LSTM之父向何恺明开炮：我学生才是残差学习奠基人

何恺明残差学习奠基人的身份，也被“挑战”了。

为什么要说“也”？因为发起讨论的，又双叒是我们熟悉的Jürgen Schmidhuber——LSTM之父。

不过这一次，他不是要把功劳揽到自己身上，而是替LSTM的另一位作者Sepp Hochreiter发声：

残差学习这把改变深度学习格局的 “钥匙”，其实早在30年前就已经诞生——Sepp Hochreiter在1991年就在使用循环残差连接解决梯度消失问题。

有一说一，Jürgen争title也不是第一次了，作为深度学习的先驱者，Jürgen自认为自己的早期贡献被人为忽视了。

ResNet发布的同年，深度学习三巨头Bengio、Hinton、LeCun在Nature上联合发表有关DL的综述论文，其中大量引用他们三人的自身成果，却对Jürgen等人只字不提。

随即他们展开了长达多年的争论，尤其是在18年的图灵奖结果公布后，Jürgen更是洋洋洒洒写了篇援引200多条文献的小作文反击。

之后在GAN的原创争议上，双方也是争执不休，要知道GAN的提出者正是Bengio的得意门生。

而如今有关残差学习的创始之争，也是因为Jürgen自认为将残差学习这一成果的发现完全归因于何恺明团队有失偏颇。

不过正如网友所说：从Hochreiter到ResNet，光芒随时间递归延续。阴影是被模糊的归属，但真理始终不变：1991年的种子闪耀着每一层。

30年前的第一次提出

Jürgen Schmidhube这次要讲的故事始于1991年。

当时还是Jürgen学生的Sepp Hochreiter，正在着手撰写自己的博士论文，也正是在这篇论文里，他首次系统性分析了RNN的梯度消失问题，并提出用循环残差连接解决。

循环残差连接的核心思想相当简单：一个具有恒等激活函数的神经单元自连接，且权重固定为1.0，使其在每个时间步中仅将输入叠加到先前状态，该单元只作为增量积分器存在。

于是误差信号就能在反向传播中保持恒定，不会消失或爆炸。

不过与此前任意实数权重的自连接不同，只有权重严格为1.0，才能完全避免梯度问题。

接近1.0的近似值虽然可以接受，但衰减速度会随时间加快，例如0.99的权重下误差信号会在100个时间步后减少到原来的37%（0.99¹⁰⁰≈37%），0.9的权重则只有原来的0.0027%（0.9¹⁰⁰≈0.0027%）。

但尽管如此，这也为后来的深度学习残差思想奠定了理论基础。

直到1997年，Jürgen和Hochreiter共同提出了著名的LSTM，在该理论的基础上实现了进一步的扩展。

LSTM的核心单元是权重为1.0的循环残差连接，也就是恒定误差轮盘（CECs），这一机制保证了误差可在数百乃至数千时间步中保持不衰减，使LSTM能有效捕捉输入与输出之间的长时间滞后，对语音、语言等任务至关重要。

另外这篇LSTM论文也是20世纪引用次数最多的人工智能论文。

1999年，LSTM演变出新的形态vanilla LSTM，在原来的基础上加入了初始值为1.0的遗忘门，使其具备可控的残差连接，既能保持长时依赖，又能在需要时重置记忆。

虽然这样做会重新引入一定的梯度消失，不过整体仍然处于可控状态。

到2005年，通过时间反向传播 （BPTT）算法，LSTM可以展开为深度前馈神经网络 （FNN），让每个输入序列的时间步都对应一个虚拟层，从而大幅增加了网络深度，可以处理更长时间滞后。
而无论是循环还是前馈，残差连接始终依赖权重固定为1.0。

接下来就是众所周知的2015年，首先在同年5月，需要优先提及Highway网络的贡献。

此前，基于反向传播的前馈神经网络的深度有限，只有20到30层，直到Highway网络的出现，才首次成功训练出上百层的深度前馈网络，比过去要深10倍以上。

其核心是将LSTM的门控残差思想从循环神经网络引入前馈网络，每层输出为g(x)x+t(x)h(x)，其中x是来自前一层的数据，g、t、h表示带实值的非线性可微函数。

关键的残差部分g(x)x初始化为1.0，让Highway网络既能保持类似ResNet的纯残差连接，又能根据任务需要，以依赖上下文的方式自适应调整残差流，从而大幅提升深度可训练性。

最后再到12月，ResNet在ImageNet竞赛中大获成功，彻底将残差学习带入大众视线。

ResNet在残差部分设计上，与展开的LSTM以及初始化的Highway网络相似，如果将Highway网络的门恒定设置为1.0，就可以得到纯残差网络ResNet，而它们本质上都是1997年的LSTM前馈变体。

ResNet的残差连接允许误差在深层网络中稳定传播，使网络能够训练数百层，但Jürgen也指出，ResNet论文中并没有明确说明它实际上就是开部门控的Highway网络，二者之间存在相似的标准残差连接。

总结就是，LSTM与Highway网络分别奠定了循环和前馈网络的深度训练基础，ResNet则将这一原理成功应用于前馈网络，延续了自1991年Hochreiter首创的残差思想。

One More Thing

不过，这种说法目前仅代表Jürgen Schmidhuber的个人观点。（叠甲doge）

因为这已经不是他第一次对著名神经网络的起源提出质疑。

早在2021年，他就公开表示，LSTM、ResNet、AlexNet、VGG Net、GAN以及Transformer，都是受到了他实验室成果的启发。

例如他认为AlexNet和VGG Net采用了他们的DanNet；GAN是对他在1990年提出的Adversarial Curiosity原则的应用；Transformer的变体，即线性Transformer，是对他提出的快速权重存储系统的延伸。

但除了无可争议的LSTM归属，其他几项至今都没有得到普遍认可。

甚至衍生出这样一种说法：“Schmidhuber is all you need.”