点击上方“AI遇见机器学习”，选择“星标”公众号

重磅干货，第一时间送

转载自 | 夕小瑶的卖萌屋

作者 | 鹰钩鼻涕虫

从我们刚刚接触统计学习方法开始，想必就一直在接受一个思想：相比符号算法，统计模型最重要的能力之一，即是它的泛化能力。或者，用这两年使用更加广泛的话术，则是统计模型具备想象力，或者思考的能力。炼丹时，我们绝大多数时候去对抗的，也是泛化的反面，即过拟合。

大模型、大数据加持之后，深度学习算法的确也帮助我们解决了很多无法枚举的问题，关于其泛化能力的研究也越来越多，比如翻译模型，强大的泛化能力似乎可以让模型在没有足够的对齐语料时，也能达到不错的效果。

不过，我想提出一个相对反直觉的观点：以我们自己为例，我们都知道，有的时候想象力飘得太远，过于“举一反三”反倒未必是好事儿，或许成长的过程中，相当一部分的时间，我们是在限制自己的想象力。

1

『败也泛化』

以文生图算法为例，例如，我们输入 prompt 为：苹果，西瓜，这个时候文生图算法会给出什么结果呢？

不怎么稳定，对吧？实际上，我分别尝试了中文和英文的模型，结果是类似的（这里给出的是 stableboost 生成的结果，输入是 an apple and a watermelon)。

那我们换一个 prompt 再试一下：熊猫，西瓜，看看是什么结果？

甭管图是不是有点儿诡异，但起码意思上非常稳定了，对吧。我们来试着分析一下，这是怎么回事儿呢？

首先，几乎不可能是样本缺失的问题，我们难以想象，类似于苹果、西瓜这样的常用词，在文生图的庞大语料中会不存在。但是，实际测试中我们会发现，意思相近的提示如果放在一起生成，则很容易试出来奇怪的结果，比如老虎和狮子，榴莲和西瓜等。但如果同时提到的提示在自然语义上不相近，则往往能生成出靠谱的结果，比如前段时间火爆的太空歌剧、猫猫骑士等。

▲a tiger and a lion

▲a durian and a watermelon

如果我来猜测，如苹果和西瓜、老虎和狮子这种包含意思相近的主体的输入，大体是语义理解模型将它们看成了一个东西，也就是说，在语言模型的视角下，在物理空间内，两个词是很相近的。我们试着从预训练语言特征上去分析，在文本数据下，两个相近主体的上下文是高度一致的。乂，这正是统计模型的泛化能力所带来的。

也就是说，让预训练语言模型在绝大多数理解任务上叱咤风云的能力，在这里却好像吃了瘪。说白了，还是任务目标对不齐。在文生图里面，通过语义理解，控制生成的主题范围，合理泛化一些修饰词，以及对长 prompt 的语义更好的建模，语言模型可以起到很大的作用，但涉及到精细化控制，则又与其训练目标相冲突。

2

『随机是最牛的泛化』

实际上，我们在训练模型的过程中，一直都是在限制模型的泛化空间。如果我们不去修改模型的参数，那么其得到的结果是完全随机的，即有了无限可能，可以往任何的方向走。我们需要的是，给出条件之后，模型的每一步，都朝着正确的方向行进，在合理的范围内，它可以自由发挥一下，走出一些没有见过的路。当然，不同的任务，所要限制的空间不一样，例如生成任务，则多数需要精细化的控制，而理解任务，则多数追求兼容没见过的东西。

通用层，泛化追求的更宏大的目标则是，将泛化空间刚好限制到一个通用知识体系上，实现小样本/零样本的迁移。比如多语言场景，其追求的就是模型能够学到通用的语言学知识，从而解决小语种语料不全的问题。

我认为，理想很丰满，现实很骨感。我充分认可这一宏愿，且希望能够有进展，但在我有限的知识体系里，只认为这一宏愿极难实现。以跨语种为例，全球最顶尖的语言学家，如无充分交互，也未必能达到此能力。或许相同语系，或同源语言之间，这一任务相对容易，但不同语系之下，则又会掉入泥坑。

特德·姜所写《你一生的故事》中，主角学会外星语言的过程，亦是从最基本的认知开始，一步一步地掌握其语言规律。又比如，有些古楔形文字，多少代的语言学家在研究，至今也未能破解。已部分破解的古文字，多也是有足够的对齐语料，或其本身象形文字的属性，史料记载，发掘地原本的作用（如祭祀、讲学等）相互印证而得。

虽认可这一宏愿，也充分认同，在这一维度上讨论的泛化能力，对知识迁移相当有意义。但恕我直言，在应用领域（非理论研究领域），绝大多数的数据集质量，或任务设计，还不配谈算法层面的泛化能力。例如在主题分类上常见的，类别与某些词语，在自然语义上相关性不强，却在数据中有很强的统计共现，如“鹈鹕”和体育类别，小米、苹果等词。

是的，最终，又会回到这个老生常谈的话题上，数据理解和任务设计。起码，在讨论泛化之前，其任务应当是可行的，其数据也应当是充分、丰富的。如基于句式建模的算法，就没办法去谈通过小样本，抽取特定类别的词或关系；基于主题词建模的算法，则需充分考虑一些特殊词的二义性。

归根到底，哪怕是深度学习模型，目前也仅仅是一个统计工具，所以我们需要在样本上，先把不必要的 bias 给消解掉。至于怎样抽象出所谓“知识”，我认为想清楚目标（想抽出什么样的知识）之后，首先要指导的，仍旧是如何做出来一份符合要求的数据。否则，数据中明明存在的很强的统计显著性了，却要求模型不要建模，那到底这个模型是好，还是坏呢？

3

『后记』

胡乱吐槽这么一篇，实际上还是有一些“正视听”的宏愿的。正如我文中所说，现实中我也经常和身边的人讲，深度学习模型就是一个统计工具，莫要把它看得太过强大。近几个月来，我比较反感对深度学习模型使用所谓“思考”、“想象”、“创作”等词汇，许是我对人的能力太过高估，总是认为统计工具上不应当谈这些似表灵性的词。平常带的一些新人，也会使用类似于“模型能学会”的话术，去逃避严谨的论证工作、繁琐的数据工作。而最终，也是浪费了大量的算力，最终也没有得到可用的东西，反倒又牺牲了很大的运行效率，把性价比压得无比低。

真不知道求个什么劲儿。