2014 年 RNN/LSTM 起死回生。自此，RNN/LSTM 及其變種逐漸被廣大用戶接受和認(rèn)可。起初，LSTM 和 RNN 只是一種解決序列學(xué)習(xí)和序列翻譯問(wèn)題的方法（seq2seq），隨后被用于語(yǔ)音識(shí)別并有很好的效果，比如 Siri，Cortana，Alexa 等；此外，這種技術(shù)在機(jī)器翻譯領(lǐng)域也有應(yīng)用，比如 Google Translate。

2015-2016 年，新的 ResNet 和 Attention 技術(shù)出現(xiàn)。實(shí)際上，我們可以將 LSTM 理解為一種巧妙地 bypass technique，而 attention 的成功表明了 MLP（多層感知器）網(wǎng)絡(luò)可以被上下文向量影響的平均網(wǎng)絡(luò)（averaging network）所替代。

兩年過(guò)去了，我們現(xiàn)在已經(jīng)可以給出結(jié)論：

放棄 RNN 和 LSTM 吧，它們真的不好用

基于 attention 的網(wǎng)絡(luò)逐漸被越來(lái)越多的企業(yè)采用，比如 Google，F(xiàn)acebook，Salesforce 等公司都已經(jīng)開(kāi)始用基于attention的模型來(lái)替換RNN和其變種。RNN 在各種應(yīng)用場(chǎng)景下時(shí)日無(wú)多，因?yàn)橄啾然?attention 的模型，RNN 需要更多的資源來(lái)訓(xùn)練和運(yùn)行。

編者注：訓(xùn)練 RNN 和 LSTM 是非常困難的，因?yàn)橛?jì)算能力受到內(nèi)存和帶寬等的約束。這同時(shí)也是硬件設(shè)計(jì)者的噩夢(mèng)，并最終限制了神經(jīng)網(wǎng)絡(luò)解決方案的適用性。簡(jiǎn)而言之，每個(gè) LSTM 單元需要 4 個(gè)線性層（MLP 層），以便每個(gè)順序時(shí)間步運(yùn)行一次。線性層需要大量的內(nèi)存帶寬才能執(zhí)行計(jì)算；由于系統(tǒng)沒(méi)有足夠的內(nèi)存帶寬將數(shù)據(jù)饋送到計(jì)算單元，實(shí)際上它們無(wú)法使用許多計(jì)算單元。添加更多的計(jì)算單元很容易，但添加更多的內(nèi)存帶寬卻很難。因此，RNN/LSTM 及其變種并不和硬件加速非常匹配，一個(gè)可能的解決方案就是讓計(jì)算在存儲(chǔ)器設(shè)備中完成。

為什么 RNN/LSTM 真的不好用？

RNN，LSTM及其變種主要使用序列處理，如下圖所示：

圖1 RNN中的序列處理

圖中的箭頭表示長(zhǎng)期信息在進(jìn)入當(dāng)前的處理單元前需要有序地進(jìn)入所有其他的處理單元。也就是說(shuō)，這很容易通過(guò)多次乘小于 0 的數(shù)字來(lái)進(jìn)行破壞和攻擊，這就是梯度消失的原因。

梯度消失可以利用 LSTM 模塊來(lái)補(bǔ)救，目前的 LSTM 可是看作是多交換網(wǎng)關(guān)，有點(diǎn)像 ResNet。因?yàn)?LSTM 可以繞過(guò)一些單元，對(duì)長(zhǎng)時(shí)間的步驟進(jìn)行記憶，因此 LSTM 可以一定程度上解決梯度消失的問(wèn)題。

圖2 LSTM中的序列處理

從圖2可以看出，從前面的單元傳遞來(lái)當(dāng)前單元的序列路徑依然存在。事實(shí)上，因?yàn)檫@條路徑會(huì)不斷添加并且會(huì)遺忘與之相關(guān)的路徑分支，它會(huì)變得越來(lái)越復(fù)雜。LSTM、GRU 及其變體能學(xué)習(xí)大量的長(zhǎng)期信息，但它們最多只能記住約 100s 的長(zhǎng)期信息，而不是 1000s，10000s 甚至更長(zhǎng)時(shí)間的信息。

RNN 還有一個(gè)問(wèn)題就是并不與所有硬件兼容。如果要快速訓(xùn)練 RNN，那么就需要大量的計(jì)算資源，而這正是我們?nèi)鄙俚摹Ｈ绻谠粕线\(yùn)行 RNN 模型的話，也會(huì)消耗比其他模型更多的資源。隨著語(yǔ)音轉(zhuǎn)文本需求的快速增長(zhǎng)，云端的擴(kuò)展也變得更加困難。

你需要做些什么？

因?yàn)榇蠖鄶?shù)時(shí)間我們處理的都是實(shí)時(shí)的因果數(shù)據(jù)（casual data），我們想利用這些已知的數(shù)據(jù)來(lái)為之后的決策做準(zhǔn)備。那如果可以避免進(jìn)行序列處理，我們就可以找出更好的 look-ahead 和 look-back 的單元，這樣的 look-ahead/back 就叫做 neural attention 模塊。

這種補(bǔ)救方法融合了多個(gè) neural attention 模塊，組成了一個(gè)分層的 neural attention 編碼器，如圖3所示：

圖3 分層 neural attention 編碼器

還有一種更好地分析過(guò)去的方法就是用 attention 模塊把過(guò)去所有的編碼向量總結(jié)為一個(gè)上下文向量 Ct。

這里還有一個(gè) attention 模塊的分層，與神經(jīng)網(wǎng)絡(luò)和時(shí)間卷積網(wǎng)絡(luò)（Temporal convolutional network）的分層非常像。分層神經(jīng) attention 編碼器的多層 attention 能查看過(guò)去信息的一小部分，比如說(shuō) 100 個(gè)向量，而上面分層的attention模塊還能查看到 100 個(gè)下層的注意力模塊，也就是 100×100 個(gè)向量。這極大地?cái)U(kuò)展了分層神經(jīng) attention 編碼器的能力。

更重要的是將傳播向量傳輸?shù)骄W(wǎng)絡(luò)輸出所需要的路徑長(zhǎng)度：在分層網(wǎng)絡(luò)中，路徑長(zhǎng)度與 Log(N)成比例的，其中 N 是分層的層數(shù)。這與 RNN 需要執(zhí)行的T步驟形成了對(duì)照，其中 T 是需要記住的順序的最大長(zhǎng)度，而 T >> N。

Neural Turing Machines（NTM，神經(jīng)圖靈機(jī)）的架構(gòu)也與圖3類(lèi)似，但是 NTM 是讓神經(jīng)網(wǎng)絡(luò)來(lái)決定通過(guò) attention 從內(nèi)存中讀取什么的。也就是說(shuō)，真實(shí)的神經(jīng)網(wǎng)絡(luò)將決定哪個(gè)過(guò)去的向量對(duì)未來(lái)的決策更重要。

在內(nèi)存存儲(chǔ)方面。與 NTM 不同，上面的架構(gòu)把所有之前的表示都儲(chǔ)存在內(nèi)存里，這就會(huì)造成效率比較低的問(wèn)題。有一個(gè)解決的辦法就是增加另外一個(gè)單元來(lái)防止有相互關(guān)系的數(shù)據(jù)多次保存。當(dāng)前科學(xué)研究的重點(diǎn)是由應(yīng)用去決定保存哪些向量，哪些不保存。

目前許多的公司仍在使用 RNN/LSTM 來(lái)進(jìn)行語(yǔ)音轉(zhuǎn)文本的工作，都沒(méi)有意識(shí)到這種網(wǎng)絡(luò)結(jié)構(gòu)在效率和可擴(kuò)展性上的缺點(diǎn)。