過去十幾年，人類可以說是在機器智能面前節節退敗，屢敗屢戰。而多任務處理（multi－tasking），幾乎是為數不多可以讓我們“天生驕傲”的能力了。

比如，人可以同時打開8個網站、3份文檔和一個Facebook，即使正在專心處理其中一件事，只要突然收到一條回復或更新提醒，也能夠快速安排的明明白白。

對機器而言，要在同一時間完成這樣的任務顯然有點難。因此，多任務處理一直被視作是人類所獨有的的技能點。

然而，這個優勢似乎也快要失守了。

Deepmind一項最新的研究成果顯示，借助其開發的PopArt方法來訓練深度學習引擎，能夠培養出可進行多任務處理的智能體，并且在實際的表現中超越了人類！

讓機器“一心多用”的PopArt，究竟是如何工作的？

關于多任務學習的研究已經持續了大概20年之久，盡管一直沒能像單任務學習（如AlphaGo）那樣做出什么奪人眼球的成果，但顯然更符合我們對“機器模擬人腦”的想象。

畢竟在現實生活中，各種“學習任務”之間都有著千絲萬縷的聯系，比如當人在玩電子游戲時，圖像識別、任務理解、執行操作并追求收益最大化，這些都可以在瞬間完成的操作，并且在任何一個游戲中都可以如法炮制，而機器目前只能通過分解成單個任務去學習并處理。

怎樣指導機器在同一時間完成多個復雜任務，Deepmind提出了一個新的方法“PopArt”，據說可以讓機器在多任務處理上的成績超越人類。

如名字所示，PopArt（Preserving Outputs Precisely while Adaptively Rescaling Targets），即在自適應重新縮放目標的同時精確保留原有輸出。

有人可能會說，這句話里每個漢字我都認識，但湊在一起竟然完全不知道說的是啥？

不要方，我們今天就來“庖丁解牛”，告訴大家這個能夠讓機器“一心多用”的PopArt，究竟是何方神圣？

簡單來說，PopArt的工作機制就是在機器對不同任務的學習數據進行加權之前，先對數據目標進行自動的“歸一化”調整，再將其轉換成原始數據輸出給機器。

這一做法有兩個好處：

一是讓機器對不同獎勵大小和頻率的多個任務進行更穩健、一致的學習。

對于機器而言，多任務學習比單一任務學習更困難的最主要原因就是，多任務學習必須要將有限的資源分配給多個任務目標，但常規算法對不同任務設置的權重也有所不同。這就導致機器智能體會根據任務回報的多寡來選擇執行哪些任務。

舉個例子，同樣是A游戲，機器在處理《pong》（一款乒乓球游戲）時只能得到－1、0或＋1的獎勵，而處理《吃豆人小姐》游戲時，則可以獲得上千個積分，機器自然會更專注于執行后者。

即使開發者將單個獎勵設置成一樣的，隨著不同游戲獎勵頻率的不同，差距還是會越來越大，依然會影響機器的判斷。

結果就是，這個智能體會在處理某些任務上表現越來越好，但在其他任務上卻越來越力不從心。

但PopArt可以很好地解決這個機器“偏心”的問題。

DeepMind將PopArt應用在自己最常用的深度強化學習智能體IMPALA上，讓它同時處理57個Atari經典游戲，結果令人震驚——

應用了PopArt的IMPALA，不僅分數遠遠高于原始IMPALA的表現，甚至超越了人類的成績！

下圖中可以看到，修正游戲數據權重后的IMPALA（藍色）性能表現接近于0％，與PopArt－IMPALA中位數101％的華麗數據形成了鮮明對比。

簡單來說，就是PopArt自適應調整了每個游戲中獎勵分支的大小，讓機器認為不同任務帶給自己的獎勵是相同的，擁有同等的學習價值，因此，盡管這57個游戲有著巨量的環境、不一樣的動態和完全不同的獎勵機制，但機器都能夠對它們“一視同仁”。

據我們所知，這還是當前單個智能體首次超越人類在多任務處理上的表現。

PopArt的第二重作用，則是能夠有效增加機器學習智能體的數據效率，降低訓練成本。

Deepmind發現，PopArt－IMPALA與像素控制技術相結合，只需要不到十分之一的數據量，就能達到原來的訓練效果，這使其數據效率大幅提升。

因此，PopArt－IMPALA在大型多任務訓練任務中，不僅比專家智能體DQN性能更高，而且更加便宜。

如果將訓練任務放到云端，PopArt－IMPALA的性能只用了2．5天就超過了DQN，GPU占用空間更小，直接促使訓練成本大幅降低。

Deepmind和OpenAI，技術大佬為何都對“多任務學習”情有獨鐘？

除了PopArt，今年早期，Deepmind還提出了另一種用于多任務訓練的新方法——Distral，通過捕捉不同任務之間的共同行為或特征，讓機器算法可以在被限制的條件下實現任務共享，從而進行同步強化學習。

和Deepmind一樣跟“多任務學習”死磕的還有OpenAI，則是利用迭代擴增方法，不給機器學習模型提供完整的標注數據，而是將每一項任務分解成小的子任務，再為子任務提供訓練信號，訓練AI去完成復雜任務。

此外，MIT、Apple等頂尖技術玩家都在搗鼓這項技術，然而如果你把這當做一個技術領域的“榮譽保衛戰”或者論文制造機，那就大錯特錯了。

隨著AI的泛在化越來越強，有越來越多的領域都亟待“多任務學習”能力來提供新的解決方案。

這意味著，人類不需要針對每一項任務都從頭開始訓練一個全新的智能體，而是可以構建一個通用的智能體，來支持多個應用之間的協同工作。

比如小到一臺電視，很多AI電視都整合了眾多功能，比如觀看視頻、天氣預報、事務提醒、網絡購物等等，如何在既不影響用戶看視頻，又能夠用語音喚醒其他功能？這就要依靠多任務并行處理。換句話說，不具備多任務學習能力的AI電視，有的只是一個“假腦子”。

大到一個城市。在眾多關于智慧城市的假想中，都少不了這樣一個場面：城市大腦將人、車、路數據都接入系統，生成一個交通實時大試圖，并以此完成交通系統的智能調度和管理，治療“交通病”。這意味著，城市大腦需要進行攝像頭識別、城市空間布局和設施配置、事件預警、政務服務等多個系統的學習，能夠發掘出這些子系統之間的關系，又能區分這些任務之間的差別。缺了任何一環，都有可能導致這個城市大腦做出“奇葩”的決策。

當然，對于研究者來說，在用每一點進步無限逼近人類心智的“珠穆朗瑪峰”。但對產業而言，任何新技術的落地都從來容不得一絲任性，因為每一顆種子都在等待豐收。

為了滿足這個前提，就意味著所采取的方法不能以無限制地增加GPU容量和訓練強度為代價。因為沒有企業或者機構愿意以一種不計成本的方式上馬AI，即便這個AI能夠處理多線程任務，那還不如“單任務AI＋人工”來的更加現實。

目前看來，成本更低的PopArt大有可為。

說了這么多，回到最開始的問題，AI的多任務處理能力真的超越人類了嗎？

從苛刻的實驗室數字角度講，是的。但從廣泛定義的智慧角度看，機器的每一點進步都還依賴于不斷模擬和接近人腦的水平，距離否定人類本身的價值，還早著呢。

目前看來，處理多任務的學習能力更大的作用，還是提升AI在產業應用上的工程能力，用更高的智能為生活帶來便利。