李宏毅——终身学习lifelong learning_lifelong learning的例子

导读

人从小大大用同一个脑袋学习
但每个作业都训练同一个神经网络

为什么不用同一个网络学习不同的任务呢？
终身学习的不同称呼
LLL（life long learning)
continuous learning
never ending learning
incremental learning
可以做不同的任务

要解决的问题

1、学过的旧东西记下来，但要能学新的

例子：手写数字辨识
在一个三层的网络中学习第一个有噪音的任务，在任务1学到的东西可以用在任务2上。任务1的正确率甚至没有任务2高，这个可以视为迁移学习。
让机器学任务2后，任务2的准确率更高，但是任务1的准确率下降

是否是因为网络过于简单？不是的，因为同时学任务1和任务2，能够学的比较好

例子：问答系统。

机器学习的训练资料是：文章、问题、答案
bAbi训练集有20种不同的题型
机器从第一个任务开始学习，学到第20个。
看机器对题型5的回答，只有刚学完题型5时正确率比较高。
对于其他题型也是这样的。

如果同时学20个任务的话，正确率还行。

证明网络有能力学完这些东西，但是没有做到。
这种现象叫做灾难遗忘。

如何解决

1、多任务学习
很难实现，要保存所有的旧资料才行，学习可能很久（存储、计算问题）

遗忘问题

Elastic Weight Consolidation（EWC）

基本思想

有一些weight重要，但是有一些不重要；保护重要weight，只调不重要的额。
做法：对于每一个theta，有一个守卫参数b
修改loss，计算当前参数与之前的参数之间的距离。

b用来表示保护theta的程度
可以将theta视为一种regularization

理解

假设有两个任务，网络有两个参数theta，颜色越深，说明loss越小
学习任务1时，参数从theta0学到thetab，再学习任务2时，继续训练，学习到theta* ，此时任务2的loss变小，但是任务2的变大

在EWC中，可以使用某种方法算重要性，比如算微分，theta1比较小，也就是说在theta1上，改变参数，对结果影响不大，b1可以设为比较小的值，但是theta2微分比较大，b2设置的比较大

移动时，尽量不要动theta2

当然求导不是唯一的方法，可以用其他的方法。
原始EWC的实验结果
分别训练A，B，C，横轴表示在不同任务上的表现，纵轴表示训练阶段

EWC的变形

其他方法

生成数据

生成数据，来缓解数据过多占用内存的问题
先让机器学task1，然后学task2，同时要训练generator，学会生成task1的数据，此时就可以把task1的data丢掉，用生成的数据和task2的放在一起训练。

但是目前靠机器生成复杂数据，能不能做的起来尚待研究

新增类

如果训练任务需要不同的网络呢？比如类增量问题

knowledge transfer

不为每个任务训练模型，让不同模型之间互通有无，也可以节省模型开销空间

life-long vs transfer

不同点：在transfer时，只在乎任务2，不在乎任务1点表现，但是life-long希望都表现好

如何衡量life-long learning

通常用matrix，每个row代表学习的阶段，column表示在任务X上的表现。
Accuracy是最后一行的平均
多不会遗忘：backward Transfer，学到某个阶段时减去刚学过时的表现，求平均
（通常为负）

forward Transfer：表示能transfer到没学的任务的表现

GEM

gradient Episodic Memory
在新的任务算出gradient，再计算之前的Gradient的方向。算出现在移动的方向。这个方向不会伤害到原有的任务，而且和当前gradient的方向越近越好。

这种需要存一些过去的数据。
它的表现：后续的学习不会影响之前的任务，甚至能有所改善

Model Expansion

有可能真的学不下了，能不能扩张模型

模型扩张的速度应该比任务来的速度慢。这个是个尚待研究的问题，没有太多研究。

Progressive Neural Network

一个网络做任务1，网络1的输出当作网络2的输入，网络1、2的输出都当作网络3的输入
实操上做不了太多任务

expert gate

每个task训练一个网络，每个新任务进来，看和哪个旧任务最像，希望做到knoledege transfer。这里模型扩张的速度和新任务到来的速度一样，在任务较多的时候也是会有比较多的模型

Net2Net

让网络长宽
直接加neuron的话，可能会加噪声，所以如何加神经元，但是不引入噪声很重要
做法：把神经元分裂，w仍然是c和d，但是分裂后变为f/2，但是问题是加入的神经元的gradient都一样，所以要加一个小小的noise
也不是每进来一个任务就加网络，而是看训练效果怎么样，决定是否expand

curiculum learning

在未来可能会有的问题
这些任务的顺序怎么排序
例子中，先学任务1，再学任务2，效果不好
但是先学任务2，再学任务1时，一开始任务1效果不好，但是没有忘记
所以说明，是否发生遗忘，和任务排序有非常重要的关系。

已有的研究