1. 项目概述当Hebbian学习遇见Wasserstein几何最近在整理一些关于类脑计算和持续学习的笔记发现一个挺有意思的框架叫Tan-HWG。这个名字听起来有点唬人但拆开来看其实就是把两个看似不搭界的东西揉在了一起一个是神经科学里经典的Hebbian学习规则另一个是数学里用来度量概率分布距离的Wasserstein几何。这个框架的核心目标是试图从计算的角度去模拟和解释大脑中“记忆巩固”这个神奇又关键的过程。简单来说我们的大脑不是U盘不是存进去就完事儿了。你今天学了一堆东西睡一觉有些记得更牢了有些就模糊了。这个从短期记忆到长期记忆的转化、筛选和强化的过程就是记忆巩固。传统的神经网络尤其是处理连续学习任务时经常面临一个叫“灾难性遗忘”的难题——学了新知识就把旧的忘得一干二净。这显然和人脑的稳健学习能力相去甚远。Tan-HWG框架的出发点就在这里。它认为记忆的巩固不仅仅是突触权重的简单叠加或衰减而应该被视为在神经连接构成的“参数空间”里的一种几何演化。Hebbian学习“一起放电的神经元连接在一起”提供了局部更新的动力而Wasserstein距离则提供了一个全局的、分布层面的“尺子”用来衡量和约束记忆表征在演化过程中的整体变化防止它跑偏或者崩塌。这就像是在一个复杂的地形里规划路径Hebbian规则告诉你下一步往哪个坡走局部梯度而Wasserstein几何则确保你整条路线不会偏离大方向太远不会掉进沟里全局稳定性。这个框架适合谁呢如果你对神经科学启发的AI模型、持续学习、机器学习理论特别是概率分布和几何方法在AI中的应用感兴趣那么Tan-HWG提供了一个非常独特的视角。它不是一个即插即用的代码包更像是一套理论工具和建模思想能帮你重新思考如何让机器学得更像人——更稳健、更高效、更善于积累知识。2. 核心原理拆解Hebbian动力与Wasserstein约束如何协同要理解Tan-HWG我们得先把它名字里的两个核心部件拆开看明白再看它们是怎么组装起来的。2.1 Hebbian学习不只是“一起放电”Hebbian学习规则通常被简化为“fire together, wire together”。在计算神经科学和机器学习中它有很多数学表达形式最常见的一种是Oja规则用于在线性神经元模型中学习主成分。其基本思想是突触权重 ( w_{ij} ) 的更新量与突触前神经元 ( i ) 的活动 ( x_i ) 和突触后神经元 ( j ) 的活动 ( y_j ) 的乘积成正比( \Delta w_{ij} \propto x_i y_j )。但在Tan-HWG的语境下我们需要更深入地理解它的角色局部性Hebbian更新只依赖于当前时刻相连的两个神经元的局部活动信息。它没有全局视野不知道整个网络的状态。相关性驱动它强化的是神经元活动之间的统计相关性。如果两个神经元经常同时活跃它们之间的连接就会增强。作为记忆形成的微观机制在模型中Hebbian规则驱动着短期记忆痕迹的形成。每一次经验输入数据都会在网络的连接权重上留下一个微弱的、局部的印记。然而纯粹的、不加约束的Hebbian学习是有问题的。它可能导致权重无限制增长需要引入归一化机制更重要的是当面对连续输入的不同数据流时局部的Hebbian更新很容易覆盖掉之前学到的模式这就是灾难性遗忘的微观根源。它缺乏一个“宏观调控”机制来保护已经形成的、有价值的记忆结构。2.2 Wasserstein几何度量记忆的“形状”与“距离”Wasserstein距离也叫推土机距离Earth Mover‘s Distance是度量两个概率分布之间差异的一种方式。想象你有两堆土两个分布Wasserstein距离就是把一堆土挪动、重新塑造成另一堆土所需的最小“工作量”成本。在Tan-HWG框架中记忆不是被看作一个个孤立的权重数值而是被表征为网络活动模式或连接权重的一种概率分布。例如可以将网络中所有突触的权重值视为一个高维空间中的点云这个点云的形状分布就编码了当前的记忆状态。Wasserstein几何在这里扮演了几个关键角色记忆状态的全局描述子它不关心某个具体权重是0.5还是0.6而是关心所有权重构成的整体统计形态如均值、方差、高阶矩。这种描述对噪声和微小扰动更鲁棒。记忆演化的约束器这是核心。框架假设健康的、稳健的记忆巩固过程应该使得记忆表征的分布即“记忆状态”在Wasserstein度量下是平滑、连续演化的。也就是说从时间 ( t ) 到 ( t1 )记忆分布的变化Wasserstein距离应该被限制在一个较小的范围内。定义记忆巩固的目标记忆巩固可以被形式化为一个优化问题在局部Hebbian动力的驱动下寻找网络参数的演化路径使得这条路径上任意两点记忆状态之间的Wasserstein距离积分或某种代价最小化。这相当于在Wasserstein几何定义的空间里寻找一条“最短路径”或“最省力路径”来整合新记忆。2.3 Tan-HWG的协同框架微观动力与宏观几何的握手现在我们把两者结合起来。Tan-HWG框架的基本建模思路可以概括为以下几步状态定义将神经网络在时刻 ( t ) 的状态通常是所有可训练参数如权重和偏置映射为一个概率分布 ( P_t )。这可以通过将参数向量视为样本或通过其诱导的网络活动分布来实现。局部动力当新数据 ( x_{t1} ) 输入时网络根据当前权重进行前向传播产生活动。基于这些活动应用某种形式的Hebbian学习规则可能是经过修改的包含衰减项来计算权重的局部更新量 ( \Delta W_{local} )。全局几何约束计算如果直接应用这个局部更新新的参数分布 ( P_{t1}^{local} ) 与旧分布 ( P_t ) 之间的Wasserstein距离 ( W(P_t, P_{t1}^{local}) )。约束优化框架引入一个正则化项或约束条件要求 ( W(P_t, P_{t1}) ) 不能超过某个阈值 ( \rho )。这里的 ( P_{t1} ) 是实际要更新到的目标分布。因此我们需要求解一个带约束的优化问题在 ( W(P_t, P_{t1}) \leq \rho ) 的条件下让更新后的网络性能如对新数据的拟合程度尽可能好同时尊重Hebbian动力指出的方向。记忆巩固的实现上述优化问题的解就是最终执行的权重更新 ( \Delta W_{final} )。这个过程可以理解为Hebbian规则提出了一个“原始草案”而Wasserstein几何约束则对这个草案进行“审议和修正”确保修改后的方案不会破坏已有的整体记忆结构。这个“审议修正”的过程在计算上就对应了记忆的巩固——新经验被整合进来但整合的方式是受控的、平滑的避免了对旧记忆的粗暴覆盖。注意这里的“Tan”可能指代“Tangent”切空间。在实际的数学处理中由于直接在高维分布空间优化Wasserstein距离计算量巨大一个常见的技巧是利用Wasserstein空间的几何结构在其切空间Tangent Space进行局部近似和优化。这可能是框架名称中“Tan”的由来即将全局的Wasserstein约束转化为每次更新时在局部切空间上的线性约束使得算法可行。3. 算法实现的关键步骤与数学形式化理解了核心思想后我们来看看如何将其转化为一个可计算、至少是可形式化的算法框架。这里会涉及一些数学但我会尽量用直观的方式解释。3.1 将网络参数分布化第一步是如何将确定的网络参数 ( \theta ) 变成一个分布 ( P )。有两种主流思路方法一参数空间的经验分布将网络的 ( N ) 个参数例如所有权重扁平化成一个高维向量 ( \theta \in \mathbb{R}^N )。我们可以简单地将其视为 ( N ) 维空间中的一个点。为了形成分布一个实用的技巧是引入一个微小的随机扰动。例如考虑参数 ( \theta ) 的一个小邻域或者在进行优化时使用 mini-batch 梯度下降带来的隐式随机性。更形式化地我们可以定义 ( P_\theta ) 为以 ( \theta ) 为均值的某个简单分布如各向同性高斯分布尽管在计算距离时我们通常关注的是由 ( \theta ) 直接定义的“点质量”分布与另一个点分布之间的距离。方法二神经元活动空间的分布这是更贴近神经科学解释的一种方式。给定一个固定的输入分布或一组锚定输入网络每一层神经元的激活值构成一个分布。记忆可以被认为是这些激活模式之间的关联因此用激活值的分布来表征记忆状态更为直接。假设我们有一组参考输入 ( {x^{(i)}}{i1}^M )通过网络前向传播在某一层通常是隐藏层得到激活向量集合 ( {h^{(i)}}{i1}^M )。这个集合就定义了该层在当前网络参数 ( \theta ) 下的激活经验分布 ( P_\theta^h )。在Tan-HWG中第二种方法可能更具解释力因为Hebbian学习直接作用于神经元活动。但第一种方法在数学处理上可能更简单。实际框架可能会根据具体问题灵活选择。3.2 Wasserstein距离的计算与近似精确计算两个高维经验分布之间的Wasserstein距离特别是2-Wasserstein距离 ( W_2 ) 是计算昂贵的复杂度可达 ( O(n^3 \log n) )。在机器学习中我们不得不使用近似。1. 切片Wasserstein距离一种高效且常用的近似是切片Wasserstein距离。其思想是不是直接在高维空间计算距离而是随机抽取许多个一维方向切片将高维分布投影到这些方向上计算所有一维投影分布之间的Wasserstein距离的平均值。数学上对于单位球面上的随机方向 ( \gamma )有 ( SW(P, Q) \mathbb{E}{\gamma \sim U(S^{d-1})} [W_1(P\gamma, Q_\gamma)] ) 其中 ( P_\gamma, Q_\gamma ) 是分布沿方向 ( \gamma ) 的投影。这极大地降低了计算成本且在实践中被证明是有效的。2. 基于最优传输正则化的代理损失另一种思路是不直接计算距离而是将其作为优化问题的一个正则化项。例如在更新参数从 ( \theta_t ) 到 ( \theta_{t1} ) 时我们希望最小化损失函数 ( L(\theta_{t1}) )如预测误差同时约束 ( W_2(P_{\theta_t}, P_{\theta_{t1}}) \leq \rho )。利用Wasserstein距离的对偶形式这个约束可以转化为在损失函数中添加一个惩罚项其梯度与 ( \theta_t ) 和 ( \theta_{t1} ) 处损失函数的梯度差有关。这引出了一类称为“Wasserstein梯度惩罚”的方法。在Tan-HWG的上下文中算法很可能采用一种在线近似。每次接收到新数据 mini-batch 时用当前参数 ( \theta_t ) 计算网络在 batch 上的激活分布 ( P_t )。执行一步基于Hebbian的局部更新可能是梯度下降的一个变体得到临时参数 ( \theta_{temp} ) 及其激活分布 ( P_{temp} )。快速估算 ( W(P_t, P_{temp}) )例如用切片法。如果距离超过阈值 ( \rho )则对更新方向进行修正。修正的方法可以是在梯度方向上回退一步或者将更新向量投影到满足Wasserstein约束的可行子空间这涉及到在Wasserstein空间的切空间上进行操作即“Tan”的部分。3.3 Hebbian更新与Wasserstein约束的融合算法一个简化的算法伪代码流程可能如下初始化网络参数 θ 阈值 ρ 学习率 η。 对于每一个训练批次或每一个新数据点 1. 前向传播用当前θ处理批次数据得到各层激活。 2. 计算局部Hebbian更新 Δθ_local - 根据激活计算相关性矩阵。 - 根据选定的Hebbian规则如Oja, BCM等计算权重变化。 - Δθ_local Hebbian_Update(activations)。 3. 计算临时参数θ_temp θ η * Δθ_local。 4. 评估分布变化 - 基于当前θ和θ_temp分别计算在某个参考数据集或当前批次上的激活分布 P 和 P_temp。 - 近似计算 Wasserstein 距离 d SW(P, P_temp)。 5. 应用约束更新 if d ρ: θ θ_temp # 接受Hebbian更新 else: # 需要进行约束修正 # 方案A缩放更新步长 scale_factor ρ / d θ θ scale_factor * η * Δθ_local # 方案B求解带约束的优化问题更精确但更慢 # θ argmin L(θ) s.t. W(P_θ, P_θ) ρ, 其中L是结合了任务损失和Hebbian驱动的目标函数。 6. 可选执行任务特定损失的精调在Wasserstein约束的大框架下可能还会用一个小的标准梯度下降步来微调以优化主要任务如分类的损失。这个流程体现了“提议-修正”的思想。Hebbian规则是激进的“提议者”总想根据最新经验改变连接。Wasserstein约束是稳健的“守护者”确保任何改变都不会让记忆的整体形态发生剧变。两者的平衡点就是记忆巩固发生的地方。实操心得阈值 ( \rho ) 是一个超参数它控制着记忆的“可塑性-稳定性权衡”。ρ 太大约束太弱可能无法有效防止遗忘ρ 太小约束太强网络会变得僵化难以学习新知识。在实际调参中可能需要设置一个随时间衰减的 ρ模拟学习初期可塑性强、后期稳定性增强的过程。4. 应用场景与优势分析Tan-HWG不是一个通用网络架构而是一个学习范式或元框架。它可以被应用到多种需要持续学习和记忆巩固的场景中。4.1 持续学习与灾难性遗忘缓解这是最直接的应用。在经典的持续学习基准测试上如Split MNIST, Permuted MNIST, Incremental Class Learning我们可以将Tan-HWG框架应用于多层感知机或卷积神经网络。如何应用将网络每一层的权重更新不仅由任务损失如交叉熵的梯度决定还同时受到该层神经元活动分布Wasserstein距离的约束。Hebbian成分可以体现为一种基于激活相关性的内在驱动与任务梯度结合。预期优势相比于传统的弹性权重巩固或生成回放等方法Tan-HWG从分布几何层面进行约束可能提供更平滑、更理论可解释的遗忘控制。它不依赖于保存旧数据或精确计算参数的重要性而是通过维护激活模式的整体稳定性来保护旧技能。4.2 脉冲神经网络中的生物可塑性模拟SNN天然使用脉冲时间依赖可塑性等类Hebbian规则。Tan-HWG可以为SNN提供一套理论框架来模拟更复杂的生物记忆巩固现象如睡眠期间的记忆重播和突触缩合。如何应用将STDP视为微观的Hebbian动力。在模拟睡眠或安静清醒期时让网络在无外部输入的情况下运行内部活动由噪声或自反馈驱动。此时应用Wasserstein约束下的“虚拟”Hebbian更新可以让网络自发地重新组织连接强化重要的活动模式记忆重播削弱不重要的连接突触缩合从而在分布层面优化记忆表征。4.3 强化学习中的技能巩固与迁移在强化学习中智能体需要在一系列任务中积累技能。Tan-HWG可以用于约束策略网络或价值网络的更新。如何应用当智能体在新环境中学习时其策略网络参数的变化会受到旧策略下状态-动作访问分布与新策略下分布之间Wasserstein距离的限制。这可以防止新学习完全覆盖旧策略有利于技能的积累和向新任务的迁移。Hebbian成分可以对应于基于TD误差的某种神经可塑性模拟。4.4 框架的优势与潜在挑战优势统一的几何视角它将记忆巩固抽象为一个在表征分布空间中的几何流形学习问题提供了强大的数学工具进行分析。生物合理性同时考虑了局部突触规则Hebbian和全局系统级约束分布稳定性与神经科学中多尺度理解大脑的观点相符。理论优雅性Wasserstein距离具有良好的数学性质度量性质、对弱收敛敏感使得理论分析如收敛性、稳定性成为可能。避免显式数据回放与基于回放的方法不同它通过几何约束来保护记忆可能更节省内存。挑战与注意事项计算开销即使使用切片法等近似计算和优化Wasserstein距离仍然比标准深度学习昂贵得多。这限制了其在大规模网络和数据集上的直接应用。分布定义的选择如何定义“记忆分布” ( P ) 非常关键且非平凡。是基于参数、基于激活、还是基于网络输出的预测分布不同的选择会导致完全不同的算法行为和解释。超参数调优阈值 ( \rho )、学习率、Hebbian更新强度等需要精心调整。特别是 ( \rho )它直接决定了稳定性和可塑性的平衡点。与深度学习的结合如何将这一框架无缝集成到基于反向传播的深度网络训练中需要巧妙的工程设计和近似。例如如何计算Wasserstein距离相对于网络参数的梯度5. 实现难点与常见问题排查在实际尝试实现或复现Tan-HWG思想时你会遇到几个典型的坑。这里结合我的理解分享一些排查思路。5.1 分布漂移与阈值ρ的设定问题描述网络完全学不进去新任务或者相反学新任务时旧任务性能暴跌。这通常是因为Wasserstein距离阈值 ( \rho ) 设置不当。排查与解决监控距离在训练过程中实时绘制每个任务切换前后、分布距离 ( d ) 的变化曲线。观察 ( d ) 的典型值范围。动态调整不要使用固定 ( \rho )。可以尝试基于百分位将 ( \rho ) 设置为历史 ( d ) 值的某个百分位数如90%。任务自适应为每个已学任务维护一个基线分布 ( P_{task} )。学习新任务时约束是针对所有旧任务基线分布中最严格的那个即最小的允许距离。渐进收紧训练初期用较大的 ( \rho )高可塑性随着学习任务增多逐渐减小 ( \rho )增强稳定性。校准实验在一个简单的双任务序列上系统地扫描 ( \rho ) 值观察新旧任务准确率随 ( \rho ) 变化的权衡曲线找到“拐点”。5.2 Wasserstein距离估计的不稳定性问题描述切片Wasserstein距离的估计方差较大导致约束时紧时松训练过程震荡。排查与解决增加切片数这是最直接的方法。虽然会增加计算量但能有效降低估计方差。可以从几十个切片开始逐步增加直到训练曲线平滑。使用正则化最优传输考虑使用Sinkhorn距离熵正则化的Wasserstein距离作为替代。它可以通过迭代矩阵缩放快速计算且更平滑、更稳定。虽然它不再是严格的度量但对于约束目的而言通常足够。滑动平均对计算出的距离 ( d ) 进行滑动平均指数移动平均用平滑后的值去判断是否违反约束可以过滤掉高频噪声。检查分布采样确保用于计算距离的激活样本是独立同分布的并且数量足够。如果batch size太小分布估计本身就不准。5.3 Hebbian更新与任务梯度的冲突问题描述纯粹的Hebbian更新方向可能与最小化任务损失如分类误差的梯度方向不一致甚至相反导致学习效率低下。排查与解决混合更新不要完全用Hebbian更新代替梯度下降。采用加权和( \Delta \theta \alpha * \Delta \theta_{task} \beta * \Delta \theta_{hebbian} )。其中 ( \Delta \theta_{task} ) 是标准反向传播梯度。通过调整 ( \alpha ) 和 ( \beta ) 来平衡。任务驱动的Hebbian修改Hebbian规则使其受任务信号调制。例如只对与正确分类相关的神经元活动进行Hebbian增强类似于奖励调制的STDP。投影法先计算任务梯度 ( g_{task} )然后计算Hebbian更新 ( g_{hebb} )。将 ( g_{hebb} ) 投影到与 ( g_{task} ) 不正交的子空间上或者只采用 ( g_{hebb} ) 中与 ( g_{task} ) 方向一致的分量。分阶段训练在一个mini-batch内先使用任务梯度进行主要更新然后施加一个很小的、受Wasserstein约束的Hebbian更新作为“微调”模拟巩固过程。5.4 计算效率与可扩展性问题描述算法太慢无法用于稍大一点的网络或数据集。排查与解决局部约束不必对全网所有层的联合分布进行约束。可以对每一层单独施加Wasserstein约束这会大大降低分布维度和计算量。神经科学上也有证据表明记忆巩固可能在不同脑区局部发生。低维投影在计算距离前先用PCA或自编码器将高维激活降维到一个有意义的低维子空间然后在低维空间计算Wasserstein距离。近似距离函数训练一个小的神经网络批评家来近似两个激活分布之间的Wasserstein距离。一旦训练好在前向传播中直接调用这个批评家网络来快速估计距离代替昂贵的切片计算。稀疏化只对网络中一部分关键连接如输出层或高层特征层施加强约束其他层使用较弱的约束或传统正则化。实现Tan-HWG这类前沿框架最大的收获往往不是得到一个SOTA的模型而是在尝试解决上述问题的过程中对“学习”、“记忆”和“表示”这些根本概念产生更深刻的理解。它迫使你从权重数值的层面跳出来去思考网络整体表征空间的几何形状是如何随着学习而演化的。这种视角的转换本身就是一个非常有价值的思维训练。