3
| 本文作者： 董飛 | 2016-03-25 18:30 |
按：作者董飛，數(shù)據(jù)科學家，微信公號“董老師在硅谷”。
2016年3月7日，谷歌首席科學家，MapReduce、BigTable等系統(tǒng)的創(chuàng)造者，Jeff Dean受邀韓國大學，演講主題《大規(guī)模深度學習》，這里部分來自highscalability的文字和筆者Youtube上的聽錄。剛好演講在AlphaGo和李世石比賽之前，觀眾也問了他的預測，他只是說訓練了5個月的機器跟頂尖高手的差距不好說；還有人問道他喜歡的編程語言（C++愛恨交織，喜歡Go的簡潔，Sawzall才是真愛）；在Google作為首席一天是怎么過的（要吃好早飯，到處閑逛閑聊，找到那些每個領域專家一起攻克難題）。
如果你不理解信息中的奧秘，那么你也很難去組織它。
Jeff Dean是Google系統(tǒng)架構組院士，在講座：“大規(guī)模深度學習構建智能計算機系統(tǒng)”中提到這句和Google的使命：整合全球信息，使人人皆可訪問并從中受益。早期他們通過收集，清理，存儲，索引，匯報，檢索數(shù)據(jù)完成“整合”的工作，當Google完成這個使命，就去迎接下一個挑戰(zhàn)。
理解是什么含義？
看到這張圖，你馬上知道是小寶寶抱著泰迪熊睡覺。而看到下張街景，馬上意識到紀念品店里面有打折信息。其實直到最近，計算機才可以提取圖片中的信息。
如果想從圖像去解釋物理世界，計算機需要去選擇跟那些感興趣的點，閱讀文字并去真正理解。
像下面的文字“car parts for sale”，傳統(tǒng)的Google通過關鍵字匹配來給出結果，但更好的匹配是第二個。這是一個需求深度理解的過程，而不能停留在字面，要去做一個優(yōu)秀搜索和語言理解產(chǎn)品。
Google跟其他公司的不同是，2011年就開始Google大腦計劃，當時想通過使用神經(jīng)網(wǎng)絡來提升技術水準，但并沒有把研究做成像大學象牙塔那種，而是結合安卓，Gmail，圖片去改進產(chǎn)品解決真正問題。這對其他公司也是很好的借鑒，把研究和員工工作結合起來。
神經(jīng)網(wǎng)絡老早就開始研究，上世紀60年代發(fā)明，在80年代和90年代早期也流行過，后來又不火了。兩個原因：缺少計算能力去訓練數(shù)據(jù)模型，這樣也不能用來做更大規(guī)模的問題；2）缺少大量有效的數(shù)據(jù)集。而Google通過算法的力量，在加上他們強大的基礎架構，海量數(shù)據(jù)集創(chuàng)造了AI的絕佳溫床。
深度學習一開始從少數(shù)的產(chǎn)品組開始，一段時間后反響很好，能解決之前不能做的，就更多的團隊開始采納。使用深度學習的產(chǎn)品有：安卓，Apps，藥品發(fā)現(xiàn)，Gmail，圖片理解，地圖，自然語言，圖片，機器人，語音翻譯等。
深度學習能應用到很多領域原因是那些通用模塊：語音，文字，搜索詞，圖片，視頻，標簽，實體，短語，音頻特性。輸入一類信息，決定你想要的輸出，收集訓練數(shù)據(jù)作為你想要計算的潛在函數(shù)，然后就放手不管了。
模型很贊的原因是因為灌了很多原始形式的數(shù)據(jù)。你不需要教工程師很多特征點，模型的力量在于從觀察一些例子就能自動識別數(shù)據(jù)中的有用信息。
神經(jīng)網(wǎng)絡就是一些從數(shù)據(jù)提煉的復雜函數(shù)。從一個空間輸入在轉化為另一個空間的輸出。
這里的函數(shù)不是像平方，而是真正復雜的函數(shù)。當你給出一些原始像素，比如貓，而輸出就是對象的類別。
深度學習中的“深度”指的是 神經(jīng)網(wǎng)絡中的層數(shù)。這個系統(tǒng)的良好性質是一組簡單的可以訓練的數(shù)學函數(shù)集合。深度神經(jīng)網(wǎng)絡適用于很多機器學習風格。
比如你給輸入一張貓的圖片，輸出是人工標記的貓圖片，這是監(jiān)督學習。你把很多這樣監(jiān)督樣本給系統(tǒng)，讓它去學習近似的函數(shù)，如同從監(jiān)督樣本中觀察出來的。
還有一種是非監(jiān)督學習，給出一個圖片，你也不知道里面是啥，系統(tǒng)可以學習去尋找在很多圖片中出現(xiàn)的模式。這樣即使不認識圖片，它也能識別所有的圖片中都有一只貓。
增強學習也適用，這也是AlphaGo用到的技術。
深度網(wǎng)絡模型是類似于大腦行為的原理。但不是具體模擬神經(jīng)元如何工作。而是一種簡單抽象的神經(jīng)元版本。
神經(jīng)元有一組輸入。真正神經(jīng)元會有不同的強度的輸入。在人工智能網(wǎng)中試圖去學習到這些邊上的權重，去加強不同輸入的聯(lián)系。真正神經(jīng)元通過輸入和強度的組合去決定要不要生成脈沖。
人工神經(jīng)元不會產(chǎn)生脈沖，但會生成一個數(shù)值。神經(jīng)元的函數(shù)就是通過非線性函數(shù)計算輸入的加權乘以權重之和。
典型的非線性函數(shù)就是整形線性單元（max(0, x))，在90年代很多非線性函數(shù)是很平緩的sigmoid()函數(shù)或者tanh()函數(shù)。但對于神經(jīng)元來說產(chǎn)生的數(shù)值是不是更接近0對優(yōu)化系統(tǒng)更有利。比如如果神經(jīng)元有3個輸入 X1, X1, X3，權重分別是 -0.21, 0.3, 0.7,計算就是
y = max(0, -.0.21*x1 + 0.3*x2 + 0.7*x3)。
為了決定圖片到底是貓還是狗，這個圖片要經(jīng)過很多層。這些神經(jīng)元根據(jù)輸入來產(chǎn)生下一步。
最低層的神經(jīng)元會查看像素的小塊。更高層的神經(jīng)元會看下層神經(jīng)元的輸出再決定是否生產(chǎn)。
這個模型也會錯，比如說這里是貓，但事實上是狗。那么做錯誤決定的信號就會返回到系統(tǒng)中做調整，讓剩余的模型在下一次查看圖片時候，更可能輸出狗。這就是神經(jīng)網(wǎng)絡的目標，通過模型小步調整邊的權重讓它更可能去得到正確答案。你可以通過所有樣本去聚合，這樣可以降低錯誤率。
學習算法其實比較簡單，如下：
選擇隨機訓練樣本“（輸入，標簽）”，比如上面貓圖和想要的輸出標簽，‘貓’
運行神經(jīng)網(wǎng)絡，在輸入上去查看它產(chǎn)生的。
調整邊的權重讓最后輸出更接近于“標簽”上的。
如何調整邊的權重去保障輸出更接近于標簽呢？
反向傳播：積分的鏈式規(guī)則在決定高層神經(jīng)網(wǎng)絡中使用，如果選擇是貓而不是狗呢？得想辦法去調整高層的權重去讓它更可以決定是“狗”。
根據(jù)箭頭方向和權重去讓它更可能說是狗。不要步子邁得太大因為這種表面很復雜，微調一小步讓它下次更可能給出狗的結果。通過很多迭代以及查看例子，結果更可能會是狗。通過這個鏈式法則去理解底層參數(shù)改變是如何影響到輸出的。說白了就是網(wǎng)絡變化回路反饋到輸入，使得整個模型更適應去選擇“狗”。
權重的微調
真正神經(jīng)網(wǎng)絡通過億級的參數(shù)在億級的維度做調整，去理解輸出網(wǎng)絡。Google目前有能力如何快速搭建和訓練這些海量數(shù)據(jù)上的模型，去解決實際問題，在快速去不同廣泛的平臺去部署生產(chǎn)模型（手機，傳感器，云端等）。
這就是說神經(jīng)網(wǎng)絡可以用在很多不同問題上。
文本：萬億級別的英文和其他語言資料。從一個語言翻譯到另一個，從短語到整句。
虛擬化數(shù)據(jù)：十億級別的圖譜，視頻。
語音：每天都產(chǎn)生萬小時的資料。
用戶行為： 很多應用產(chǎn)生數(shù)據(jù)。比如搜索引擎的查詢，用戶在email中標記垃圾。這些都可以學習并搭建智能系統(tǒng)。
知識圖譜：十億級別的標簽化關系元組。
如果吸收更多數(shù)據(jù)，讓模型變大，結果也更好。
如果你輸入更多數(shù)據(jù)，但沒有把模型變大，模型的能力就會受限在一些數(shù)據(jù)集中的明顯特征。通過增加模型的規(guī)模，讓它不僅記住明顯的，還有一些也許出現(xiàn)很少的細微特征。
通過更大的模型，更多數(shù)據(jù)，計算需求也更大。Google很多精力花在如何提升計算量，訓練更大的模型。
1、語音識別
第一個部署深度神經(jīng)網(wǎng)絡的小組。
他們實現(xiàn)的新模型基于神經(jīng)網(wǎng)絡而不是隱馬爾可夫模型。這個問題是把從150毫秒的語音去預測中間10毫秒吞掉的聲音。比如到底是ba還是ka的聲音。你得到一個預測的序列，再通過語言模型去理解用戶所說。
一開始的版本就把識別錯誤率降低了30%，確實非常厲害。
后來就研究一些復雜模型去加強網(wǎng)絡，進一步降低錯誤率?，F(xiàn)在當你對著電話說話，語音識別比五年前強多了。
2、ImageNet挑戰(zhàn)
ImageNet是6年前公布的。里面有100萬張圖片，算是計算機視覺領域最大的。圖片中包含1000種不同分類，每一類有1000張圖片。比如里面有上千張不同的豹子，摩托車等，一個麻煩的是不是所有的標簽都是對的。
在神經(jīng)網(wǎng)絡使用之前，最好的錯誤記錄是26%，2014年 Google錯誤率暴降到6.66%取得冠軍，然后到了2015年錯誤率下降到3.46%。這是什么概念，大家注意到Andrej人類的錯誤率也有5.1%（他還是花了24小時訓練后的結果）。
總之這是個又大又深的模型，每個盒子就像神經(jīng)元的一層去進行卷積操作。
3、圖片類別識別
計算機在花卉識別上很強大，這是非常好的模型，能夠識別細微差別。
一般的效果，比如在菜品識別。
計算機也有犯錯的時候，關于錯誤敏感性看一看上面的，比如左邊鼻涕蟲當成蛇，右邊也不知道是什么鬼。
4、Google圖片搜索
就是理解圖片中像素的能力，Google圖片團隊開發(fā)了不用標簽就可以搜索圖片的功能。比如你可以去找雕像，素描，水，而不需提前標注。
5、街景圖像
在街景中如何識別里面的文字。首先要找到文字部分，模型能夠去有效預測像素中熱點圖，那些含有文字的像素點。訓練的數(shù)據(jù)就是包含文字劃分的多邊形。
因為訓練數(shù)據(jù)中包括不同的字符集，這樣在多語言下也沒問題。也要考慮大小字體，遠近，不同顏色。訓練的模型相對容易，就是卷積神經(jīng)網(wǎng)絡嘗試去預測每個像素是否包括文字。
6、Google搜索排名中RankBrain
RankBrain 2015年啟動，在搜索排名（前100位排第三），里面難點是搜索排序需要了解模型，要理解為什么要做某個決定。當系統(tǒng)發(fā)生錯誤為什么做那個。
調試工具準備好，需要足夠的理解能力嵌入模型，去避免主觀。總體上是不想手工調參數(shù)。你需要嘗試理解模型中的預測，去理解訓練數(shù)據(jù)是否相關，是否跟問題無關？你需要訓練數(shù)據(jù)并應用到別的上面。通過搜索查詢的分布你能得到每天的變化，事件發(fā)生后改變也隨時發(fā)生。你要看分布是否穩(wěn)定，比如語音識別，一般人不會改變音色。當查詢和文檔內容頻繁變化，你要保證模型是新的。我們要搭建通用工具去理解神經(jīng)網(wǎng)絡里面發(fā)生了什么，解釋什么導致這個預測。
序列模型
很多問題都可以映射到從一個序列到另一個序列的規(guī)律。比如語言翻譯，從英語翻譯到法語，就是把英語的序列單詞轉化到法語序列單詞。
神經(jīng)網(wǎng)絡在學習復雜函數(shù)時特別有用，這個模型學習從英文到法文的句子。句子以單詞為單位，以結束符作為信號。訓練模型在遇到結束符時開始產(chǎn)生另一個語言的對應句子。而模型函數(shù)就是把語言中語句對作為訓練數(shù)據(jù)。
每一步都在詞典表中的單詞產(chǎn)生概率分布。在推理時候通過一些搜索來實現(xiàn)，如果你最大化每個單詞的概率，這樣找的不是最可能的句子。直到找到最大可能的句子找到才結束搜索。
這個系統(tǒng)在公開翻譯系統(tǒng)中表現(xiàn)出色。大多數(shù)其他翻譯系統(tǒng)需要手工編碼或機器學習的模型只是在一小部分使用，而不是像這種整體的端到端的學習系統(tǒng)。
這些領域都是可以歸到序列類的方法。
7、智能回復
智能回復是另一個序列類的例子。在手機上你如何更快回復郵件，打字很累。
Gmail組開發(fā)了一個系統(tǒng)能夠去預測郵件回復。第一步就是訓練小量模型去預測如果消息是某一類的，如何做簡短回復。如果是一個更大，計算能力更強的模型會把消息作為一個序列，嘗試預測序列的反應詞。比如對于感恩節(jié)邀請，最可能的三個答復是“算上我們”，“我們會去的”，“對不起，我們有事沒發(fā)去”
8、看圖說話
把之前開發(fā)的圖片模型與序列類模型結合一起。圖片模型作為輸入。這里就不是閱讀英文句子了，而是看圖片的像素。
接下來就是訓練生成字幕。訓練集有5個由不同的人寫的不同的字幕?？偣?00萬圖片，70萬條語句。效果如下
兩個模型翻譯的都不錯：1）一個小孩緊緊的抱住毛絨玩具；2）一個寶寶在泰迪熊旁邊睡著了。
上面是一些好玩的出錯語句，為啥會錯，其實你自己看了也明白。
9、機器視覺和翻譯結合
翻譯團隊寫了一個app，使用計算機視覺來識別鏡頭中文字，再翻譯成文本，最后再圖片本身覆蓋翻譯好的文字。模型足夠小可以運行在所有設備上。
直接在手機上跑一些模型中的重要方法。智能化將轉移到設備端，這樣不會依賴遠程云端的大腦。
研究上的努力和成果轉化
Google 非常在乎研究轉化效率。就是要快速訓練模型，理解那些做的好的和不好的，再想下一步實驗。模型應該再分鐘或者小時，而不是幾天或者幾周。這樣讓每個人都做研究更高效。
機器學習發(fā)展會更好，更快。Jeff說機器學習社區(qū)發(fā)展得特別快。人們發(fā)布了一篇論文，一周內就有很多研究小組跟進，下載閱讀，理解實現(xiàn)，再發(fā)布他們自己的擴展。這跟以前的計算機期刊投稿完全不同，等6個月才知道是否被接收，然后再過3個月最后發(fā)表。而現(xiàn)在把時間從一年壓縮到一周，真不得了。
如何快速訓練大量模型
模型的并行化
神經(jīng)網(wǎng)絡有很多固有的并行化，所有不同的神經(jīng)元與其他的也是保持獨立，特別本地接納的，神經(jīng)元僅僅接受一小部分比它更低的神經(jīng)元作為輸入。
在不同的GPU上和不同機器上可以做并行。只有邊界上的數(shù)據(jù)需要通信。
數(shù)據(jù)并行化
優(yōu)化的模型參數(shù)集不應該在一臺機器上或者一臺中心服務器上，應該有多個模型拷貝，這樣協(xié)作區(qū)優(yōu)化參數(shù)。
在訓練過程中讀取數(shù)據(jù)的不同隨機部分。每一個拷貝在模型中獲取當前的參數(shù)集，讀取在當前梯度下的一點數(shù)據(jù)，找到想要的參數(shù)調整，在發(fā)送調整到中心的參數(shù)服務器中。這個參數(shù)服務器會對參數(shù)做調整。整個過程重復，這個也會在很多拷貝中進行。有些使用500份在500臺不同機器上的拷貝，為了快速優(yōu)化參數(shù)并處理大量數(shù)據(jù)。
一種方式是異步的，每一個都有自己的循環(huán)，取得參數(shù)，計算梯度，發(fā)送它們，不需要任何控制和跟其他的同步，不好的是當梯度返回到參數(shù)可能在計算結束后都被移走了。對有些例子可能有50到100的拷貝。還有一種是同步，一個控制器控制所有的拷貝。
在過去的幾年間，我們已經(jīng)建立了兩代用于訓練和部署神經(jīng)網(wǎng)絡的計算機系統(tǒng)，并且將這些系統(tǒng)應用于解決很多在傳統(tǒng)上來說對計算機而言很難的問題。我們對許多這些領域的最新技術做了很大的改進。
第一代系統(tǒng)DistBeliet在可擴縮性上表現(xiàn)很好，但在用于研究時靈活性達不到預期。對問題空間的更深理解讓我們可以做出一些大幅度的簡化。
這也是第二代系統(tǒng)的研發(fā)動機，用 TensorFlow 表達高層次的機器學習計算。它是C++語言編寫的核心，冗余少。而不同的前端，現(xiàn)有Python和C++前端，添加其他語言的前端也不是難題。
計算可以用一張數(shù)據(jù)流圖來理解。
我們輸入數(shù)據(jù)、權重、誤差以及標簽，在不同節(jié)點進行不同的運算。
TensorFlow名字的意義
Tensor（張量）意味著N維數(shù)組。1維時就是向量，2維時就是矩陣；通過圖像可以代表更高維的數(shù)據(jù)流，比如，圖像可以用三維張量（行，列，顏色）來表示。
Flow（流）意味著基于數(shù)據(jù)流圖的計算。有許多運算（圖中的節(jié)點）應用在數(shù)據(jù)流上。
張量從圖象的一端流動到另一端，這就是“TensorFlow”?！斑叀贝韽埩浚〝?shù)據(jù)），節(jié)點代表運算處理。
這是使用張量計算的示意圖。
這是使用狀態(tài)計算的示意圖。
這是使用分布式計算的示意圖。
它能夠在各個平臺上自動運行模型：電話上，單個機器上（CPU或GPU），由成百上千的GPU卡組成的的分布式系統(tǒng)。
如果你還沒想通過深度學習網(wǎng)絡去解決你的數(shù)據(jù)問題，你還是要趕緊考慮。TensorFlow 讓每個人更容易獲取深度學習能力。
高度擴展的設計，更快的實驗速度加速研究進程
容易分享模型，開發(fā)代碼應用到可重用的效果
通過同一個系統(tǒng)把研究工作直接用于生產(chǎn)環(huán)境
最后說一些quora上大家給Jeff Dean大神編的段子，供君一樂：
Jeff Dean當初面試Google時，被問到“如果P=NP能夠推導出哪些結論”，Jeff回答說：“P = 0或者N = 1”。而在面試官還沒笑完的時候，Jeff檢查了一下Google的公鑰，然后在黑板上寫下了私鑰。
編譯器從不警告Jeff Dean，只有Jeff警告編譯器。
Jeff Dean的編碼速度在2000年底提高了約40倍，因為他換了USB2.0的鍵盤。
Jeff Dean被迫發(fā)明了異步API因為有一天他把一個函數(shù)優(yōu)化到在調用前就返回結果了。
Jeff Dean曾經(jīng)寫過一個O(n2)算法，那是為了解決旅行商問題。
Jeff Dean的鍵盤只有兩個鍵，1和0。
Jeff Dean失眠的時候，就Mapreduce羊。
參考文章：Jeff Dean on Large-Scale Deep Learning at Google。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
