21年10月的时候，谷歌大佬Jeff Dean提出了下一代AI架构的Pathways概念[1]，旨在通过一个大模型完成各种不同的任务。对于较早关注AI领域的同行们来说用网络可以做哪些任务，这其实类似17年就提出的MoE（Mixture-of-Experts）概念。不管现在预训练大模型效果多好，始终存在着三个重要问题：
1. 目前的模型都只能处理单一任务
2. 目前的模型大部分只专注一种感知输入，比如文本、图像
3. 目前的模型都是dense的，已经有一些研究显示，很多参数都是无用的，比如12个注意力头去掉几个影响并不大。这就导致了计算的效率低下。
其实我个人认为，前两个问题大模型都是可以解决的，真正的瓶颈是第三点。现在大模型虽然效果不错，但训练、落地对于普通团队都很不友好，要达到真正的应用，必须「瘦身」用网络可以做哪些任务，目前有三种方法：
1. 量化：把FP32转换成FP16、INT8进行计算，而这种方法的天花板也比较明显（总不能压缩到Bool吧）
2. 蒸馏：前两年很火的方法，但压缩到小的dense模型，由于参数量的限制，也存在效果天花板，同时也存在无效的参数
3. 剪枝：去掉一些层、神经元或者权重。前几年稀疏计算的底层支持不好，而目前排除下来，这反倒是最有可能的方法
Pathways给出的概念则更模拟人脑的逻辑，用不同部分负责不同功能。在训练中，模型动态的学习如何用特定的子网络去解决特定任务，这样在推理时只需要用部分网络就可以处理任务了。如下图所示，这种做法在保持了整个模型容量（参数量）的同时，极大地缩短了预测时间。
往更远来看，Pathways给持续学习提供了一种可能性，当有新的任务时，可能只需要在现有模型上增加一些网络就可以了，不会影响到以前的网络参数，同时多任务学习下也能提升整个网络的泛化能力。
一、SkillNet
遗憾的是，Jeff Dean并没有公布更详细的方案，但最近腾讯AI Lab在这个概念的启发下进行了一些尝试，让我这个坐等群众来和大家一起尝尝鲜。
One Model, Multiple Tasks: Pathways for Natural Language Understanding
SkillNet的做法是，给每个子网络定义一个Skill，在预测时只激活和任务相对的Skill：
添加的方式参考了Switch Transformer，直接加到FFN层。如果激活了多个Skill，就使用平均池化进行融合：
在训练时，每次从一个任务中采样一个batch，根据任务目标优化对应的Skill。由于不同任务的样本数量不一样，在采样时制定了一个超参数，来控制采样的分布，实验证明直接遵从数据本事的分布效果最好，即数据多的任务多采，少的少采。
同时，SkillNet的网络结构是支持预训练的，比如MLM任务可以训练S2、S7，NSP任务可以训练S1、S3、S7。
SkillNet在6个中文数据集上做了实验，结果显示整体效果要好于纯精调，同时也超过了dense模型Multi-task和MoE的设置：
与多任务学习相比，SkillNet效率更高，同时是在skill层面进行定义，再通过skill的结合解决不同任务。
与MoE相比，SkillNet具有更强的可解释性，同时也不需要复杂的路由策略去选取合适的Expert。
二、总结
SkillNet是对Pathways的一个初步尝试，这种结构一个很大优点是Skill的复用和新增，在增加一个新任务时，可以直接复用以前训练好的模块，也可以新增一个与任务更相关的Skill。我之前一直纠结多任务的一个点是，对于模型来说泛化性和专业性是有些矛盾的，当我们想做一个通用的、完美的模型时，引入另外一个目标可能对其他目标效果产生影响。而SkillNet的做法就是，把目标进行拆解，解耦成一些「底层能力」，从而避免多任务的相互影响。
不过个人觉得这样的解藕还是有些硬，且需要不少的人工介入（把task拆解为合适的skill），对比下来让模型自动解藕的MoE还是更「智能」一些。
另外还有不少值得探索的地方，比如是否可以动态选择更少的attention head、以及这种架构下是否有除了Transformer外更好的模块等。SkillNet是基于BERT-base做的，往这个方向探索下去，也衍生了一条比大模型少些卷的赛道。
再往后看，神经网络离人脑的模式还有很大距离，比如MindSpore的金雪锋大佬提到的[2]，人脑中很重要的一个特征是局部BP，只有某个module进行单独的学习优化，而Pathways架构虽然拆分出了module，本质还是全局BP。
参考文献
[1]: Pathways
[2]: 如何看待Google下一代人工智能架构Pathways?
本文来自：公众号【李rumor】
———END———
