<mark id="oztn4"></mark>
0
作者 | 叢末
根據 Ferenc Huszár 的介紹，他是在 ICLR 審稿期間閱讀到馬騰宇等人的這篇工作，覺得該論文所取得的成果十分引人入勝，并進行了深入思考。
ICLR 2022 在去年11月公布初審結果，馬騰宇團隊有3篇工作入選，《將上下文學習視作隱式貝葉斯推理的闡釋》（An Explanation of In-Context Learning as Implicit Bayesian Inference）便是其中之一。
作者：Sang Michael Xie, Aditi Raghunathan, Percy Liang，馬騰宇
馬騰宇與Percy Liang分別為斯坦福大學計算機系的助理教授與副教授，是人工智能領域的著名新秀，都曾獲得斯隆研究獎，其研究工作受到同行關注。
圖注：馬騰宇
如AI科技評論此前對馬騰宇的專訪介紹，馬騰宇主要從事人工智能基礎理論的研究工作，課題覆蓋非凸優化、深度學習及理論等等。這篇被 ICLR 2022 接收的工作也是從理論出發，研究上下文學習/語境學習（In-Context Learning）與隱式貝葉斯推理之間的關系。
當前，GPT-3等大規模預訓練語言模型進行上下文學習的表現驚人：模型只需基于由輸入—輸出示例組成的提示進行訓練，學習完成下游任務。在沒有明確經過這種預訓練的情況下，語言模型會在正向傳播過程中學習這些示例，而不會基于“分布外”提示更新參數。
但研究者尚不清楚是什么機制讓上下文學習得以實現。
在這篇論文中，馬騰宇等人研究了在預訓練文本具有遠程連貫性的數學設置下，預訓練分布對上下文學習的實現所起到的作用。在該研究中，對語言模型進行預訓練需要從條件文本中推斷出潛在的文檔級別概念，以生成有連貫性的下一個標記。在測試時，該機制通過推斷提示示例之間共享的潛在概念，并應用該概念對測試示例進行預測，從而實現上下文學習。
他們證明了：當預訓練分布是混合隱馬爾可夫模型時，上下文學習是通過對潛在概念進行貝葉斯推理隱式地產生的。即便提示和預訓練數據之間的分布不匹配，這種情況依舊成立。
與自然語言中用于上下文學習的混亂的大規模預訓練數據集不同，他們生成了一系列小規模合成數據集（GINC），在這個過程中，Transformer 和 LSTM 語言模型都使用了上下文學習。除了聚焦預訓練分布效果的理論之外，他們還實證發現，當預訓練損失相同時，縮放模型的大小能夠提高上下文（預測）的準確性。
Ferenc Huszár 是劍橋大學計算機系的高級機器學習講師，對貝葉斯機器學習有深入的研究。2016年與2017年，他在基于深度學習的圖像超分辨率與壓縮技術上取得兩大突破（如下），谷歌學術引用了超過1萬4。
Photo-realistic single image super-resolution using a generative adversarial network（谷歌學術引用7.5k+）
Real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network（3.5k+）
圖注：Ferenc Huszár
Ferenc Huszár 對馬騰宇等人的工作給予了高度評價。AI科技評論對 Ferenc 的點評做了不改原意的整理：
我喜歡這篇論文，因為它與可交換性（exchangeability）相關，這是我最喜歡的概念和想法之一。它讓我想起了我在2015年（當時還處于深度學習的發展早期）的想法——利用可交換序列模型實現大規模通用學習機。在那篇舊博文中，我對可交換模型做了如下思考：
老實說，在我讀到馬騰宇等人發表的這篇論文之前，我從來沒有把大型可交換序列模型視作通用學習工具的動機和使用GPT-3進行上下文學習的最新趨勢聯系起來。事實上，我對后者深表懷疑，認為它本質上就是必然存在根本缺陷的另一種黑客行為。但是這篇論文將這些點都聯系起來了，這也是它為什么如此吸引我的原因，因為我永遠無法想到“提示黑客行為”和上下文學習竟然完全一樣。
1）將可交換序列作為隱式學習機
在探討這篇論文前，讓我們先來溫習下關于可交換序列和隱式學習的已有概念。
可交換序列模型是一個序列概率分布
，在序列
中，對于任意一個置換 π，該分布都是對標記的置換不變量。
de Finetti 定理將這些序列模型與貝葉斯推理聯系在一起，假設任意分布都可以分解成混合獨立同分布（I.I.D.）序列模型：
因此，前一步的預測分布（用來預測序列的下一個標記）總能分解成貝葉斯積分：
其中，
是由先驗
計算得到的貝葉斯后驗，計算的貝葉斯公式為：
在這種情況下，如果我們有一個可交換序列模型，就可以將這些前一步的預測分布視作隱式執行的貝葉斯推理。關鍵是，即便我們并不知道θ個 π 是什么，以及可能性
是什么，也能實現這一操作。我們不必明確指出公式的這些組成部分是什么，de Finetti 定理都能夠確保這些組成部分都存在，而只需要讓預測
與可交換序列模型保持一致。
這一想法驅使我通過構建這一模型，來嘗試設計總是能夠產生可變換分布的循環神經網絡（當時Transformer 還沒有出現）。最終證明這種想法很難實現，不過這一想法最后衍生出了 BRUNO（名字取自Bruno de Finetti）這一工作。
論文地址：https://arxiv.org/pdf/1802.07535.pdf
BRUNO 是一個用于可交換數據的靈活的元訓練模型，擁有小樣本概念學習能力。這個想法后來在 Ira Korshunova 的博士論文中得到多種方式的拓展。
2）從可交換序列到混合隱馬爾可夫模型（HMM）
但GPT-3是一個語言模型，很明顯語言標記是不可交換的，所以兩者聯系是什么？
伴隨著de Finetti 型定理出現了一些引人關注的泛化成果，可交換性的概念也出現了一些有趣的擴展。Diaconis、Freedman（1980）等人定義，偏導可交換性（Partial exchangeability），指的是能確保序列可被分別為混合馬爾可夫鏈的序列分布的不變屬性。因此，可以說，使用偏導可交換過程對馬爾可夫鏈進行貝葉斯推理，與使用可交換過程對獨立同分布（I.I.D.）數據生成過程進行推理的方式非常相似。
馬騰宇等人在這篇論文中，假設使用的序列模型是混合隱馬爾可夫模型。這比 Diaconis 和Freedman 提出的偏導可交換混合馬爾可夫鏈更具泛化性。
我不知道是否混合隱馬爾可夫模型能用可交換性此類的不變性來表征，但這不打緊。實際上這篇論文根本沒有提及可交換性，其關于隱式貝葉斯推理的核心論點是：每當使用由簡單分布組成的序列模型時，可以將前一步的預測闡釋為“對一些參數隱式地進行貝葉斯推理”。雖然互聯網上人類語言的分布不太可能遵循多觀察隱馬爾可夫模型（Multi Observation Hidden Markov Model，MoHMM）分布，但假設GPT-3輸出的序列可能是混合隱馬爾可夫模型的某些部分，這種說法就是合理的。并且如果真是這樣，預測下一個標記就會對一些參數（作者所指的“概念”）隱式地進行貝葉斯推理。
3）上下文學習和隱式貝葉斯推理
這篇論文的核心思想是，也許上下文推理能夠利用這種與語言統計模型密切相關的隱式貝葉斯推理來解決問題。語言模型能夠學習隱式地對任何概念進行概率推理，因為要想在預測下一個標記的任務上表現得好，就必須進行這種推理。如果模型具備這種隱式學習能力，那它就能夠操縱這種能力去執行其他同樣需要這種推理的任務，包括小樣本分類等等。
我認為這是一個非常有意思的泛化想法。但令我稍感遺憾的是，作者聚焦的關鍵問題是特定性和人為性：雖然多觀察隱馬爾可夫模型可以用來“補全”從某個特定的隱馬爾可夫模型（混合組成部分的其中一個）中提取的序列，但如果讓多觀察隱馬爾可夫模型補全它們根本無法直接生成的序列，例如一個人為構建的嵌入了小樣本分類任務的序列，會發生什么？這就變成了一個分布不匹配的問題。
論文關鍵的發現在于，即便這種分布不匹配，多觀察隱馬爾可夫模型中的隱式推理機制也能夠識別正確的概念，并且能在小樣本任務中使用這種分布來做出正確的預測。
這一分析為嵌入序列中的上下文學習任務與多觀察隱馬爾可夫模型分布的相關性，做出了強有力的假設（具體細節請閱讀原論文）。從某種程度上來說，作者研究的上下文任務，與其說是一個分類任務，不如說是一個小樣本序列補全任務。
總而言之，這是一篇值得思考的、有意思的論文，它顯著地改變了我對整個上下文學習以及將語言模型訓練成小樣本學習工具的研究方向的思考方式。
大家怎么看？
參考鏈接：
1.https://www.inference.vc/implicit-bayesian-inference-in-sequence-models/
2.https://www.inference.vc/exchangeable-processes-via-neural-networks/
雷峰網(公眾號：雷峰網)
