观点 | 对比梯度下降与进化策略，神经进化会成为深度学习的未来吗？

选自towardsdatascience

作者：Lars Hulstaert

机器之心编译

参与：李舒阳

今年 OpenAI 和 Uber 都发布了关于进化策略的文章，它们的研究表明进化策略在监督学习场景中可获得令人满意的效果，在强化学习场景中表现出高性能（在某些领域可以与目前最先进水平比肩）。那么神经进化会成为深度学习的未来吗？来自微软的 Lars Hulstaert 撰文介绍了自己的观点，同时介绍了梯度下降和神经进化及其区别。

2017 年 3 月，OpenAI 发布了一篇关于进化策略的博文。进化策略作为一种优化手段，已有几十年历史，而 OpenAI 论文的新颖之处在于使用进化策略优化强化学习（RL）问题中的深度神经网络。在此之前，深度学习 RL 模型（往往有数百万个参数）的优化通常采用反向传播。用进化策略优化深度神经网络（DNN）的做法可能为深度学习研究者开启了新的大门。

Uber AI Research 上周发布了五篇论文，主题均为「神经进化」。神经进化是指用进化算法对神经网络进行优化。研究者认为，遗传算法是强化学习问题中训练深度神经网络的有效方法，在某些领域的训练效果超过了传统的 RL 方法。

神经进化与自然进化的关系就像飞机与鸟的关系。神经进化从自然中借用了一些基本概念，神经网络和飞机也是如此。

概览

这是否意味着，在不久的将来，有监督、无监督和 RL 应用中的所有 DNN 都会采用神经进化的方法来优化呢？神经进化是深度学习的未来吗？神经进化究竟是什么？本文将走近神经进化算法，并与传统的反向传播算法做个比较。同时，我也会尝试回答上述问题，摆正神经进化算法在整个 DL 领域中的位置。

我们先从表述优化问题开始，优化问题是反向传播和神经进化试图解决的核心问题。此外，我也将对监督学习和强化学习的区别作出清晰的界定。

接下来，我会讨论反向传播及其与神经进化的关系。鉴于 OpenAI 和 Uber AI Research 都刚刚发布有关神经进化的论文，大量疑问会涌现出来。好在深度学习神经进化尚处于研究早期，算法的机制还比较容易理解。

优化问题

我在之前的博文中提过，机器学习模型的本质是函数逼近器。无论是分类、回归还是强化学习，最终目标基本都是要找到一个函数，从输入数据映射到输出数据。我们用训练数据来推断参数和超参数，用测试数据来验证近似函数是否适用于新数据。

输入可以是人为定义的特征或者原始数据（图像、文本等），输出可以是分类问题中的类或标签、回归问题中的数值，或者强化学习中的操作。本文限定函数逼近器的类型为深度学习网络（讨论结果也适用于其他模型），因此需要推断的参数是网络中的权重和偏差。「在训练数据和测试数据上表现良好」可以用客观指标来衡量，例如分类问题中的对数损失，回归问题中的均方差（MSE）和强化学习问题中的奖励。

核心问题是找到合适的参数设置，使损失最小或者奖励最大。简单嘛！把需要优化的目标（损失或奖励）看作网络参数的函数，微调参数使优化目标达到最大或最小值就好了。

举两个可视化的例子。第一个是抛物线，x 轴表示模型的单一参数，y 轴表示（测试数据上的）优化目标。

第二个例子见下图，x 轴和 y 轴分别表示模型的两个参数，z 轴表示（测试数据上的）优化目标。

实际上，「优化曲面」是很难画出来的，因为深度学习网络中的参数数量庞大，而且是非线性组合，不过与简单曲面的思路相通。实际中的优化曲面往往高维且复杂，有很多丘陵、山谷和洼地。

现在的目标是找到一种优化技术，让我们穿越优化曲面，抵达最大或最小位置。注意，优化曲面的大小和形状与参数数量有关，不管采用连续还是离散参数，我们都不可能探索完所有的参数取值。于是问题变成了：随机给定优化曲面上的一个起点，找到绝对最小或最大值。

深度神经网络是很好的函数逼近器（甚至在一定程度上是通用函数逼近器），但它们依然很难优化，也就是说，很难在「优化曲面」上找到全局最小或最大值。下一节将讨论怎样用梯度下降和神经进化方法求解。

梯度下降

梯度下降（反向传播）的一般思想已经存在几十年了。有了丰富的数据、强大的计算力和创新的构思，梯度下降已成为深度学习模型参数优化的主要技术。

梯度下降的总体思路如下：

- 假设你在法国巴黎，要去德国柏林。这时候欧洲就是优化曲面，巴黎是随机的起点，柏林是最大或最小值的所在位置。

- 由于没有地图，你随机问陌生人去柏林的方向。有的人知道柏林在哪儿，有的人不知道，尽管多数时候你的方向正确，有时也可能走错方向。不过，只要指对路的陌生人比指错路的多，你应该能到达柏林（即，随机梯度下降或小批量梯度下降）。

- 按陌生人指的方向走 5 英里（步长或学习速率）。重复执行，直到你认为已经足够靠近德国。可能这时候你刚刚进入德国国境，离柏林还远（局部最优）。你没法确认有没有到达目的地，只能根据周边环境（测试损失或奖励）来估计。

梯度下降：无地图暴走欧洲

回到之前的两个例子，想象在抛物线和更复杂曲面上的梯度下降情况。梯度下降的本质是在优化曲面上走下坡路。如果是抛物线，很简单，只要沿着曲线向下走就行。但如果学习速率太大，可能永远到不了最小值的位置。

恰当选取步长的重要性（图片来自康奈尔大学课程）

第二个例子的情况更为复杂。要越过几个山丘和山谷才能到达最低点。为了避免陷入局部最优，梯度下降法的几个变种（如 ADAM）尝试模仿物理现象，例如有动量的球沿曲面滚下。

梯度下降法的路径示例。注意，如果超参数选取不当，可能陷入起点附近的局部极小值。

十分推荐这篇关于梯度下降法变种的博文（http://ruder.io/optimizing-gradient-descent/index.html#fn:15）。文中清楚地阐释了不同变种方法的区别以及适用的问题。优化问题中通常含有多个局部最优、障碍物和多条路径，不同的变种方法通常可以解决部分（或全部）疑难杂症。目前，ADAM 优化器似乎是最有影响力的一种。

梯度下降的关键是计算合适的梯度，推动你向好的解决方案迈进。在监督学习中，通过标注数据集可以较轻松地获取「高质量梯度」。然而在强化学习中，你只有稀疏的奖励，毕竟随机的初始行为不会带来高回报，而奖励只有在几次动作之后才会出现。总之，分类和回归问题中的损失可以较好地代表需要近似的函数，而强化学习中的奖励往往不是好的代表。

正由于强化学习中的梯度难以保证质量，Uber 和 OpenAI 最近采用进化算法来改善强化学习效果。

神经进化

神经进化、遗传算法和进化策略均围绕着遗传进化的概念展开。

对 DNN 做遗传优化，要从初始的模型群体（population）开始。通常，先随机初始化一个模型（和平常的做法一样），再由初始模型获得多个后代（offspring），即在模型参数上叠加小的随机向量，这些向量采样自简单的高斯分布。如此可以产生位于优化曲面上某处的模型群。注意，遗传优化与梯度下降的第一个重要区别就在于，遗传优化开始（并持续作用）于一群模型，而不是单个（点）模型。

有了原始模型群体，就进入遗传优化周期（genetic optimisation cycle）。下面将介绍进化策略（ES）背景下的遗传优化。选择进化策略还是遗传算法，执行遗传优化的方式略有不同。

遗传优化概览

首先进行适应度评估（fitness evaluation）。检查模型位于优化曲面上的哪些位置，判断哪些模型的效果最佳（例如，适应度最高）。仅仅因为初始化方式不同，有些模型就已经鹤立鸡群了。

然后，根据适应度来选择模型（selection）。进化策略中，（伪）后代缩减为单一的模型，通过适应度评估来设置权重。而对于 DNN，适应度定义为损失或奖励。相当于，你在优化曲面上漫游，通过选择合适的后代模型，走到正确的方向上。注意，这是遗传优化与梯度下降的第二个重要区别：你不计算梯度，而是设置多根「天线」去探索方向，朝看起来最好的方向前进。这种方法有点类似于「结构化随机森林」搜索。模型选择阶段的最终结果是选出一个模型。

接下来执行复制与组合（reproduction and combination）。与初始阶段类似，对模型选择阶段选出的「最优」（prime）模型，通过复制与组合操作衍生出一组新的后代，这组后代再进入前述的遗传优化周期。

遗传优化中通常也采用突变（mutation）来提升后代的多样性，一种突变是改变后代的产生方式（例如，对不同参数选取不同的噪声水平）。

ES 的一个优点是，对群体中不同模型的适应度评估可以在不同的核上计算（核外计算）。适应度评估之后，唯一需要共享的信息是模型性能（一个标量值）和用于生成模型的随机种子值。于是，再也不需要与所有机器共享整个网络的参数了。OpenAI 和 Uber 都使用了成百上千台机器进行实验。随着云计算的兴起，这些实验的规模化将十分容易，仅仅受限于计算力。

下图反映了 ES 和梯度下降的两大区别。ES 在穿越优化曲面时采用多个模型，不计算梯度，而是对不同模型的性能取平均。Uber 研究显示，相比于优化单个模型，优化模型群体的方法具有更高的鲁棒性，并表现出与贝叶斯方法优化 DNN 的相似性。

神经进化：组团游欧洲

强烈推荐大家看一下这篇 Uber 博文。文章中的插图生动表现了如何用 ES 规避梯度下降中遇到的一些问题（例如，陷入局部最优）。本质上讲，进化策略执行的是梯度逼近。能够计算真实梯度的问题中，采用真实梯度固然好，而只能计算较差的梯度近似值并且需要探索优化曲面（例如强化学习问题）时，进化策略可能更有希望。

结论

OpenAI 和 Uber 的研究人员表明，由于具有「梯度逼近」特性，进化策略在监督学习场景中可获得令人满意的效果（但并未超越目前最先进水平），在强化学习场景中表现出高性能（在某些领域可以与目前最先进水平比肩）。

神经进化会成为深度学习的未来吗？很可能不会，但我相信，它在诸如强化学习场景之类的高难度优化问题中会大展拳脚。并且，我相信神经进化和梯度下降方法的结合会显著提升强化学习的性能。不过，神经进化的一个缺点是模型群体的训练需要大量计算，对计算力的要求可能会限制这一技术的广泛传播。

有了顶尖研究团队的关注，我对神经进化的未来发展很是期待！

原文链接：https://towardsdatascience.com/gradient-descent-vs-neuroevolution-f907dace010f

本文为机器之心编译，转载请联系本公众号获得授权。