[[192056]]

深度學(xué)習(xí)的核心問題就是一個非常難的優(yōu)化問題。所以在神經(jīng)網(wǎng)絡(luò)引入后的幾十年間，深度神經(jīng)網(wǎng)絡(luò)的優(yōu)化問題的困難性是阻礙它們成為主流的一個重要因素。并導(dǎo)致了它們在20世紀(jì)90年代到21世紀(jì)初期間的衰落。不過現(xiàn)在已經(jīng)基本解決了這個問題。在本篇博文中，我會探討優(yōu)化神經(jīng)網(wǎng)絡(luò)的“困難性”，以及理論上是怎么解釋這個問題的。簡而言之：神經(jīng)網(wǎng)絡(luò)變得越深，優(yōu)化問題就會變得越難。

最簡單的神經(jīng)網(wǎng)絡(luò)是單節(jié)點感知器，其優(yōu)化問題是凸問題。凸優(yōu)化問題的好處是所有的局部最小值也是全局最小值。存在各種各樣的優(yōu)化算法來解決凸優(yōu)化問題，并且每隔幾年就會發(fā)現(xiàn)更好的用于凸優(yōu)化的多項式時間的算法。使用凸優(yōu)化算法可以輕松地優(yōu)化單個神經(jīng)元的權(quán)重（參見下圖）。下面讓我們看看擴展一個單神經(jīng)元后會發(fā)生什么。

圖1 左圖：一個凸函數(shù)。右圖：一個非凸函數(shù)。凸函數(shù)比非凸函數(shù)更容易找到函數(shù)曲面的底部（來源：Reza Zadeh）

下一步自然就是在保持單層神經(jīng)網(wǎng)絡(luò)的情況下添加更多的神經(jīng)元。對于單層n節(jié)點感知器的神經(jīng)網(wǎng)絡(luò)，如果存在邊權(quán)重可以使得神經(jīng)網(wǎng)絡(luò)能正確地對訓(xùn)練集進行分類，那么這樣的邊權(quán)重是可以通過線性規(guī)劃在多項式時間O(n)內(nèi)找到。線性規(guī)劃也是凸優(yōu)化的一種特殊情況。這時一個問題應(yīng)運而生：我們可以對更深的多層神經(jīng)網(wǎng)絡(luò)做出這種類似的保證么？不幸的是，不能。

為了可證明地解決兩層或多層的一般神經(jīng)網(wǎng)絡(luò)的優(yōu)化問題，需要的算法將會遇到某些計算機科學(xué)中***的未解問題。因此我們對機器學(xué)習(xí)研究人員嘗試找到可證明地解決深度神經(jīng)網(wǎng)絡(luò)優(yōu)化問題的算法不抱有太大的希望。因為這個優(yōu)化問題是NP-hard問題，這意味著如果在多項式時間內(nèi)可證明地解決這個問題，那么也可以解決那些幾十年來尚未被解決的成千上萬的問題。事實上，J. Stephen Judd在1988年就發(fā)現(xiàn)下面這個問題是NP-hard問題：

給定一個一般的神經(jīng)網(wǎng)絡(luò)和一組訓(xùn)練樣本，是否存在一組網(wǎng)絡(luò)邊權(quán)重使得神經(jīng)網(wǎng)絡(luò)能為所有的訓(xùn)練樣本產(chǎn)生正確的輸出？

Judd的研究還表明：即使要求一個神經(jīng)網(wǎng)絡(luò)只為三分之二的訓(xùn)練樣本產(chǎn)生正確的輸出仍然是一個NP-hard問題。這意味著即使在最壞的情況下，近似訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)在本質(zhì)上還是困難的。1993年Blum和Rivest發(fā)現(xiàn)的事實更糟：即使一個只有兩層和三個節(jié)點的簡單神經(jīng)網(wǎng)絡(luò)的訓(xùn)練優(yōu)化問題仍然是NP-hard問題。

理論上，深度學(xué)習(xí)與機器學(xué)習(xí)中的很多相對簡單的模型（例如支持向量機和邏輯回歸模型）的區(qū)別在于，這些簡單模型可以數(shù)學(xué)證明地在多項式時間內(nèi)完成模型優(yōu)化。對于這些相對簡單的模型，我們可以保證即使用運行時間比多項式時間更長的優(yōu)化算法也都不能找到更好的模型。但是現(xiàn)有的深度神經(jīng)網(wǎng)絡(luò)的優(yōu)化算法并不能提供這樣的保證。在你訓(xùn)練完一個深度神經(jīng)網(wǎng)絡(luò)模型之后，你并不知道這個網(wǎng)絡(luò)模型是否是在你的當(dāng)前配置下能找到的***的一個模型。所以你會存有疑慮，如果繼續(xù)訓(xùn)練模型的話是否可以得到一個更好的模型。

幸運的是我們在實踐中可以非常高效地接近這些***結(jié)果：通過運行經(jīng)典的梯度下降優(yōu)化方法就可以得到足夠好的局部最小值，從而可以使我們在許多常見問題上取得巨大進步，例如圖像識別、語音識別和機器翻譯。我們簡單地忽略***結(jié)果，并在時間允許的情況下盡可能多地進行梯度下降迭代。

似乎傳統(tǒng)的優(yōu)化理論結(jié)果是殘酷的，但我們可以通過工程方法和數(shù)學(xué)技巧來盡量規(guī)避這些問題，例如啟發(fā)式方法、增加更多的機器和使用新的硬件（如GPU）。一些研究工作正在積極地探索為什么理論結(jié)果很殘酷，但這些經(jīng)典的優(yōu)化算法卻工作得這么好。