【導讀】谷歌大神Jeff Dean最近親自操刀發(fā)新作，提出了一個大規(guī)模多任務學習框架μ2Net，基本把各大數(shù)據(jù)集多任務學習的SOTA刷了個遍，但這次為何網(wǎng)友有點不買賬了？很簡單，差錢。

2021年10月，Jeff Dean親自撰文介紹了一個全新的機器學習架構(gòu)——Pathways。 目的很簡單，就是讓一個AI能夠跨越數(shù)以萬計的的任務，理解不同類型的數(shù)據(jù)，并同時以極高的效率實現(xiàn)：

在大半年之后的2022年3月，Jeff Dean終于發(fā)布了Pathways的論文。

論文連接：https://arxiv.org/abs/2203.12533 其中，補充了不少技術(shù)上的細節(jié)，比如最基本的系統(tǒng)架構(gòu)等等。

2022年4月，谷歌用Pathways的PaLM語言模型橫空出世，接連打破多項自然語言處理任務的SOTA，這個擁有5400億參數(shù)的Transformer語言模型再次證明了「大力出奇跡」。 除了用到強大的Pathways系統(tǒng)外，論文中介紹PaLM的訓練用到了6144個TPU v4，使用了7800億token的高質(zhì)量數(shù)據(jù)集，并且其中有一定比例的非英文多語種語料。

論文地址：https://arxiv.org/abs/2204.02311 最近，Jeff Dean一篇新作又引發(fā)了大家對Pathways的猜測。

Pathways的拼圖又合上了一塊？

這篇論文的作者只有兩位：大名鼎鼎的Jeff Dean和來自意大利的工程師Andrea Gesmundo。 有趣的是，不僅Gesmundo很低調(diào)，而且前兩天剛吹完自家Imagen的Jeff Dean也完全沒有在推特上提及此事。 而有網(wǎng)友拜讀之后推測，這可能是下一代AI架構(gòu)Pathways的組成部分。

論文地址：https://arxiv.org/abs/2205.12755 本文的思路是這樣的： 通過動態(tài)地將新任務納入一個大型運行系統(tǒng)，可以利用稀疏多任務機器學習模型的碎片，來實現(xiàn)新任務質(zhì)量的提升，并可以在相關(guān)任務之間自動分享模型的碎片。 這種方法可以提高每個任務的質(zhì)量，并在收斂時間、訓練實例數(shù)量、能源消耗等方面提高模型效率。本文提出的機器學習問題框架，可以視作標準多任務和持續(xù)學習形式化的概括和綜合。 在這個框架下，再大的任務集都可以被聯(lián)合解決。 而且，隨著時間的推移，任務集中可以加入連續(xù)的新任務流來實現(xiàn)擴展。預訓練任務和下游任務之間的區(qū)別也不存在了。 因為，隨著新任務的加入，系統(tǒng)會尋找如何將已有的知識和表征與新的模型能力相結(jié)合，以實現(xiàn)每個新任務的高質(zhì)量水平。在解決一個新任務時獲得的知識和學到的表征，也可用于任何未來的任務，或繼續(xù)學習現(xiàn)有任務。 這個方法名為「突變多任務網(wǎng)絡(luò)」或μ2Net。（μ=Mutation）

用于大規(guī)模持續(xù)學習實驗的兩類突變模型 簡單說，就是生成一個大規(guī)模的多任務網(wǎng)絡(luò)，去聯(lián)合解決多個任務。不僅每個任務的質(zhì)量和效率都獲得了提升，還可以通過動態(tài)增加新的任務來實現(xiàn)模型的擴展。 通過對以前任務的學習，嵌入到系統(tǒng)中的知識積累越多，后續(xù)任務的解決方案的質(zhì)量就越高。 此外，在減少每個任務新添加的參數(shù)方面，新任務的解決效率可以不斷提高。生成的多任務模型是稀疏激活的，模型集成了基于任務的路由機制，隨著模型的擴展，保證每個任務的計算成本的上升是有界限的。

每個任務激活的和增加的參數(shù)占多任務系統(tǒng)參數(shù)總數(shù)的百分比 從每個任務學到的知識被分割成可以被多個任務重用的部分。實驗證明，這種分塊技術(shù)避免了多任務和持續(xù)學習模型的常見問題，如災難性遺忘、梯度干擾和負遷移。 對任務路線空間的探索和對每個任務最相關(guān)的先驗知識子集的識別是由一個進化算法引導的，該算法旨在動態(tài)地調(diào)整探索/利用的平衡，而不需要手動調(diào)整元參數(shù)。同樣的進化邏輯被用于動態(tài)調(diào)整超參數(shù)多任務模型組件。

既然叫「突變網(wǎng)絡(luò)」，這個突變是怎么解釋的？ 深度神經(jīng)網(wǎng)絡(luò)通常由架構(gòu)和超參數(shù)來定義。本文中的架構(gòu)是由一連串的神經(jīng)網(wǎng)絡(luò)層組成的。每個層將輸入向量映射到一個可變維度的輸出向量，網(wǎng)絡(luò)實例化的細節(jié)，比如優(yōu)化器或數(shù)據(jù)預處理的配置，則由超參數(shù)確定。 所以這里講的突變也分為兩類，層克隆突變和超參數(shù)突變。 層克隆突變創(chuàng)建了一個可以被子模型訓練的任何父模型圖層的副本。如果父模型的某層沒有被選中進行克隆，會凍結(jié)當前狀態(tài)并與子模型共享，以保證預先存在的模型的不變性。 超參數(shù)突變則用于修改子層從父層繼承的配置。每個超參數(shù)的新值可以從一組有效值中抽取。對于數(shù)字超參數(shù)，有效值集被排序為一個列表，采樣時僅限于相鄰值，以應用一個增量變化約束。 來看看實際效果如何：

在ImageNet 2012、cifar100、cifar10三個數(shù)據(jù)集上，μ2Net在5任務迭代、10任務迭代后的表現(xiàn)均超過了當前最通用和性能最好的ViT預訓練微調(diào)模型。 在任務擴展方面，在加入VTAB-full和VDD持續(xù)學習任務后，μ2Net性能表現(xiàn)獲得進一步提升，在cifar10數(shù)據(jù)集上的VDD持續(xù)學習任務表現(xiàn)達到了99.43%的最佳成績。

在多任務字符分類基準任務上，在兩次任務迭代后，μ2Net在大部分數(shù)據(jù)集上刷新了SOTA水平，數(shù)據(jù)集規(guī)模由2.5k到240k樣本容量不等。

簡單來說，在這個架構(gòu)之下，模型學習的任務越多，系統(tǒng)學到的知識就越多，也就越容易解決新的任務。 比如，一個ViT-L架構(gòu)（3.07億個參數(shù)）可以演變成一個具有1308.7億個參數(shù)的多任務系統(tǒng)，并解決69個任務。 此外，隨著系統(tǒng)的增長，參數(shù)激活的稀疏性使每個任務的計算量和內(nèi)存用量保持不變。實驗表面，每個任務平均增加的參數(shù)減少了38%，而多任務系統(tǒng)只激活了每個任務總參數(shù)的2.3%。 當然，在這一點上，它只是一個架構(gòu)和初步實驗。

網(wǎng)友：論文很好，但……

雖然論文很棒棒，但好像有人不買賬。 有些熱愛戳穿皇帝新衣的網(wǎng)友，在reddit上發(fā)帖，稱他再也不相信愛情……哦不，「頂級實驗室/研究機構(gòu)」出品的AI論文了。 這位ID為「Acurite先生」的網(wǎng)友稱，他自然相信這些論文里的數(shù)據(jù)與模型運行結(jié)果。 但，就拿Jeff Dean老師的這篇論文來說吧，18頁的論文說了特別復雜的進化卷積與多任務學習算法，厲害，亮眼，好頂贊。 不過，有兩點不得不提出： 第一，Jeff Dean們在論文中提出的證明自己勝過競品的跑分結(jié)果，是CIFAR-10基準測試準確度99.43，勝過了當前SOTA的99.40…… 也不能說這是忽悠，但真的很讓人難以措辭形容。

第二，論文末尾有用TPU跑算法得出最終結(jié)果的時間耗費表，總計17810小時。 假設(shè)有人不在谷歌干、又想復現(xiàn)論文結(jié)果，按照每小時3.22美元的市價租TPU來再跑一次，那花費就是57348美元。 有啥意思呢？連日常論文都要設(shè)置鈔能力門檻了嗎？ 當然，這種做派現(xiàn)在是業(yè)界風氣，包括但不限于谷歌、OpenAI這些大玩家。大家都往模型里灌少少改進現(xiàn)狀的創(chuàng)意、和多多的預處理數(shù)據(jù)與基準。 然后，只要運行結(jié)果在數(shù)值上比對家高出哪怕百分點后的小數(shù)點后二位，研究者也可以理直氣壯地在簡歷上新增一行論文題目啦！ 這么搞，對學界和業(yè)界有啥真的推動？普通研究生又花不起錢來驗證你的結(jié)論，普通企業(yè)又沒法在項目里使用這么無聊的跑分。 還是那句話，有啥意思呢？ 這難道就是AI界的可接受舒適區(qū)么？一小撥大企業(yè)、和偶爾的頂尖學校，天天炫耀我有錢可以為所欲為、你沒錢只好跟后面吃灰？ 這么玩下去，干脆另開個計算機學期刊，專收那些結(jié)果可以在消費級單機顯卡上八小時跑出復現(xiàn)的論文算了。 跟帖里，有論文任務的研究生們紛紛訴苦。 有位ID是「支持向量機」的網(wǎng)友說，自己是小型實驗室里的從業(yè)者，因為這個勢頭，已經(jīng)快完全喪失繼續(xù)搞深度學習的動力了。 因為靠自己實驗室的預算，根本沒法和這些巨無霸比，出不了鈔能力打底的跑分結(jié)果。 即使你有個理論上的新點子，要寫成能過評議的論文也難。因為現(xiàn)在論文評議人里，被大廠的鈔能力養(yǎng)出了「美圖偏見」，論文里用來測試的圖像不好看，一切白搭。 不是說巨無霸大廠一無是處啊，GPT和DALL-E這些項目真的是開天辟地。但如果我自己的機器跑不動，我激動個啥呢。 另有一個博士生網(wǎng)友現(xiàn)身說法，跟帖佐證「支持向量機」。 博士生前兩年遞交了一份關(guān)于流模型的論文，主要著重于發(fā)現(xiàn)可采樣的數(shù)據(jù)潛在空間，對模型的圖片生成質(zhì)量沒影響。 結(jié)果論文打分人給的批評意見是：「生成的圖像看起來不如用GAN生成的好」。 另一個ID叫「烏代」的研究生也說，2021年他提交的參加會議論文，打分人給的批評意見是：「數(shù)據(jù)不夠花哨?！?

看來人力不敵鈔能力，真是東西心理攸同、中外道術(shù)未裂的世界性趨勢。 不過三十年河東、三十年河西，說不定算法草根化、全民大寫碼，會帶來第二次車庫創(chuàng)業(yè)企業(yè)打敗IBM的奇跡呢。

審核編輯 ：李倩