在深度神經網絡大行其道的現在，雖然大家總說要改善深度學習的可解釋性、任務專一性等問題，但是大多數研究論文在這些方面的努力仍然只像是隔靴搔癢。而且，越是新的、具有良好表現的模型，我們在為模型表現感到開心的同時，對模型數學原理、對學習到的表徵的理解也越來越進入到了放棄治療的心態；畢竟，深度學習具有超出經典 AI 的學習能力，正是因為能夠學習到新的、人類目前還無法理解的表徵。
近期 DeepMind 的一篇論文《An Explicitly Relational Neural Network Architecture》（一種顯式的關係性神經網絡架構）似乎在這面高牆上打開了一個口子。他們想辦法把深度學習和符號化的表徵連接起來，而且著重在意表徵的多任務通用和重複使用能力，而且取得了有趣的初步成果。雷鋒網 AI 科技評論把這篇論文的內容簡單介紹如下。
重新思考我們需要什麼樣的表徵
當人類遇到沒有見過的新問題時，他們能回憶過往的經驗，從那些乍一看沒什麼關係，但在更抽象、更結構化的層次上有不少相似度的事情中獲得靈感。對於終生學習、持續學習來說，這種能力是非常重要的，而且也給人類帶來了很高的數據效率、遷移學習的能力、泛化到不同數據分佈的能力等等，這些也都是當前的機器學習無法比擬的。我們似乎可以認定，決定了所有這些能力的最根本因素都是同一個，那就是決策系統學習構建多種任務通用的、可重複使用的表徵的能力。
這篇論文中介紹的網絡架構基於非局部性網絡架構的近期研究成果，這種網絡架構可以學會發現並運用關係信息，典型的比如 relation nets 以及基於多頭注意力的網絡。不過，這些網絡生成的表徵都沒有什麼顯式的結構，也就是說，找不到什麼從表徵中的一部分到符號化介質中的常用元素（命題、關係、對象）的映射。如果反過來探究這些元素在這樣的表徵中是如何分佈的，可以說它們分散地遍佈在整個嵌入向量中，從而難以解釋，也難以利用它的命題性並在下游任務中運用。
PrediNet 簡介
DeepMind 帶來了新網絡架構 PrediNet，它學習到的表徵中的不同部分可以直接對應命題、關係和對象。
把命題作為知識的基礎部件的想法由來已久。一則元素聲明可以用來指出一組對象之間存在某種關係；聲明之間可以用邏輯操作連接（和、或、否等等），也可以參與到推理過程中。PrediNet 的任務就是學習把圖像之類的高維數據轉換為命題形式的表徵，而且這個表徵可以用於下游任務。
PrediNet 模塊可以看做是由三個階段組成的流水線：注意力 attention，約束 binding 和評價 evaluation。注意力階段會選擇出成對的感興趣的對象，約束階段會藉助選出的成對對象把一組三元謂詞中的前兩個實例化，最後評價階段會計算三元謂詞中的最後一個的（標量）值，判定得到的聲明是否為真。（更具體的介紹見論文原文）
PrediNet 網絡架構
實驗測試
目前還沒法直接把 PrediNet 用於大規模複雜數據；而且為了對提出的架構有足夠紮實的科學理解，以及便於和其它方法進行細緻的比較，用小數據、小計算量做實驗也是比較合適的。實驗測試的目標有兩個，1，驗證 PrediNet 是否能學習到希望的多任務通用、可重複使用的表徵；2，如果前一個目標為真，研究它成立的原因。
作者們設計了一組“猜測關係”遊戲，是相對簡單的分類任務。它的玩法是，首先要學習表徵一組繪製在 3x3 網格中的圖形，然後對於一張含有多個圖形的大圖，判斷給出的一條關於大圖中的圖形間的關係的聲明是否為真。雖然 PrediNet 本身學習到的命題都只是很對兩兩成對的對象的，這個猜測關係遊戲需要的是學習可能會牽扯到多個對象的複合關係。
遊戲介紹：(a)訓練集中包含的樣本對象 (b)五種不同的可能行/列排列模式 (c)單個任務預測的示例 (d)多任務預測示例
多種形狀和關係的排列組合使得這個任務的變化有相當多種，是比較理想的測試表徵及邏輯能力的設定。
作者們對比的幾種模型都帶有一個卷積輸入層、中央模塊、以及一個用於輸出的多層感知機；中央模塊是區別所在，PrediNet 或者其他的基準模型。
數據效率
用十萬組樣本訓練以後，5 種模型的對比如下。PrediNet 是唯一一個在所有任務上都取得超過 90% 準確率的模型；在某些任務中相比基準模型甚至有 20% 的提升。
表徵學習能力
作者們設計了四個階段的模型學習，通過在不同階段測試模型，可以探究模型的表徵學習能力。從空白模型開始，首先學習一個任務（即無預訓練的單任務學習）；其次學習多種不同任務（在第一個任務的基礎上，即有預訓練的多任務學習）；接著凍結 CNN 層和中央模塊，僅更新多層感知機；最後凍結 CNN 層，更新中央模型和多層感知機。這四個階段中不同模型的表現如下圖。
首先，橫座標是訓練樣本數量，縱座標是準確率，即模型表現隨訓練樣本增加的變化，那麼所有曲線都是越貼近左上角越好，這裡已經能看出 PrediNet 的優勢。其次，作者們認為尤其值得注意的是第三個階段的表現，凍結 CNN 層和中央模塊，僅更新多層感知機，圖中綠線。凍結現有的表徵不變，向新的任務適應（遷移），PrediNet 的學習速度是最快的，也是唯一一個在訓練結束後得到了 90% 準確率的模型。這就說明了 PrediNet 學習到的表徵確實更加多任務通用。
模型可視化
為了更好地理解 PrediNet 的計算行為，作者們製作了一些可視化，如圖。
訓練後的 PrediNet 的注意力頭的熱力圖。上方：在判斷是否形同的任務中訓練；下方：在判斷是否出現的任務中訓練
主成份分析（PCA）
結合多種實驗和分析，作者們認為 PrediNet 確實有一定的關係解耦能力，這也正是研究開始時希望得到的能學習到良好的表徵的模型所需的。
結論
作者們展示了一個理論上可以學習到抽象邏輯的模型，而且它還和端到端學習兼容；網絡可以自行從原始數據中學習到對象和它們的關係，從而繞過了傳統 AI 中手工特徵帶來的種種問題。作者們的實驗表明網絡可以學習到顯式命題的、關係性的表徵，從而在數據效率、泛化性、可遷移性方面都有大幅改進。不過這僅僅是非常初步的研究，完全開發這個思路的潛力，並把它應用在更復雜的數據、更復雜的實際任務中還需要很多後續研究。
另一方面，這篇論文的重點在於獲得這樣的表徵而非應用它。不過由於這種模型架構帶有的良好先驗，PrediNet 模塊生成的表徵和謂詞計算是自然地相容的，這就為後續的各種符號邏輯運算做了良好的鋪墊。這個基礎上的改進可以考慮增加循環連接，這可能會讓模型具有迭代和序列計算能力；也可以考慮把它用於強化學習，可以對目前的深度強化學習的各方面問題都帶來改進。
深度學習是機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。
閱讀更多 AI智能者 的文章
