说明：本系列文章若无特别说明，则在技术上将 Continual Learning（连续学习）等同于 Incremental Learning（增量学习）、Lifelong Learning（终身学习），关于 Continual Learning、Incremental Learning 和 Lifelong Learning 更细节的区别参见 VALSE Seminar【20211215 - 深度连续学习】

本文内容：

连续学习的问题背景，研究意义

连续学习研究中的关键技术挑战

关于连续学习的英文名称，有以下比较常见的叫法（从搜集的相关论文题目来看，前两种出现的频率最高）：

Incremental Learning
Continual Learning
Life Long Learning
Never Ending Learning

1. 问题背景

机器学习 / 深度学习：机器学习/深度学习虽然在很多单项任务上取得了相当或超过人类水平的成绩，但这些模型都是为固定的任务所设计，无法动态地根据环境而更新。它们需要有一个预先准备好的数据集，在模型训练之前，先随机打乱数据，使训练数据的数据分布近似为独立同分布（IID.），然后在有限的时间内一次性完成模型的训练。机器学习/深度学习这种学习方式属于 batch learning mode。

人类学习方式：相反，人类的学习是一个逐渐的过程，并且人几乎终生都在接受新的信息并学习。新知识的学习通常能从已有经验中获益，同时也能补充已有的知识（比如大学学习的线性代数能够帮助我们学习机器学习，学习机器学习也能加深对线性代数本质的理解）。人类大脑这种学习方式属于 continual learning mode。但是在真实世界里，要学什么任务，任务中会有哪些数据是无法一次性得到的，我们也无法预测未来会有怎样的任务和数据，因此无法用常规手段将训练数据变成独立同分布的。也就是说，在时间轴上，每个任务的数据都是非独立同分布的（Non-IID.）。

Batch learning mode 最大的劣势就是无法在动态环境中学习，但 Continual learning mode 则是智能系统普遍具备的特性。因此，研究连续学习就是为了让深度学习模型能够像人一样进行学习，即模型在连续序列任务上学习的能力，该序列中的新任务通常与旧任务相关联。连续学习是一个模型适应快速变化的现实情景的关键，对于实现真正的人工智能十分重要。

Q：传统深度学习模型要实现连续学习的难点在哪？

深度学习模型需要根据训练数据一次性完成训练的特性，就意味着每当有来自新的分布的数据时，模型都需要在整个历史数据加新的数据这个混合数据集上重新训练。显然，在持续变化的现实情境中，不论从资源成本还是从数据可见性角度考虑，都是不现实的。从资源成本看，每到来一个新任务，就要把之前所有任务的数据加进来从头训练，浪费时间和计算成本；从数据可见性角度看，很多数据有隐私保护或者在访问时间上有限制，而且存储资源限制，我们无法要求所有数据对我们都一直保持可见。

如果不考虑历史数据，只在新数据上进行训练，的确能节约时间和资源成本，但这样就会发生连续学习的最大问题：“灾难性遗忘”（Catastrophic Forgetting），灾难性遗忘的意思是说，模型学习了新任务以后，对旧任务的表现严重下降。

Q：为什么要模型学习多种任务，按照传统的深度学习方式：一个模型做一个特定的任务，有什么问题？

对于一类任务，随着源源不断的新数据的到来，模型应能够不断提高自己的“能力”。举个例子：任意品种的猫和狗的分类，假如模型在一个已有的猫狗分类数据集上完成了学习，但这个数据集里没有虹猫蓝兔七侠传里的虹猫！未来我们获得了一些虹猫的数据，我们希望模型能直接学习辨认虹猫是猫，而不是要将他再次加入猫狗数据集中进行重新训练。

对于多类但相关的任务，模型应能够进行知识的“融会贯通”，即旧能力能帮助新知识的学习，新知识也能提高旧能力。举个例子：线性代数和机器学习，如果用两个模型分别进行学习，虽然没有了灾难性遗忘问题，但也无法实现 knowledge 的 transfer，即两个模型无法进行知识互通。实际情况是，线性代数能够帮助对机器学习的学习，机器学习也能提升对线性代数的理解。

对比传统深度学习和连续学习，连续学习具有以下优势：

空间：不需要保存旧任务的训练数据，节约内存，同时解决了隐私保护的限制（比如数据不能被长期访问）
时间：模型能够保存之前任务所学习的知识，并能够将旧知识运用到未来的学习任务中，提高学习效率

连续学习的研究意义：

提升模型在动态环境的学习能力：通过缓解连续学习过程中的灾难性遗忘问题，让智能系统自适应地在新环境中进行学习
提高学习效率：高效地转化和利用已学过的知识（old knowledge）来完成新任务的学习（new knowledge）

连续学习相关研究领域：

多任务学习：目的是结合所有任务的共同知识，同时改进所有单个任务的学习性能。
迁移学习：使用源域帮助模型完成目标域学习的一种学习方式。

2. 重要挑战

研究连续学习所面临的重要挑战（参考 life long learning-终身学习）：

Catastrophic Forgetting
Knowledge Retention but NOT Intransigence
Knowledge Transfer
Model Expansion but Parameter Efficiency

2.1 Catastrophic Forgetting

Catastrophic Forgetting ¹ ²：灾难性遗忘问题是指模型学习新任务后忘记旧任务。解决灾难性遗忘问题就是要模型在学习新知识的同时，还要保持在旧任务上的表现。

摘论文中对灾难性遗忘的描述：This means the performance of the model on previously learned categories often decreases sharply after the model parameters are updated from the data of the new category.

这里必须提一下深度学习模型所面临的一个基本问题：stability-plasticity dilemma

plasticity 意为“可塑性”，指模型融合新知识的能力

stability 意为“稳定性”，指模型在学习新知识的同时保持旧知识的能力

连续学习相关工作基本上都在解决同一个问题：stability-plasticity dilemma（requires the neural networks to prevent forgetting previously learned knowledge, while maintaining the capability of learning new knowledge）

Catastrophic Forgetting 的原因主要有两点：

基于 Gradient Descent fine-tune 的网络模型会朝着当前训练数据最优解的方向更新，因此在面临动态的增量式任务时，会导致模型对旧任务性能的迅速下降

出于标注成本，新数据集中往往仅有对 new classes 的标注，而将 old classes 作为背景类，因此直接根据新数据集更新模型会导致对 old classes 的性能下降

再啰嗦一下，batch learning mode 学习方式会打乱训练数据，使得数据分布近似为独立同分布（IID.），而现实环境中未来的任务和数据是无法预测的，在时间轴上每个任务的数据其实是非独立同分布（Non-IID.）的。连续学习本质上属于 Sequential Learning。在 Sequential Learning 中，没有多余的内存存储旧数据，且未来的数据是未知的，因此难以用类似的策略将数据集转化为 IID.。若仍采取原有的训练策略，新数据就会对模型造成干扰，便会发生灾难性遗忘问题。

Q：为什么说连续学习环境下，模型的遗忘是“灾难性”的？

关于模型的遗忘问题，我们可以有两种假设（先说结论，是第二种情况）：

假设一：模型能力有限，只能学习这么多，不可避免地出现了遗忘

假设二：模型能学多种任务，但不知什么原因把旧任务都忘记了

有相关论文做了实验，假设有 5 个任务，相同结构的模型

实验一：直接把 5 个任务的数据混合起来，让模型进行 multi-task learning

实验二：让模型在 5 个任务上进行连续学习

实验结果是，进行 multi-task learning 的模型在 5 个任务上的表现虽然参差，但都学到了一些东西；而进行连续学习的模型只能在当前学习的任务上表现良好，对旧任务的表现极差。这个实验说明模型的 capacity 是够的，但却遗忘了旧知识，这种遗忘方式和人类不同，属于 “是不为也，非不能也”，因此说这种不正常的遗忘是 “灾难性的”。

P.S. Multi-task Learning 实际上是 Continual Learning 算法性能的上限（upperbound），这也是为什么很多论文都用 Multi-task Learning 的结果和连续学习模型结果进行比较的原因。

2.2 Knowledge Retention but NOT Intransigence

Knowledge Retention but NOT Intransigence：Knowledge Retention 意思是 “保留知识”，Intransigence 意思是 “固执的”，Knowledge Retention but NOT Intransigence 的意思就是让模型学过的知识保留下来（解决灾难性遗忘问题），但不能因此就拒绝接受新的知识，也就保留旧知识的同时有效学习新的知识。

P.S. 这个问题和 Catastrophic Forgetting 实际上属于一个问题，只是阐述的角度不同罢了。

2.3 Knowledge Transfer

Knowledge Transfer：不同任务间 knowledge 的 transfer，就是上面提到过的 “融会贯通”。新任务的学习不仅能从旧知识中获益，同时还能提高模型对旧任务的表现。

Knowledge Transfer 包含了两个要求：

知识的正向迁移：模型能够利用旧知识帮助新任务的学习，提高新任务的学习效率和质量

知识的反向迁移：模型学习新任务后，对旧任务的表现也能有所提升

Knowledge Transfer 和 Transfer Learning（迁移学习）的区别：

Transfer Learning 不是连续的，它仅使用源域来帮助完成目标域的学习

Transfer Learning 仅关注单向迁移能力，也就是我们仅关注对目标域的迁移效果，至于目标域的学习是否会提高在源域的效果我们并不care，而连续学习中的 Knowledge Transfer 则关注双向迁移能力

Transfer Learning 假设源域和目标域非常相似，而 Continual Learning 没有这样的限制性假设

2.4 Model Expansion but Parameter Efficiency

解决 Catastrophic Forgetting 的前提是模型有能力学但没有学，属于 “是不为也，非不能也”。现在假设任务真的非常多，模型的 capacity 确实不够了，我们就要考虑扩大模型。

Model Expansion but Parameter Efficiency：模型的可伸缩性或扩展能力，指的是模型能够动态地伸缩实现小规模或大规模任务的学习。特别是模型的扩展，需要在参数高效的情况下进行扩展，即找到一种最优的扩展方案。

连续学习入门（一）：Continual Learning / Incremental Learning / Life Long Learning 问题背景及研究挑战