CV和NLP中的無監(jiān)督預(yù)訓(xùn)練(生成式BERT/iGPT和判別式SimCLR/SimCSE)

在之前的文章中講過unsupervised learning主要分為生成式和判別式，那么unsupervised pretrain自然也分為生成式和判別式。目前CV和NLP都出現(xiàn)了非常強(qiáng)大的無監(jiān)督預(yù)訓(xùn)練，并且在生成式和判別式都各有造詣，本文主要想歸納一下CV和NLP各自領(lǐng)域的生成式和判別式的代表作及設(shè)計(jì)思路。其中CV的生成式以iGPT為例，判別式以SimCLR為例；NLP的生成式以BERT為例，判別式以SimCSE為例。有意思的是，iGPT的靈感來源于BERT，而SimCSE的靈感來源于SimCLR，這充分展現(xiàn)了CV和NLP兩個方向相互哺育，相輔相成的景象。

BERT

BERT之前主要有兩種主流的無監(jiān)督預(yù)訓(xùn)練方法：feature-based和fine-tuning。

feature-based方法

之前的ELMo無監(jiān)督預(yù)訓(xùn)練屬于feature-based的方法，先獨(dú)立訓(xùn)練從左到右和從右到左的LSTM，然后將兩部分輸出conate得到的features直接應(yīng)用于下游任務(wù)。

fine-tuning方法

GPT和BERT屬于fine-tuning方法，fine-tuning方法預(yù)訓(xùn)練的features不直接應(yīng)用于下游任務(wù)，需要針對下游任務(wù)進(jìn)行fine-tuning。

GPT使用從左到右的單向Transformer進(jìn)行預(yù)訓(xùn)練，然后針對下游任務(wù)進(jìn)行fine-tuning。

BERT使用雙向Transformer進(jìn)行預(yù)訓(xùn)練，相較于GPT，更加充分的利用上下文信息，然后針對下游任務(wù)進(jìn)行fine-tuning。

Input/Output Representations

為了BERT更好的應(yīng)用于下游任務(wù)，BERT預(yù)訓(xùn)練的時(shí)候輸入可以模糊表示，比如既可以表示成單個句子也可以表示成一對句子(<Question,Answer>)。輸入的第一個token總是特指classification token [CLS]，對應(yīng)的輸出位置用來做分類任務(wù)。一對句子作為輸入時(shí)，表示成單個序列，通過特殊的token [SEP]來分開不同句子，并且對每個輸入token加上一個可學(xué)習(xí)的embedding來指示屬于句子A還是屬于句子B。如上面左圖所示，將input embedding表示為E，token [CLS]對應(yīng)的輸出向量是C，第i個input token的輸出是。

其中input embedding由Position Embeddings、Segment Embeddings和Token Embeddings三部分相加得到。Position Embeddings指示不同token的順序，Segment Embeddings指示不同token屬于哪個句子，Token Embeddings指示不同token的語義信息。

Pre-training BERT

BERT設(shè)計(jì)了兩種無監(jiān)督任務(wù)進(jìn)行預(yù)訓(xùn)練，可以更好的應(yīng)用到下游任務(wù)。

Task #1：Masked LM

為了訓(xùn)練一個深度雙向的Transformer，BERT以一定比例隨機(jī)mask掉一些輸入tokens，然后對這些masked tokens進(jìn)行預(yù)測，這個任務(wù)稱之為Masked LM(MLM)，靈感來源于完形填空任務(wù)，通過上下文預(yù)測masked的word是什么，最終BERT采用了隨機(jī)mask掉15%的輸入tokens。

雖然Masked LM任務(wù)可以獲得一個雙向的預(yù)訓(xùn)練模型，但是預(yù)訓(xùn)練和fine-tuning存在著gap，因?yàn)閒ine-tuning的時(shí)候，輸入是不存在[MASK]token的，為了緩解這種問題，實(shí)際訓(xùn)練的時(shí)候不總是采用[MASK] token來替換。其中[MASK] token有80%的概率被選中，random token有10%的概率被選中，還有10%的概率不改變token。

Task #2：Next Sentence Prediction(NSP)

很多下游任務(wù)是需要理解句子對之間的關(guān)系的，為了幫助下游任務(wù)更好的理解句子對之間的關(guān)系，BERT還設(shè)計(jì)了另一個預(yù)訓(xùn)練任務(wù)next sentence prediction(NSP)。具體的，選擇句子A和句子B作為預(yù)訓(xùn)練的輸入，有50%的概率B是A的下一個句子(標(biāo)記為IsNext)，有50%的概率B不是A的下一個句子(標(biāo)記為NotNext)，實(shí)際上就是一個二分類模型。如上面左圖所示，C被用于NSP任務(wù)進(jìn)行二分類。

iGPT

iGPT和BERT思路非常類似，只不過iGPT是在圖像上進(jìn)行的。

iGPT首先將輸入圖片resize然后reshape成1維序列。然后選擇兩種方法進(jìn)行預(yù)訓(xùn)練，其中Autoregressive的目標(biāo)是預(yù)測next pixel prediction(類似GPT單向模型)，BERT的目標(biāo)是masked pixel prediction(類似BERT的MLM任務(wù))。最后，iGPT用linear probes(直接使用feature，類似feature-based的方法)或著fine-tuning兩種方法來評估學(xué)習(xí)到的特征。

iGPT可以通過圖像的上下文信息預(yù)測出masked的pixel，跟BERT有著異曲同工之妙。

看一下iGPT的生成效果，iGPT可以通過已知的上下文內(nèi)容對缺失部分進(jìn)行補(bǔ)充，看起來非常的邏輯自洽啊，tql

SimCLR

SimCLR是一種非常簡單直接的self-supervised方法。SimCLR框架流程如下：

1.對于每張輸入圖片隨機(jī)進(jìn)行數(shù)據(jù)增強(qiáng)得到兩個不同的views，同一張圖的兩個views可以認(rèn)為是positive pair。

2.每張輸入圖片的兩個views通過相同的encoder產(chǎn)生兩個表示向量。

3.每張輸入圖片的兩個表示向量通過相同的projection head產(chǎn)生兩個最終的向量。

4.最后對一個batch得到的最終向量進(jìn)行對比學(xué)習(xí)，拉近positive pair，排斥negative pair。

對比學(xué)習(xí)的函數(shù)如下：

偽代碼如下：

一個batch有N個圖片，通過不同的數(shù)據(jù)增強(qiáng)產(chǎn)生2N個views，一個positive pair可以交換位置得到兩個loss，因此可以將一對positive pair的loss寫成positive pair交換位置的兩個loss之和的平均值，那么總的loss則是2N個views的loss的平均值。

SimCSE

看到計(jì)算機(jī)視覺的self-supervised大獲成功之后，自然語言處理也開始嘗試self-supervised。其中SimCSE的方法非常的簡單有效，在Sentence Embeddings的任務(wù)中大幅度超過之前的方法。

SimCSE名字應(yīng)該是借鑒了SimCLR。SimCSE提出了兩種方法，一種是Unsupervised SimCSE，另一種是Supervised SimCSE。

Unsupervised SimCSE的整體框架和SimCLR基本上保持一致。如圖(a)所示，將同一個句子通過兩種隨機(jī)的mask得到兩個postive pair(實(shí)線)，不同句子的mask句子是negative pair(虛線)，然后通過對比學(xué)習(xí)的方法，拉近positive pair，排斥negative pair。其中隨機(jī)mask句子其實(shí)就是句子的數(shù)據(jù)增強(qiáng)，SimCSE實(shí)驗(yàn)發(fā)現(xiàn)隨機(jī)mask掉10%效果最好。

Supervised SimCSE的positive pair和negative pair是有標(biāo)注的。其中不同句子的entailment和contradiction都是negative pair，只有相同句子的entailment是positive pair。如圖(b)所示，第一個句子跟自己的entailment是positive pair(實(shí)線)，跟其他句子的entailment/contradiction都是positive pair(虛線)。

上圖align表示positive pair拉近的能力(越小越好)，uniform表示negative pair排斥的能力(越小越好)。最終SimCSE可視化分析發(fā)現(xiàn)，Unsup. SimCSE可以得到更好的align和uniform，SimCSE通過有標(biāo)注的監(jiān)督信號，可以進(jìn)一步的提升align和uniform。

另外，SimCSE還有各種消融實(shí)驗(yàn)和可視化分析，非常精彩，建議看原文細(xì)細(xì)品味

總結(jié)

下面引用lecun的一張圖，談一談對CV和NLP中無監(jiān)督預(yù)訓(xùn)練的看法

lecun通過Low dim -> High dim、Discrete -> Continuous和Less uncertainty -> More uncertainty三個維度來表示CV和NLP中不同無監(jiān)督方法的位置。文本是離散的，不確定性低，維度低；而圖像是連續(xù)的，不確定性高，維度高。模態(tài)的不同，導(dǎo)致了無監(jiān)督的處理方式上的不同。

NLP任務(wù)因?yàn)榇_定性更高，生成式無監(jiān)督預(yù)訓(xùn)練方法可以非常好進(jìn)行預(yù)測(如BERT)，而由于CV任務(wù)不確定性更高，導(dǎo)致需要設(shè)計(jì)更自由靈活的方法，對比方法相比于生成方法自由度更高，可能更加適合CV任務(wù)作為無監(jiān)督預(yù)訓(xùn)練方法。

猜測未來NLP領(lǐng)域生成式和判別式會出現(xiàn)并存的局面，sentence級別任務(wù)傾向于使用判別式，word級別任務(wù)傾向于使用生成式。而CV領(lǐng)域判別式會占主導(dǎo)地位，一方面由于圖像是二維的，生成式計(jì)算量會更龐大，另一方面判別式的自由度會更高一些。

Reference

[1] BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

[2] Generative Pretraining from Pixels

[3] A Simple Framework for Contrastive Learning of Visual Representations

[4] SimCSE: Simple Contrastive Learning of Sentence Embeddings

[5] Self-supervised learning: The dark matter of intelligence (facebook.com)

如果覺得有用，就請分享到朋友圈吧！