概述
对比学习教导模型将相似的事物放在一起，并将不同的事物在嵌入空间中分开。这很重要，因为它可以让人工智能从大多数未标记的数据中学习强大的表示，从而为图像搜索、推荐和多模态模型提供支持。
对比学习是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。
深入探讨
对比学习不是预测标签，而是通过比较来学习：给定一个锚点，对模型进行训练，以便匹配的“正”落在向量空间中靠近它的位置，而不匹配的“负”落在远处。常见的自我监督方法（如 SimCLR）通过对同一图像进行两次随机增强（裁剪、颜色抖动、模糊）来创造积极效果；该批次中的其他所有内容均为阴性。该模型将输入映射到向量，并且损失奖励该对的高相似性和其余的低相似性。这会产生距离反映含义的嵌入，因此下游任务需要的标签要少得多。 CLIP 在各种模式中应用了相同的想法，将图像与其标题相匹配。
技术洞察
主力损失是InfoNCE（相似度分数的softmax），通常用余弦相似度除以控制正值偏爱程度的温度。至关重要的是，性能会随着许多负面因素而提高，因此大批量或内存库/队列（如 MoCo）可以提供这些负面影响。 BYOL 和 SimSiam 等一些方法会放弃显式负数，而是使用动量或停止梯度目标网络来避免崩溃，其中所有嵌入都变得相同。
掌握对比学习
对比学习教导模型将相似的事物放在一起，并将不同的事物在嵌入空间中分开。这很重要，因为它可以让人工智能从大多数未标记的数据中学习强大的表示，从而为图像搜索、推荐和多模态模型提供支持。对比学习是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。为了建立深入的理解，请将对比学习视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，强大的团队使用对比学习根据可靠性和成本优化架构、数据和基础设施选择。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
多年来，架构决策决定着性能和运营成本。与此同时，优化一个基准测试可以隐藏更广泛的系统弱点。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
多年来，架构决策决定着性能和运营成本。
多年来，架构决策决定着性能和运营成本。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
更好的工程选择可以减少生产中的可靠性事故。
更好的工程选择可以减少生产中的可靠性事故。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
CLIP 学习共享图像文本空间，以便您可以使用键入的短语（如“滑板上的狗”）搜索照片库。
使用 SimCLR 在未标记的照片上预训练视觉主干，然后对其进行微调，仅使用少量标记集进行疾病检测。
构建产品或歌曲推荐，其中用户喜欢的项目嵌入紧密结合在一起，以便进行最近邻居检索。
人脸验证系统可以训练嵌入，使同一个人的两张照片距离很近，而不同人的两张照片距离很远。
实施模式
实践中的对比学习
CLIP 学习共享图像文本空间，以便您可以使用键入的短语（如“滑板上的狗”）搜索照片库。
CLIP 学习共享的图像文本空间，这样您就可以使用“滑板上的狗”等键入的短语来搜索照片库。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
实践中的对比学习
使用 SimCLR 在未标记的照片上预训练视觉主干，然后对其进行微调，仅使用少量标记集进行疾病检测。
使用 SimCLR 在未标记的照片上预训练视觉主干，然后对其进行微调，仅使用少量标记集进行疾病检测。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪随着时间的推移提高生产力和错误成本时，通常会获得更好的结果。
实践中的对比学习
构建产品或歌曲推荐，其中用户喜欢的项目嵌入紧密结合在一起，以便进行最近邻居检索。
构建产品或歌曲推荐，其中用户喜欢的项目嵌入紧密结合在一起以进行最近邻居检索。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪随着时间的推移提高生产力和错误成本时，通常会得到更好的结果。
实践中的对比学习
人脸验证系统可以训练嵌入，使同一个人的两张照片距离很近，而不同人的两张照片距离很远。
训练嵌入的人脸验证系统，使同一个人的两张照片很接近，不同的人相距很远。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会得到更好的结果。
风险与防护栏
优化一项基准测试可以隐藏更广泛的系统弱点。
基础设施和维护成本常常被低估。
随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
实施路线图
在实施之前定义延迟、质量和成本目标。
在实施之前定义延迟、质量和成本目标。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在实际负载和数据条件下进行基准测试。
在实际负载和数据条件下进行基准测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
仪器监控错误、漂移和用户影响。
仪器监控错误、漂移和用户影响。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在扩展之前准备回滚和事件响应路径。
在扩展之前准备回滚和事件响应路径。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。