一種新的方法正在讓人工智能模型獲得人類的 “聯(lián)想” 能力,甚至能讓它識別此前從未見過的事物。
來自加拿大滑鐵盧大學(xué)的博士生伊利亞(Ilia Sucholutsky)和他的博士導(dǎo)師馬賽厄斯?尚勞(Matthias Schonlau)教授,首次提出了“少于一次” 樣本學(xué)習(xí)的概念和方法,并由此為人工智能技術(shù)的演進提供了新的思路。
相關(guān)研究論文于 2020 年 9 月發(fā)表在預(yù)印本網(wǎng)站 arXiv 上,名為 “'Less Than One'-Shot Learning: Learning N Classes From M < N Samples”。
伊利亞告訴 DeepTech,他們的研究顯示,對于機器學(xué)習(xí)模型來說,理論上通過兩個樣本(example)即可訓(xùn)練模型學(xué)會識別任意數(shù)量類別(class)。
沒人知道,這種方法一旦實現(xiàn)大規(guī)模應(yīng)用,人工智能會迸發(fā)出怎樣的火花。
高企的訓(xùn)練成本
機器學(xué)習(xí),尤其是深度學(xué)習(xí)往往需要大量的訓(xùn)練數(shù)據(jù)。
著名的語言模型 GPT-3 使用了 45TB 的數(shù)據(jù)進行訓(xùn)練,這個過程耗資達到了驚人的 1200 萬美元,即使有微軟的鼎力相助,訓(xùn)練結(jié)束之后發(fā)現(xiàn)了一些小 Bug 也不舍得重新訓(xùn)練。
目前,GPT-3 是煉丹師們 “大力出奇跡” 的集大成者,但可以預(yù)見,不遠的將來一定會有新的模型超越并取代它的位置。
“更多更大更強” 的思路是沒有盡頭的。假如我們稍稍停下疲于奔命的腳步,回歸到現(xiàn)實中的人類學(xué)習(xí)過程,就會發(fā)現(xiàn)一個觸及靈魂的拷問 ——人工智能真的必須依托如此巨量的數(shù)據(jù)才能夠?qū)崿F(xiàn)嗎?
相信很多人的答案并不篤定。
舉個例子,假如現(xiàn)在需要讓人工智能模型 “認(rèn)識” 馬這種動物。常規(guī)的做法是挑選成百上千的馬匹圖像對其進行訓(xùn)練。
之所以需要如此之多的樣本,是因為同樣一匹馬,僅僅是轉(zhuǎn)換一個拍攝角度,或微調(diào)一些肉眼無法觀察的像素點,人工智能就會識別失敗,所以需要大量的大小、顏色、體態(tài)、朝向、品種不一的樣本填滿人工智能的 “盲區(qū)”。
即便如此,人工智能的識別成功概率也不能達到 100%,我們離創(chuàng)造真正可以復(fù)現(xiàn)大腦理解能力的人工智能還非常遙遠。
但人類的兒童,卻只需要一張看圖識字的卡片,便能輕易分辨出唐僧所騎乘的是馬,而不是其他外型類似的生物。并且,兒童一旦學(xué)會識別某種事物,這項技能終其一生都很難忘記,只會越來越熟練。
更有甚者,兒童可以在沒有任何真實示例的情況下 “認(rèn)出” 一個新的物體。例如,展示給他們一匹馬和一頭犀牛的圖片,并告訴他們獨角獸結(jié)合了兩者的特點,他們就可以在第一次看到獨角獸時認(rèn)出這個傳說中的生物。
圖 | 犀牛 + 馬 = 犀牛馬?好吧,這張圖并不像獨角獸,但一定程度上體現(xiàn)了論文作者的意圖。
伊利亞和導(dǎo)師認(rèn)為,人工智能模型也應(yīng)該具備同樣的能力。也就是說,人工智能模型應(yīng)該可以從 M 個樣本中學(xué)習(xí)到 N 個類別,其中 N 可以遠遠大于 M。這樣,理論上模型就可以識別比訓(xùn)練示例更多的圖像,而此前的科研人員可能并未充分挖掘訓(xùn)練數(shù)據(jù)的全部潛力。
他們將這一過程稱為 “少于一個” 樣本學(xué)習(xí)(LO-Shot Learning)。
考慮到居高不下的訓(xùn)練成本和日益龐大到接近極限的訓(xùn)練數(shù)據(jù),這種讓人工智能學(xué)會 “合理聯(lián)想” 的方法或許會在未來產(chǎn)生顛覆性影響。
如何實現(xiàn) “少于一個” 樣本學(xué)習(xí)?
在此前的一篇論文中,現(xiàn)為麻省理工學(xué)院博士生的 Tongzhou Wang 和同事介紹了一種 “蒸餾” 方法,可以將大數(shù)據(jù)集 “提純” 為小數(shù)據(jù)集。
作為實踐,他們將 MNIST(一個包含了 6 萬張從 0 到 9 手寫數(shù)字圖片的業(yè)內(nèi)常用測試數(shù)據(jù)集)提純壓縮成了一個僅由 10 張圖像組成的訓(xùn)練數(shù)據(jù)集。
這些圖像不是直接從原始數(shù)據(jù)集中選取的,而是經(jīng)由一系列的設(shè)計和優(yōu)化后,賦予了這 10 張圖像幾乎與整個原始數(shù)據(jù)集相同的信息。
因此,僅僅用這個超精簡數(shù)據(jù)集對人工智能模型進行訓(xùn)練,就可以達到與用 MNIST 所有圖像進行訓(xùn)練的模型幾乎一致的識別精度。
圖 | “蒸餾” 后的 MNIST 精簡數(shù)據(jù)集。以上 10 張圖是從 MNIST 所含 6 萬張圖像中提純出的,可以用于訓(xùn)練人工智能模型,并且它們在識別手寫數(shù)字時擁有 94% 的準(zhǔn)確性。
伊利亞和導(dǎo)師從中受到啟發(fā),并且認(rèn)為可以在 Tongzhou Wang 的方法上更進一步 —— 既然可以將 6 萬張圖像壓縮到 10 張,那么為什么不能將它們壓縮到 5 張或更少呢?一旦實現(xiàn),就意味著,通過區(qū)區(qū)幾張圖象的訓(xùn)練,人工智能模型就能掌握從 0 到 9 這 10 個數(shù)字的各種手寫數(shù)字圖片,從而實現(xiàn)前面所說的 N 大于 M。
伊利亞很快發(fā)現(xiàn),想要達到這個效果的訣竅就是創(chuàng)建混合有多個數(shù)字特征的圖像,然后為它們打上 “軟標(biāo)簽(讓一個數(shù)據(jù)點同時成為多個類別成員的矢量表示)”,再來用這些樣本訓(xùn)練人工智能模型(類似于前文的馬 + 犀?;旌象w)。
“你可以想象一下數(shù)字 3,它看起來有點像 8,但一點都不像 7?!?伊利亞說。
“軟標(biāo)簽的目的在于標(biāo)注這些共同的特征,進而以這種方式增加信息密度和維度。因此,相比于直接告訴模型這個圖像是 3,我們會說,這個圖像有 60% 可能是 3,30% 可能是 8,10% 可能是 0。” 使用這種數(shù)據(jù)訓(xùn)練出的模型,基本可以達到與常規(guī)訓(xùn)練方式一樣的精度。
“少于一個” 樣本學(xué)習(xí)的局限性
當(dāng)伊利亞和導(dǎo)師成功地使用軟標(biāo)簽在 MNIST 上實現(xiàn) “少于一個” 樣本學(xué)習(xí)后,他們開始思考這個方法能否用于更廣闊的領(lǐng)域。人工智能模型從小樣本中可以識別出的類別數(shù)量是否存在上限?
答案是否定的。
從理論上來看,使用精心設(shè)計的軟標(biāo)簽,甚至只用兩個示例就可以承載任意數(shù)量的類別信息。伊利亞說:“通過兩個數(shù)據(jù)點,你就可以分離出一千個,一萬個,甚至是一百萬個類別?!?/p>
伊利亞和導(dǎo)師通過純數(shù)學(xué)方式的推導(dǎo),在論文中證明了這一點。他們使用一種最簡單的機器學(xué)習(xí)算法 ——K-近鄰算法(kNN)來表述這一概念,該算法使用圖形方法來為對象分類。值得注意的是,他們在 kNN 算法的基礎(chǔ)上進行了開發(fā),并將最終的算法稱為SLaPkNN(soft-label prototype kNearest Neighbors)。
在進一步說明之前,有必要以水果分類任務(wù)為例,簡單說明 kNN 算法的核心邏輯。
假設(shè)我們要訓(xùn)練 kNN 模型識別蘋果和橙子,你必須先確定每個水果的特征,這里以顏色(X 軸)、重量(Y 軸)為例。這樣你就可以將多個蘋果和橙子的信息輸入 kNN 模型。
kNN 算法會將所有數(shù)據(jù)點繪制在一張二維圖表上,并在蘋果和橙子分布點的中間地帶繪制邊界線。
圖 | kNN 算法原理。由圖可見,坐標(biāo)軸上分布著紅蘋果、青蘋果和橙子的數(shù)據(jù)點。當(dāng)模型需要判定黑色點屬于哪種水果時,它會依據(jù)藍色框選區(qū)域內(nèi)的色彩分布,將比例最大的橙色判斷為 “鄰近”,進而將黑色點歸類為橙子。
為了將 kNN 算法應(yīng)用于 “少于一個” 樣本學(xué)習(xí),伊利亞和導(dǎo)師創(chuàng)建了一系列微型的合成數(shù)據(jù)集,并精心設(shè)計了它們的軟標(biāo)簽。
然后,他們讓 kNN 算法繪制了它從樣本中看到的邊界線,發(fā)現(xiàn)它成功地將樣本分成了比數(shù)據(jù)點更多的類別。
圖 | 上圖中,有兩個實例可以調(diào)節(jié)機器學(xué)習(xí)模型(用黑點表示)。經(jīng)典的 kNN 算法會在兩個點和類別之間分界。但 SLaPkNN 算法在兩個類別之間創(chuàng)建了一個新的類別(綠色區(qū)域),它代表著一個新標(biāo)簽。這樣,研究者用 N-1 個樣本實現(xiàn)了 N 類別。
通過對類別邊界線的復(fù)雜編碼和樣本軟標(biāo)簽的調(diào)整,他們讓 kNN 算法精確畫出不同形狀的花朵圖案。
圖 | 作者在論文中炫技。圖表上的每個彩色區(qū)域代表一個不同的類別,每個圖表側(cè)面的餅圖則顯示了每個數(shù)據(jù)點的軟標(biāo)簽分布。
當(dāng)然,凡事總有兩面,這個方法也有其局限性。
當(dāng)伊利亞和導(dǎo)師嘗試將 “少于一次” 樣本學(xué)習(xí)的方法應(yīng)用到其他更復(fù)雜的算法(如深度學(xué)習(xí)等)時,他們發(fā)現(xiàn)設(shè)計軟標(biāo)簽的工作變得異常困難。
kNN 算法具有很好的可解釋性和可視性,為人們設(shè)計標(biāo)簽提供了良好基礎(chǔ)。但神經(jīng)網(wǎng)絡(luò)是復(fù)雜且不可穿透的,這意味著同樣的方法未必可行。并且,設(shè)計用于 “凝練” 神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)的軟標(biāo)簽時也有一個主要難點:設(shè)計者需要面對龐大的數(shù)據(jù)集并凝練出有效的內(nèi)容。
這一工作目前看來不可能全部通過人工完成。伊利亞說,他現(xiàn)在正在研究其他方法來設(shè)計這些凝練后的合成數(shù)據(jù)集 —— 無論是手動設(shè)計還是使用其他算法進行設(shè)計。
盡管存在諸多挑戰(zhàn),但不可否認(rèn)這篇論文為 “少于一次” 樣本學(xué)習(xí)提供了理論基礎(chǔ)?!盁o疑經(jīng)過凝練的數(shù)據(jù)集將帶來極大的效率提升?!?伊利亞說。
需要從圖像或視頻幀中識別成千上萬個類別的計算機視覺系統(tǒng)(如自動駕駛)、執(zhí)行情感分析的自然語言處理系統(tǒng)等都將從中受益。
Tongzhou Wang 對此補充道,這篇論文同時也提出了一個非常新穎且重要的目標(biāo) ——如何從小數(shù)據(jù)集中訓(xùn)練強大的模型。
從人類的學(xué)習(xí)經(jīng)驗來看,這是能夠?qū)崿F(xiàn)的,應(yīng)用領(lǐng)域也異常寬廣。從抓捕只有一張照片的犯罪嫌疑人,到識別海上航行的敵方艦艇,都是典型的小樣本場景。
對于這項成果,也有業(yè)內(nèi)人士指出 “可能很難實現(xiàn)”。一名杜克大學(xué)的計算機科學(xué)博士生告訴 DeepTech:“用很少的樣本去生成很多的類,是一件非常反直覺的事情。雖然他做到了這一點,但后續(xù)依然需要將各種特征組合成現(xiàn)實中的真實事物?!?/p>
該博士生分析稱,如果把人類的眉、目、鼻、口、耳這五官特征提取出來,然后通過伊利亞的方式整合到一起,可能可以組成世界上所有存在、不存在的人臉,但在訓(xùn)練模型的時候,依舊需要讓機器知道真正的人臉是怎樣的。
也就是說,模型通過伊利亞的方法訓(xùn)練之后,還需要再增加一個新的步驟來實現(xiàn)閉環(huán),這個新的學(xué)習(xí)步驟如何實現(xiàn),以及實現(xiàn)的難易程度,才是關(guān)鍵所在。并且,五官的特征也是需要從大量的、有標(biāo)簽的數(shù)據(jù)中來的。但他也承認(rèn),“從這個角度看,這篇論文的確提出了一個非常新穎的思路?!?/p>
最后,伊利亞強調(diào)這個研究尚處在早期階段,但他對此充滿信心。
他說,每當(dāng)他向其他研究人員介紹這篇論文時,他們的第一反應(yīng)是說這個想法不可能實現(xiàn),但緊接著他們便意識到事實并非如此,它可能無意間觸及了一扇通往全新世界的大門。
原文標(biāo)題:反直覺!一種新方法或讓AI模型擁有“聯(lián)想”力,甚至能識別從未見過的事物
文章出處:【微信公眾號:DeepTech深科技】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
責(zé)任編輯:haq
-
數(shù)據(jù)
+關(guān)注
關(guān)注
8文章
6756瀏覽量
88614 -
圖像
+關(guān)注
關(guān)注
2文章
1078瀏覽量
40345 -
AI
+關(guān)注
關(guān)注
87文章
29368瀏覽量
267649 -
人工智能
+關(guān)注
關(guān)注
1789文章
46328瀏覽量
236496
原文標(biāo)題:反直覺!一種新方法或讓AI模型擁有“聯(lián)想”力,甚至能識別從未見過的事物
文章出處:【微信號:deeptechchina,微信公眾號:deeptechchina】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論