實(shí)際上并不是，它們都是專門(mén)用于特定的任務(wù)。

事實(shí)上，大多訓(xùn)練DL或者人工智能的人都沒(méi)有意識(shí)到，如今深度學(xué)習(xí)中的“神經(jīng)網(wǎng)絡(luò)”和“神經(jīng)元”只是更大、更豐富的合成神經(jīng)元、神經(jīng)網(wǎng)絡(luò)和方法。我們今天在DL中使用的大多數(shù)人分層我網(wǎng)絡(luò)和CNN屬于前饋神經(jīng)網(wǎng)絡(luò)的較小一部分，只是簡(jiǎn)單地對(duì)每個(gè)節(jié)點(diǎn)處進(jìn)行加權(quán)輸入求和，應(yīng)用簡(jiǎn)單的傳遞函數(shù)，將結(jié)果傳遞給下一層。

這并不是大腦處理工作的方式，甚至RNN和強(qiáng)化學(xué)習(xí)也沒(méi)有給我們真正的人工智能，只是將非常大和復(fù)雜函數(shù)的參數(shù)擬合到大量數(shù)據(jù)，并使用統(tǒng)計(jì)數(shù)據(jù)找到模式并做出決定。

上圖頂部和左側(cè)的方法，特別是SNNs（Spiking Neural Networks），給出了一個(gè)更準(zhǔn)確的模型，來(lái)運(yùn)行真正的神經(jīng)元工作方式。就像“數(shù)積分-火-模型”、Izhikevich脈沖神經(jīng)元模型那樣高效。像“Hodgkin-Huxley”一樣接近模擬生物神經(jīng)元的行為。

在真實(shí)的神經(jīng)元中，時(shí)域信號(hào)脈沖沿著樹(shù)突傳播，然后獨(dú)立到達(dá)神經(jīng)元體，并在其內(nèi)部的時(shí)間和空間中被整合（一些激發(fā)、一些抑制）。當(dāng)神經(jīng)元體被觸發(fā)時(shí)，它就會(huì)在軸突上產(chǎn)生一系列依賴時(shí)間的脈沖，這些脈沖在分支時(shí)分裂，并需要時(shí)間到達(dá)突觸。當(dāng)化學(xué)神經(jīng)遞質(zhì)信號(hào)經(jīng)過(guò)突觸并最終觸發(fā)突觸后樹(shù)突中的信號(hào)時(shí)，突觸本身就表現(xiàn)出非線性、延遲、依賴時(shí)間依賴的整合。在這一過(guò)程中，如果兩邊的神經(jīng)元在一定的時(shí)間間隔內(nèi)一起點(diǎn)燃，也就是學(xué)習(xí)過(guò)程中的突觸即學(xué)習(xí)，即學(xué)習(xí)，就會(huì)得到加強(qiáng)。我們可能永遠(yuǎn)無(wú)法在硬件或軟件中完全復(fù)制真實(shí)生物神經(jīng)元的所有電化學(xué)過(guò)程，但是我們可以尋找足夠復(fù)雜的模型來(lái)代表我們的尖峰人工神經(jīng)網(wǎng)絡(luò)中需要的許多有用行為。

這將讓我們更像人工智能，因?yàn)檎嬲拇竽X從信號(hào)通過(guò)神經(jīng)元、軸突、突觸和樹(shù)突的傳遞，獲得了更多的計(jì)算、感官處理和身體控制能力，從而在復(fù)雜的依賴時(shí)間的電路中穿行，這種復(fù)雜的電路甚至可以有反饋回路，以制造定時(shí)器或振蕩器等電路，類(lèi)似于可重復(fù)的級(jí)聯(lián)模式激活的神經(jīng)回路，向肌肉/致動(dòng)信號(hào)的群體發(fā)送特定的依賴模式。這些網(wǎng)絡(luò)也是通過(guò)直接加強(qiáng)神經(jīng)元之間的聯(lián)系來(lái)學(xué)習(xí)的，這些被稱為Hebbian學(xué)習(xí)。為了進(jìn)行更復(fù)雜的人工智能和決策，它們比我們?cè)谏厦娴睦又惺褂玫腃NNs、靜態(tài)的RNN甚至是深度強(qiáng)化學(xué)習(xí)都要強(qiáng)大得多。

但是有一個(gè)巨大的缺點(diǎn)——目前還沒(méi)有一種方法可以把這類(lèi)網(wǎng)絡(luò)安裝到數(shù)據(jù)上來(lái)“訓(xùn)練”它們。沒(méi)有反向傳播，也沒(méi)有調(diào)整神經(jīng)元之間突觸權(quán)重的梯度下降操作。突觸只是增強(qiáng)或減弱，因此尖峰神經(jīng)網(wǎng)絡(luò)在運(yùn)作的過(guò)程中學(xué)習(xí)，使用Hebbian學(xué)習(xí)來(lái)進(jìn)行操作，這在實(shí)踐上可能有效訓(xùn)練我們的合成網(wǎng)絡(luò)，因?yàn)樗麄兪紫缺仨毥Y(jié)構(gòu)正確，以達(dá)到一個(gè)有用的解決方案。這是一個(gè)正在進(jìn)行的研究領(lǐng)域，在這一領(lǐng)域的突破可能是非常重要的。

我認(rèn)為，如果我們可以開(kāi)始解決這些問(wèn)題，走向更加功能性更強(qiáng)的神經(jīng)結(jié)構(gòu)，更加充分地展示大腦、神經(jīng)系統(tǒng)和真正的神經(jīng)元的工作和學(xué)習(xí)方式，我們就可以開(kāi)始將今天使用的那種單一的、更靈活的深度學(xué)習(xí)方法整合到這些功能更強(qiáng)大和靈活的架構(gòu)中，這些架構(gòu)以更優(yōu)雅的設(shè)計(jì)來(lái)處理多種功能。而且通過(guò)這些模型，我們將開(kāi)啟新的神經(jīng)計(jì)算形式，我們將能夠?qū)⑺鼈儜?yīng)用到計(jì)算機(jī)視覺(jué)、機(jī)器人運(yùn)動(dòng)控制、聽(tīng)覺(jué)、言語(yǔ)，甚至是更像人腦的認(rèn)知等任務(wù)中去。

簡(jiǎn)單總結(jié)一句話：“我們還沒(méi)有達(dá)到人類(lèi)層面的認(rèn)知。”