人工智能的两大流派的优劣比较

近期，DeepMind发表论文，称受Marta Garnelo和 Murray Shanahan的论文“Reconciling deep learning with symbolic artificial intelligence: representing objects and relations”启发，他们提出了一种新的架构，可将目前人工智能的两大流派符号派和神经网络派相结合，并取得良好效果。但是对于如此重要的论文，在国内的主流技术论坛上竟然没有什么的解读与评论，经过了两天的研究，笔者先将我对PrediNet的一些成果发布出来，供各位参考。

人工智能的两大流派的优劣比较

人工智能主要分为符号流、神经网络、遗传等几个流派，目前是神经网络和符号流比较占上峰，但是由于几个流派间基本前提不尽相同，如何将几个流派的思想整合，一直是个比较难以解决的问题，这里简要介绍一下符号和神经网络两大流派。

符号流派认为，一组对象之间存在关系可以用符号表示，符号的组合(and, or, not，等等)，可以参与推理过程，但是在DeepMind之前，符号与逻辑推理的关系都是通过专家人工指定的，而不是通过对计算机进行训练获取相应的模型。

神经网络学派则是受到神经元之间相互连接的作用为启发，尤其是以神经网络为代表的算法，其实是先随机给予每个神经元一个权重（weights）,然后通过与最终结果的比较，不断训练得到最终的模型。

神经网络学派的优势是在海量数据处理及预测方面表现非常好，/root但是其模型复用性不强，比如识别人脸的模型只能用于训练人脸，而不能用来识别人手或者猫脸等其它特征；而符号学派的命题型结论可以推广，但是由于过于依赖人力，所以发展缓慢。

PrediNet结合两大流派思想的方式

在PrediNet引用的论文“Reconciling deep learning with symbolic artificial intelligence: representing objects and relations”提出了这样一种架构，先由Relation Network处理，其中Relation（关系）是由one-hot向量表示的，也就是每个relation都是彼此独立的，彼此不相关，比如性别中的男、女就是彼此独立的，用one-hot向量表示就是（0，1）和（1，0），而如果这时把他们放入同一维度表示为1和2，就会出现一些问题，因为1和2在数学就有倍数关系存在相关性了。如果读者不好理解，可以把relation简单理解为符号（symbol）,输入序列经过关系网络（Relation Network)的处理，输出给MLP（多层感知机），得到最终输出。

这次DeepMind提出的PrediNet方案，与之前的架构不尽相同，输入先经过CNN（卷积神经网络）处理，再由PrediNet处理，最后由MLP（多层感知机）进行输出如下图所示，读者可以把PrediNet看做是一个管道，连接在CNN和MLP之间。而实验的结果也说明，PrediNet训练完成后是可以被复用到的。

所以划重点，这次 DeepMind 提出的 PrediNet 是一种可以被神经网络派算法所使用的管道层，而且 PrediNet 这个管道层还具备一定的通用性。

PrediNet的工作原理简述

PrediNet其实是一种降维的手段，将高维数据(如图像)转换为低维的命题表示形式。这里先把论文的原文翻译一下：

PrediNet的工作分为三个阶段:注意、绑定和评估。注意阶段，其实就是使用注意力算法选取对象，绑定阶段用计算一组三个位置关系的前两个，评估阶段计算每个谓词剩余参数的值，使结果命题为真。

具体地讲，PrediNet模块由k个头组成，每个头计算对象对之间的j个关系。对于给定的输入L，每个头h使用共享权重的WS，计算相同的关系集合，但是每个头h都基于匹配键查询（key-query matching）的点积(dot-product)注意力算法，去选取对象序列的。

每个头h计算一对单独的查询Qh 1和Qh 2(通过Wh Q1和Wh Q2)，但是key space K(由WK定义)在heads之间共享。将得到的注意力掩码（attention mask）对直接应用于L，得到E1和E2，再将E1和E2由一个线性映射(Ws)到一维空间，将继续送入一个元素比较器（element-wise comparation），得到一个差分向量D, 最后，将所有k个头的输出连接起来，得到最终的向量R。向量R是表示k个头和j个关系的PrediNet模块的最终输出。

cmake --build .

这里我做一下解释，首先PrediNet将工作分配N个HEAD去完成，其中每个HEAD使用了两个独立的WQ和WQ2以及一个共享的KEY,基于匹配键查询（key-query matching）的点积(dot-product)注意力算法得到一个掩码（mask），这也就是注意阶段，然后将掩码（）mask）应用到输入L上，得到E1和E2，这也就是绑定阶段。接下来使用WS对于E1和E2将降维，送入比较器得到D，并结合所有HEAD得到最终结果。

如果要深入理解PrediNet，其实关键是要理解基于WQ（实际上是查询），WK（实际是键值）的匹配键查询的点积注意力算法（key-query matching dot-product），不过鉴于博主这种技术前沿的解读与分享阅读量一直很低，所以也就不再展开了。不过如果本篇阅读能超过520的表白秘笈（https://blog.csdn.net/BEYONDMA/article/details/90300624），那么下周我就来继续分享注意力算法的相关内容。