編輯：David Joey

【新智元導(dǎo)讀】人的大腦和自監(jiān)督學(xué)習(xí)模型的相似度有多高？

我們都知道，人類的大腦90%都是自監(jiān)督學(xué)習(xí)的，生物會不斷對下一步發(fā)生的事情做出預(yù)測。

自監(jiān)督學(xué)習(xí)，就是不需要外部干預(yù)也能做出決策。

只有少數(shù)情況我們會接受外部反饋，比如老師說：「你搞錯了」。

而現(xiàn)在有學(xué)者發(fā)現(xiàn)，大型語言模型的自監(jiān)督學(xué)習(xí)機(jī)制，像極了我們的大腦。

知名科普媒體Quanta Magazine近日報道，越來越多的研究發(fā)現(xiàn)，自監(jiān)督學(xué)習(xí)模型，尤其是大型語言模型的自學(xué)方式，與我們的大腦的學(xué)習(xí)模式非常類似。

過去常見的AI系統(tǒng)都是使用大量標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練的。

例如，圖像可能被標(biāo)記為「虎斑貓」或「虎貓」，用以訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)來正確區(qū)分虎斑和虎。

這種「自監(jiān)督」訓(xùn)練需要人工費力地標(biāo)記數(shù)據(jù)，而神經(jīng)網(wǎng)絡(luò)通常會走捷徑，學(xué)習(xí)將標(biāo)簽與最少、有時甚至是膚淺的信息聯(lián)系起來。

例如，神經(jīng)網(wǎng)絡(luò)可能會使用草的存在來識別奶牛的照片，因為奶牛通常是在田野中拍攝的。

加州大學(xué)伯克利分校的計算機(jī)科學(xué)家阿列克謝·埃弗羅斯 (Alexei Efros) 說：

我們正在培養(yǎng)的算法，就像是一整個學(xué)期都沒來上課的本科生，雖然他們并沒有系統(tǒng)學(xué)習(xí)這些材料，但他們在考試中表現(xiàn)出色。

此外，對于對動物智能和機(jī)器智能的交叉感興趣的研究人員來說，這種「監(jiān)督學(xué)習(xí)」可能僅限于它對生物大腦的揭示。

許多動物，包括人類不使用標(biāo)記數(shù)據(jù)集來學(xué)習(xí)。在大多數(shù)情況下，他們自己探索環(huán)境，并且通過這樣做，他們對世界獲得了豐富而深刻的理解。

現(xiàn)在，一些計算神經(jīng)科學(xué)家已經(jīng)開始探索使用很少或沒有人工標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練的神經(jīng)網(wǎng)絡(luò)。

最近的研究結(jié)果表明，使用自我監(jiān)督學(xué)習(xí)模型構(gòu)建的動物視覺和聽覺系統(tǒng)的計算模型比監(jiān)督學(xué)習(xí)模型更接近大腦功能。

對一些神經(jīng)科學(xué)家來說，人工神經(jīng)網(wǎng)絡(luò)似乎開始揭示用大腦來類比機(jī)器學(xué)習(xí)的途徑。

有缺陷的監(jiān)督

大約10年前，受人工神經(jīng)網(wǎng)絡(luò)啟發(fā)的大腦模型開始出現(xiàn)，同時一個名為AlexNet的神經(jīng)網(wǎng)絡(luò)徹底改變了對未知圖像進(jìn)行分類的任務(wù)。

這項成果在Alex Krizhevsky、Ilya Sutskever和Geoffrey E. Hinton 的論文「ImageNet Classification with Deep Convolutional Neural Networks」中發(fā)表。

論文地址：https://dl.acm.org/doi/10.1145/3065386

與所有神經(jīng)網(wǎng)絡(luò)一樣，該網(wǎng)絡(luò)由多層人工神經(jīng)元組成，其中不同神經(jīng)元之間連接的權(quán)重不同。

如果神經(jīng)網(wǎng)絡(luò)未能正確分類圖像，學(xué)習(xí)算法會更新神經(jīng)元之間連接的權(quán)重，以降低在下一輪訓(xùn)練中錯誤分類的可能性。

該算法重復(fù)此過程多次，調(diào)整權(quán)重，直到網(wǎng)絡(luò)的錯誤率低到可以接受的程度。

之后，神經(jīng)科學(xué)家使用AlexNet開發(fā)了第一個靈長類視覺系統(tǒng)（Primate Visual System）的計算模型。

當(dāng)猴子和人工神經(jīng)網(wǎng)絡(luò)顯示相同的圖像時，真實神經(jīng)元和人工神經(jīng)元的活動顯示出類似的反應(yīng)。

在聽覺和氣味檢測的人工模型上也取得了相似的結(jié)果。

但隨著該領(lǐng)域的發(fā)展，研究人員意識到自監(jiān)督訓(xùn)練的局限性。

2017年，德國蒂賓根大學(xué)的計算機(jī)科學(xué)家Leon Gatys和他的同事拍攝了一張福特T型車的照片，然后在照片上覆蓋了豹皮圖案。

而人工智能神經(jīng)網(wǎng)絡(luò)將原始圖像正確分類為Model T，但將修改后的圖像視為豹子。

原因是它只專注于圖像紋理，不了解汽車（或豹子）的形狀。

自監(jiān)督學(xué)習(xí)模型旨在避免此類問題。

瑞士巴塞爾弗里德里?！っ仔獱柹镝t(yī)學(xué)研究所的計算神經(jīng)科學(xué)家弗里德曼·岑克 (Friedemann Zenke) 說，

在這種方法中，人類不會標(biāo)記數(shù)據(jù)，相反，標(biāo)簽來自數(shù)據(jù)本身。自監(jiān)督算法本質(zhì)上是在數(shù)據(jù)中創(chuàng)建空白，并要求神經(jīng)網(wǎng)絡(luò)填補空白。

例如，在所謂的大型語言模型中，訓(xùn)練算法將向神經(jīng)網(wǎng)絡(luò)顯示句子的前幾個單詞，并要求它預(yù)測下一個單詞。

當(dāng)使用從互聯(lián)網(wǎng)收集的大量文本進(jìn)行訓(xùn)練時，該模型似乎可以學(xué)習(xí)語言的句法結(jié)構(gòu)，展示出令人印象深刻的語言能力——所有這些都沒有外部標(biāo)簽或監(jiān)督。

計算機(jī)視覺方面也正在進(jìn)行類似的努力。

2021年底，何愷明及其同事展示了著名的掩碼自動編碼器研究「Masked Auto-Encoder」（MAE）。

論文地址：https://arxiv.org/abs/2111.06377

MAE將未掩碼部分轉(zhuǎn)換為潛在表示——壓縮的數(shù)學(xué)描述，其中包含有關(guān)對象的重要信息。

在圖像的情況下，潛在表示可能是一種數(shù)學(xué)描述，其中包括圖像中對象的形狀。然后解碼器將這些表示轉(zhuǎn)換回完整的圖像。

大腦也是「自監(jiān)督」的

在這樣的系統(tǒng)中，一些神經(jīng)科學(xué)家認(rèn)為，我們的大腦實際上也是自監(jiān)督學(xué)習(xí)的。

麥吉爾大學(xué)和魁北克人工智能研究所（Mila）的計算神經(jīng)科學(xué)家布萊克-理查茲（Blake Richards）說：「我認(rèn)為毫無疑問，大腦所做的90%都是自監(jiān)督學(xué)習(xí)?！?/p>

生物大腦被認(rèn)為是在不斷地預(yù)測，例如，一個物體在移動時的未來位置，或一句話中的下一個詞，就像自我監(jiān)督學(xué)習(xí)算法試圖預(yù)測圖像或一段文字的間隙一樣。

計算神經(jīng)科學(xué)家布萊克-理查茲（Blake Richards）創(chuàng)建了一個AI系統(tǒng)，模仿活體大腦中的視覺網(wǎng)絡(luò)

理查茲和他的團(tuán)隊創(chuàng)建了一個自監(jiān)督模型，暗示了一個答案。他們訓(xùn)練了一個結(jié)合兩種不同神經(jīng)網(wǎng)絡(luò)的人工智能。

第一個，稱為ResNet架構(gòu)，是為處理圖像而設(shè)計的；第二個，稱為遞歸網(wǎng)絡(luò)，可以跟蹤先前的輸入序列，對下一個預(yù)期輸入進(jìn)行預(yù)測。

為了訓(xùn)練聯(lián)合AI，該團(tuán)隊從一連串的視頻開始，比如說10幀，讓ResNet逐一處理。

然后，遞歸網(wǎng)絡(luò)預(yù)測了第11幀的潛在表示，而不是簡單地匹配前10幀。自監(jiān)督學(xué)習(xí)算法將預(yù)測值與實際值進(jìn)行比較，并指示神經(jīng)網(wǎng)絡(luò)更新其權(quán)重，以使預(yù)測效果更好。

為了進(jìn)一步測試，研究人員向AI展示了一組視頻，西雅圖艾倫腦科學(xué)研究所的研究人員以前曾向小鼠展示過這些視頻。與靈長類動物一樣，小鼠的大腦區(qū)域?qū)ｉT用于靜態(tài)圖像和運動。艾倫研究人員在小鼠觀看視頻時記錄了小鼠視覺皮層的神經(jīng)活動。

理查茲的團(tuán)隊發(fā)現(xiàn)了AI和活體大腦對視頻的反應(yīng)方式的相似之處。在訓(xùn)練過程中，人工神經(jīng)網(wǎng)絡(luò)中的一條途徑變得與小鼠大腦的腹側(cè)、物體探測區(qū)域更加相似，而另一條途徑則變得與注重運動的背側(cè)區(qū)域相似。

這些結(jié)果表明，我們的視覺系統(tǒng)有兩條專門的通路，因為它們有助于預(yù)測視覺的未來；單一的通路是不夠好的。

人類聽覺系統(tǒng)的模型講述了一個類似的故事。

6月，由Meta AI的研究科學(xué)家Jean-Rémi King領(lǐng)導(dǎo)的團(tuán)隊訓(xùn)練了一個名為Wav2Vec 2.0的人工智能，它使用一個神經(jīng)網(wǎng)絡(luò)將音頻轉(zhuǎn)化為潛在的表征。研究人員對這些表征中的一些進(jìn)行了屏蔽，然后將其送入另一個稱為轉(zhuǎn)化器的組件神經(jīng)網(wǎng)絡(luò)。

在訓(xùn)練過程中，轉(zhuǎn)化器預(yù)測被屏蔽的信息。在這個過程中，整個人工智能學(xué)會了將聲音轉(zhuǎn)化為潛在的表征，同樣，不需要標(biāo)簽。

該團(tuán)隊使用了大約600小時的語音數(shù)據(jù)來訓(xùn)練網(wǎng)絡(luò)。「這大約是一個孩子在前兩年的經(jīng)驗中得到的東西。」金說。

Meta AI的讓-雷米-金幫助訓(xùn)練了一種人工智能，它以模仿大腦的方式處理音頻–部分是通過預(yù)測下一步應(yīng)該發(fā)生什么

一旦該系統(tǒng)被訓(xùn)練出來，研究人員給它播放英語、法語和普通話的有聲讀物部分，然后將AI的表現(xiàn)與412人的數(shù)據(jù)進(jìn)行了比較（這些人都是以這三種語言為母語的人），他們在核磁共振掃描對自己的大腦進(jìn)行成像時，聽了同樣長的一段音頻。

結(jié)果顯示，盡管fMRI圖像有噪音且分辨率不高，但AI神經(jīng)網(wǎng)絡(luò)和人類的大腦「不僅相互關(guān)聯(lián)，而且還以系統(tǒng)的方式關(guān)聯(lián)」。

AI早期層的活動與初級聽覺皮層的活動一致，而AI最深層的活動則與大腦中較高層的活動相一致，比如前額葉皮層。

「這是非常漂亮的數(shù)據(jù)，雖然算不上是決定性的，但算得上是令人信服的證據(jù)，表明我們學(xué)習(xí)語言的方式在很大程度上是在預(yù)測接下來會說的話?！?/p>

有人不同意：模擬大腦？模型、算法都差的遠(yuǎn)

當(dāng)然，也并非所有人都認(rèn)同這種說法。

MIT的計算神經(jīng)科學(xué)家喬希-麥克德莫特（Josh McDermott）曾使用監(jiān)督和自監(jiān)督學(xué)習(xí)研究視覺和聽覺的模型。他的實驗室設(shè)計了一些人工合成的音頻和視覺信號，對于人類來說，這些信號只是難以捉摸的噪音。

然而，對于人工神經(jīng)網(wǎng)絡(luò)來說，這些信號似乎與真實語言和圖像沒有區(qū)別。這表明，在神經(jīng)網(wǎng)絡(luò)的深層形成的表征，即使是自監(jiān)督學(xué)習(xí)，也與我們大腦中的表征不一樣。

麥克德莫特說：「這些自我監(jiān)督的學(xué)習(xí)方法是一種進(jìn)步，因為你能夠?qū)W習(xí)能夠支持很多識別行為的表征，而不需要所有標(biāo)簽。但仍然有很多監(jiān)督模型的特征?！?/p>

算法本身也需要更多改進(jìn)。比如在Meta AI的Wav2Vec 2.0模型中，AI只預(yù)測了幾十毫秒的聲音的潛在表征，比人發(fā)出一個噪音音節(jié)的時間還要短，更不用說預(yù)測一個詞了。

要真正實現(xiàn)讓AI模型和人類大腦相類似，我們還有很多事情要做，金說。

如果目前發(fā)現(xiàn)的大腦和自我監(jiān)督學(xué)習(xí)模型之間的相似性在其他感官任務(wù)中也成立，將更有力地表明，無論我們的大腦有什么神奇的能力，都需要以某種形式進(jìn)行自監(jiān)督學(xué)習(xí)。

參考資料：

https://www.quantamagazine.org/self-taught-ai-shows-similarities-to-how-the-brain-works-20220811/