谷歌大脑工程师给2018学术顶会划重点：对抗性学习+强化学习

---

  新智元编译  

作者：Alex Irpan

翻译：肖琴

【新智元导读】本文作者Alex Irpan是Google Brain机器人团队的软件工程师，他在不到一个月的时间里参加了两个学术会议：ICLR 2018和ICRA 2018，前者是一个深度学习会议，后者是机器人领域的会议。作者将这两个会议进行了比较。

ICLR 2018

从研究的角度来看，今年ICLR的一大重点是对抗性学习。

深度学习领域中最受欢迎的是生成对抗网络。不过，我在这里关注的更广，包括对抗样本和智能体竞争的环境。实际上，任何形式的极小极大优化问题都可以算作对抗性学习。

我不知道GAN是否真的很受欢迎，或者我的记忆带有选择性的偏见，因为我对这些方法很感兴趣。GAN给人的感觉很强大。评估GAN的一种方法是，你通过使用学习隐式成本而不是人为定义的成本来学习生成器。这使你能够适应生成器的能力，并可以定义手动解释可能很麻烦的成本。

当然，这会让你的问题更加复杂。但是如果你有足够强的优化和建模能力，那么隐式学习的成本将比其他方法能提供更清晰的图像。使用学习的组件替换一部分系统的一个好处是，优化和建模能力的进步适用于问题的更多方面。你正在提高学习成本函数的能力和最小化这些学习成本的能力。

从抽象点的观点来看，这涉及到具有表现力的、可优化的函数家族的能力，例如神经网络。 Minimax优化不是一个新的想法。它已经存在很久了。新的东西是，深度学习可以让你在高维数据上建模和学习复杂的成本函数。对我来说，GAN的有趣之处不是图像生成，而是它们在复杂的数据（比如图像）上的概念证明。这个框架并不要求使用图像数据。

学习过程中还有其他部分可以用学习方法来替代，而不是用人为定义的方法，深度学习就是这样一种方法。这样做有意义吗？也许有。问题是，你用深度学习方法越多，就越难让每件事情都可以学习（learnable）。

最近Quanta Magazine上有一篇文章，Judea Pearl在上面表达了他的失望：深度学习只是学习相关性和曲线拟合，而这并不涵盖所有的智能。我同意Judea Pearl的观点，但作为深度学习的拥护者，我认为如果你把一个足够大的神经网络足够好地进行优化，你可能会学到一些看起来很像因果推理的东西，或者其他可以算作智能的东西。但这就接近哲学的领域了，所以我就讲到这里。

从与会者的角度来看，我喜欢这次会议有很多海报展示。这是我第一次参加ICLR。我之前参加过的ML会议是NIPS，NIPS给我的感觉是非常大。在NIPS上仔细阅读每一张海报感觉不太可行。在ICLR阅读完所有海报是可能的，尽管你不一定真想这样做。

我也很欣赏ICLR上企业招聘不像NIPS那样荒谬。在NIPS，有些公司会送奇怪的指尖陀螺和弹簧玩具.......在ICLR，我得到的最奇怪的东西是一双袜子，虽然奇怪，但也不是特别奇怪。

会后我跟进阅读的论文:

Intrinsic Motivation and Automatic Curricula via Asymmetric Self-Play

Learning Robust Rewards with Adverserial Inverse Reinforcement Learning

Policy Optimization by Genetic Distillation

Measuring the Intrinsic Dimension of Objective Landscapes

Eigenoption Discovery Through the Deep Successor Representation

Self-Ensembling for Visual Domain Adaptation

TD or not TD: Analyzing the Role of Temporal Differencing in Deep Reinforcement Learning

Online Learning Rate Adaptation with Hypergradient Descent

DORA The Explorer: Directed Outreaching Reinforcement Action-Selection

Learning to Multi-Task by Active Sampling

ICRA 2018

ICRA 2018是我参加的第一个机器人会议。我不知道该期待什么。我一开始做的是ML研究，后来转去研究机器人，所以我的兴趣更接近于学习控制，而不是制造新的机器人。我的理想设定是，我可以将真实世界的硬件视为抽象的。

再加上我对控制理论的贫乏理解，我对会议上的许多话题都不熟悉。尽管如此，还是有很多学习领域的论文，很高兴我去参加了这个会。

在我确实了解的研究中，我很惊讶有这么多的强化学习论文。看到它们中几乎没有人使用纯粹的无模型的RL，有点有趣。对于ICRA，如果你的论文提出的模型在真实世界的机器人上运行过，那么你被接受的可能性会大得多。这就迫使作者关注数据效率，因此对只做无模型的RL有极大的偏见。当我四处听演讲时，我不断地听到“我们将无模型强化学习与X结合在一起”，其中X是基于模型的RL，或者从人类的演示中学习，或者从运动规划中学习，或者从任何可以帮助探索问题的东西中学习。

从更广泛的层面看，这次会议是有实用性的。它虽然是一个研究会议，很多内容仍然是很推测性的，但它也觉得人们可以接受狭窄的、有针对性的解决方案。我认为这是不得不使用真正的硬件造成的另一个后果。如果需要实时运行模型，就不能忽略推理时间。如果需要从真正的机器人那里收集数据，就不能忽略数据效率。真正的硬件并不关心你的问题是什么。

(1)网络必须能够运行。

(2)无论您做何努力，赋于其何种优先级，都无法提高光的速度。

——RFC 1925

这让和我交谈过的许多ML研究人员感到惊讶，但这个机器人技术的会议并没有像NIPS / ICLR / ICML的人那样完全接受ML，部分原因是ML并不总是有效的。机器学习是一个解决方案，但它不能保证有意义。我的印象是，ICRA中只有少数人积极地希望ML失败。只要ML能证明有用，其他人都很乐意使用ML。在某些领域，它已经证明了自己。我看到的每一篇跟感知相关的论文都以这样或那样的方式使用CNN。但是很少有人用深度学习来进行控制，因为控制是有很多不确定因素的。

像ICLR一样， ICRA上也有很多公司举行招聘或摆设摊位。跟ICLR不同的是，这里的摊位显得更有趣。大多数公司都带了机器人来演示，这当然比听招聘演说更有趣。

在去年的NIPS上，我注意到ML公司的展位让我想起了Berkeley的职业招聘会。每一家科技公司都想招到Berkeley的应届毕业生。这就像一场军备竞赛，看谁能提供最好的东西和最好的免费食物。感觉他们的目标是尽可能地让自己看起来是最酷的公司，而不告诉你他们真正想雇佣你来做什么。机器人技术还没有走得很远。它在增长，但没有太多的宣传。

我参加了几个workshop，在那里人们谈论他们如何在现实世界中使用机器人，都很有趣。研究性会议倾向于集中讨论研究和网络，这使得人们很容易忘记研究可以有明确的、直接的经济价值。有一个农业机器人相关的，谈到使用计算机视觉来检测杂草以及喷洒除草剂，这听起来是好事。使用更少除草剂，杀死更少作物，同时减缓除草剂抗性的发生。

Rodney Brooks也有一个类似的精彩演讲，他以Roomba为例，谈到了将机器人技术转化为消费产品所需的东西。他说，在设计Roomba时，他们先定了一个价格，然后将所有的功能控制在这个价格里面。结果是，几百美元的价格让你在传感器和硬件的选择上只有很小的余地，这就使得在设备上进行推断的能力有严格的限制。

组织方面，做得很好。会议中心紧邻印刷店，所以在注册时，组织者说，如果你在特定期限内用电子邮件发送PDF文件，他们会处理剩下的所有流程。你所要做的就是在网上为你的海报付钱，然后在会议上拿出来。所有的演示都是在演示室中进行的，每个演示室都配有白板和一个架子，你可以在上面放置笔记本电脑来播放视频。

会后我跟进阅读的论文：

Applying Asynchronous Deep Classification Network and Gaming Reinforcement Learning-Based Motion Planner to a Mobile Robot

OptLayer - Practical Constrained Optimization for Deep Reinforcement Learning in the Real World

Synthetically Trained Neural Networks for Learning Human-Readable Plans from Real-World Demonstrations

Semantic Robot Programming for Goal-Directed Manipulation in Cluttered Scenes

Interactive Perception: Leveraging Action in Perception and Perception in Action

---

【加入社群】

新智元 AI 技术 + 产业社群招募中，欢迎对 AI 技术 + 产业落地感兴趣的同学，加小助手微信号: aiera2015_3  入群；通过审核后我们将邀请进群，加入社群后务必修改群备注（姓名 - 公司 - 职位；专业群审核较严，敬请谅解）。