2022李宏毅第14讲---机器终身学习（Life Long Learning）

1.终身学习概述：不断的学习新任务

1.1 终身学习的几种称呼：
Life Long Learning(LLL)
Continuous Learning
Never Ending Learning
Incremental(增长的，增加的) Learning

1.2 Life Long Learning 在现实世界的应用

用标记好的数据训练出模型Model（old task），模型上线，不断在线上收集资料，用收集的资料更新模型Model（New task），循环进行，这本质上就是LLL问题

1.3 LLL难点：

终身学习中指的学习不同任务不是说先语音后图像这种，每个任务相差都不大，就如上图所示，只是一个有杂质一个没有杂质，模型在task1上训练后，在task1可以达到90%，去预测task2可以达到96%，而把在task1上训练好的模型再接着用task2的数据训练，结果在task2上准确率变高了，在task1上反而会降低，也就是说对已经学习到的技能会产生遗忘

把两个任务的数据同时混到一起然后训练模型，而不是先用task1的数据训练再用task2的数据训练，会表明其实该模型结构有能力把两个任务都学好

corpus n.文集，文献，语料库
让机器对这20个问答任务依次学习

左图是让机器依次学习20个任务，然后学完一个任务就测一下在task5上面的准确率，会发现学习task5之前准确率为0，学习完task5之后准确率达到1，而后学习完其他task后准确率又会暴跌。
右图是把二十个任务的数据放到一起，让机器一起学习，然后测模型在不同task上的准确率，task19可能比较难，机器没有学会，但是也能证明机器是有能力学习这些任务的

总结：
LLL的难点是机器明明有能力学习多个任务，但是按序学习就会对前面的任务遗忘->是不为也，非不能也->catastrophic forgetting

1.4 怎么让机器可以依序学习多个任务而不产生这种灾难性任务？

有的人可能会说前面举的例子中把两个task的数据放到一起训练就可以同时学会两个task了，那也可以继续用这种方式去解决多任务学习问题。
首先这种训练方式称为Multi-task training，如果当任务很多时，比如已经学会了999个任务，现在要学习第1000个任务，那就需要把1000个任务的数据都拿去训练，一个是存储会有问题，一个是计算能力的问题，训练时间会很长。
所以Multi-task training can be considered as the upper bound of LLL，也就是说这种方式的结果会被视为LLL的上限，在研究LLL的时候会先跑一个Multi-task看上限在哪里，然后看自己的方法产生的结果能不能逼近这个上限。

1.5 为什么不让一个模型就学习一个任务，而是要让一个模型学习多个任务？
如果是让一个模型学习一个任务，那实现一个功能多样的机器人就会面临下面这两个问题：
（1）最终没有足够的空间存储所有模型
（2）不同的任务之间不能够互通有无，没法从别的任务里面学到在单一任务中没法学到的知识

1.6 终身学习和迁移学习的关注点不同：
二者虽然都是让机器去学习多个任务，但是关注点不一样，迁移学习里在意的是机器在task1上学到的技能能不能对task2有帮助，所以只看在task2上机器做的好不好，终身学习关注的是机器学完task2后还能不能解决task1
也就是说迁移学习是关注新任务做的怎么样，终身学习是关注旧任务做的怎么样

1.7 LLL的几个评估指标：

permutation是比较难的任务，从task2开始就是用不同的规则对task1的每一张图进行打乱
也可以选择让task1中的每张图片做不同角度的旋转然后充当后续的一系列任务
下面的任务序列比较简单，直接切分数字，然后在不同的task中分类，其实可以看成分奇偶

先随机初始化一个参数，测在不同任务上的accuracy，然后每次学完一个新task，测在不同task上的accuracy
i>j时是看有没有遗忘过去的任务，比如R4,1就是看学完4个task后有没有遗忘task1
i<j时是看能不能无师自通，比如R1,4就是看学完task1后能不能解决task4
评估指标有三个：
(1) accuracy是最后一行取平均值
(2) backward transfer是蓝色箭头指向的相减，R1,1就是刚学完task1时在task1上效果怎么样，RT,1是学完所有任务时在task1上效果怎么样，是衡量遗忘程度，这两个值相减的结果一般会是负的

(3) forward transfer是看没有接触这个task之前模型能学到什么程度，RT-1,T减R0,T是只学了前面T-1个任务，没有学task T时，这个时候在taskT上测试，与最初的随机初始化的模型相比，在taskT上有多大的提升

1.8 产生catastrophic forget的原因：
假设模型只有两个参数，颜色代表LOSS，越偏蓝色LOSS越小，越偏白色LOSS越大。在task1初始化一个参数θ0，利用梯度下降确认参数θb，然后保持这个参数不变用task2的数据训练跑到θ*的位置，这个位置对于task1来说，LOSS就会增大，也就是产生了forget，解决办法是限制参数移动方向，因为task2中明显在一个范围内的参数都可以保持低水平LOSS，可以找到一个位置使task1和task2的LOSS都可以接受

2.几种catastrophic forget的可能解法：

2.1 Selective Synaptic Plasticity: 只让网络中某些神经元或者某些神经元之间的连接具有可塑性，其余参数固化，该方法也称为Regularization-based Approach
每一个参数对学习完的任务的重要程度是不一样的，学习新任务时，对旧任务比较重要的参数最好保持不变，只去改对旧任务不重要的参数

θb是前面的任务训练出来的最终参数，给θb中的每个参数都配一个“守卫”bi是表示这个参数对旧任务的重要程度的

只需要bi大的新旧参数接近

bi=0相当于没做限制，就会造成灾难性遗忘
bi=∞新旧参数就会总保持一致使差值为0，不会忘记旧任务，但是没法学好新的任务，因为学习过程中参数几乎不变
bi是人为设定的，怎么确定这个bi该设置的大一点还是小一点

在θ1方向上移动，LOSS变化很小，说明θ1不重要，所以可以把b1设置的小一点
在θ2方向上移动，LOSS变化很大，说明θ2很重要，b2就设置的大一点，在学习新任务的时候就不要动θ2

b1设置的小，b2设置的大以后，在task2上训练时就会让它尽量在θ1方向移动，在θ2方向尽量不动，学习完的参数放到task1上也会得到一个可以接受的效果

横轴是一次训练各个任务的时间
纵轴是每个任务的准确率
蓝线是bi=0，也就是对参数不做限制，可以看到在taskA表现好，学完taskB就会对taskA遗忘，学完taskC时对taskA遗忘的更多，也就是会造成灾难性遗忘
绿线是bi=1，也就是所有的参数重要性假设一致，遗忘程度下降，但是很难学习新的任务
红线是按重要性给bi赋值，几乎不会遗忘，但是在学习新任务时没有不做限制（bi=0）在新任务上表现好

可以看这几个去学习怎么用不同的方法算bi
2.2 Gradient Episodic Memory(GEM)

GEM不是在参数上做限制，是在梯度更新的方向上做限制，红色虚线是在新任务上的梯度更新方向，绿色是如果还在旧任务上接着训练的梯度更新方向，然后对红色虚线做一些修正，用红色实线做最后的梯度更新方向
缺陷：需要存旧任务的数据才能算在旧任务上的梯度更新方向，LLL追求的是不保存旧任务的数据

2.3 Additional Neural Resource Allocation:
改变一下分配在不同任务上的神经网络资源
2.3.1 Progressive Neural Networks

训练task2的重新建立一个模型，然后用task1的最终参数做task2的初始参数，不去动task1的模型，从而在task1上的效果也不会有大变化，训练task3的时候再开一个模型，用task1和task2的最终参数做task3的初始参数
缺陷：任务多的时候，存所有模型会耗费内存
2.3.2 PackNet

与上一个方法想反，每一个圆圈代表一个参数位置，一开始创建一个大的网络，每个任务只分配一定量的参数位置，这样旧任务的参数就不会改变
2.3.3 Compacting,Picking,and Growing(CPG)

CPG就是Progressive Neural Networks和PackNet的结合，每一次既可以新增参数，又会只分配一部分参数给新任务做训练

2.4 Memory Reply

用一个模型去生成数据，假设是模型A
训练task1的时候用task1的数据训练出一个模型B，同时用模型A生成一份属于task1的数据dataset-task1
训练task2的时候用task2的数据加dataset-task1,在B的基础上训练出模型C，同时用模型A生成属于task1和task2的数据dataset-task1&2，依此类推
实验证明Generating Data可以接近LLL的上限，也就是可以接近Multi-task training的结果

如果不同的任务分类的class逐渐增多怎么办可以看上面的两个文献
LLL一共有三种情景，今天讲的是最简单的一种情景，剩下的可以看链接

上图表明不同的task学习顺序也会对效果造成影响