「GNN，简直太烂了」，一位Reddit网友的深度分析火了
金磊 发自 凹非寺
量子位 报道 | 公众号 QbitAI
图神经网络（GNN）这个概念近几年很火，确实如此。
然而今天，一位Reddit网友却“背道而驰”地提出了强烈反对观点。例如：
过去5年中，大多数GNN论文提供的结果，对从业者没有太多帮助。
我太烦Node2Vec了，引用量不应该达到7500这个数量。
就玩那些没用的、小数据，效率提不上来，很难取得进步。
添加一些新的图层/超参数，编一个可爱的数学故事来解释它为什么重要。
当前的图形数据结构，简直糟糕透了。
全局方法，是个死胡同。
……
点评、分析之犀利，瞬间引来了众多网友的围观。
接下来便来细看下这位网友，为什么对GNN如此之厌恶。
（为了方便阅读，以下内容将以第一人称进行表述）
模型与压缩有关
先来简单回顾一下基础知识。
大家都说图（graph）是一种“非欧几里得”数据类型，但事实并非如此。
一个正则图（regular graph）只是思考特殊矩阵（邻接矩阵）的另一种方式而已。
很奇怪的一点就是，当我们看到满满都是实数的矩阵时候，就决定称之为“非欧几里得矩阵”。
但这背后也有其实际的原因，因为大多数的图都是非常稀疏的，也就是说矩阵里面大多数的数值都是零。
基于这一点，矩阵里面非零的数字就显得格外重要。这就使得问题更加接近离散数学，而不是简单连续、梯度友好的数学。
如果你有一个全矩阵（full matrix），那事情就会变得相当容易
如果我们暂时不考虑这些恼人的点，假设用一整个邻接矩阵也没什么大不了的，那我们就决绝了一大堆的问题。
首先，网络节点嵌入（network node embedding）就不再是个难题了。一个节点只是矩阵中的一行，所以它已经是一个数字向量。
其次，还解决了所有的网络预测问题。
一个足够强大且经过良好调优的模型，将提取网络和我们附加到节点上的任何目标变量之间的所有信息。
NLP也只是花式的矩阵压缩
让我们从图形切入到NLP。
正如我们将要看到的，我们所做的大多数NLP问题，都可以用图来表示，所以这并不是什么“题外话”。
首先，请注意，像Word2Vec和GloVe这样的Ye Olde词嵌入模型，只是矩阵分解。
GloVe 算法是对旧的词袋（bag of word）矩阵的一种变形。它遍历这些句子，并创建一个(隐含的)共现图（co-occurence graph），其中节点是单词，而边则根据单词在句子中出现的频率进行加权。
然后，GloVe对共生图的矩阵表示进行矩阵分解，Word2Vec在数学上是等价的。
甚至语言模型也只是矩阵压缩
语言模型风靡一时，可以说，它们主宰了 NLP 的大部分技术。
让我们以BERT为例，BERT会根据句子的上下文，来预测了一个单词：
这使得我们要构造的矩阵，从对单词的平均共现（co-occurence），增加到了对句子上下文的条件共存：
正如 Hanh 和 Futrell 的论文中所指出，我们正在组合地构造“理想矩阵”：
人类语言和语言模型具有无限的统计复杂性，但是在较低的层次上可以很好地近似。这个观察结果有两个含义：
1)我们可以用相对较小的模型获得较好的结果；2)我们的模型有很大的扩展潜力。
语言模型处理如此大的问题空间，以至于他们可能近似于柯氏复杂性（Kolmogorov Complexity）意义上的整个语言的压缩。也有可能庞大的语言模型，只是记住了大量的信息，而不是压缩信息。
那我们能像语言模型一样，对图进行上采样吗？
答案是：我们已经在做了。
我们把图的一阶嵌入，称为直接分解图的邻接矩阵或拉普拉斯矩阵（Laplacian Matrix）的方法。
如果使用拉普拉斯特征映射或者取拉普拉斯主分量来嵌入图，则为一阶。
同样，GloVe 方法也是对词共现图的一阶方法。
我最喜欢的图的一阶方法之一是ProNE，它和大多数方法一样好用，但是速度快两个数量级。
高阶方法就是我们在图上做的 “上采样”。
在大型邻域“上采样”的 GNN 和 node2vec 等基于随机漫步的方法都是在做高阶嵌入。
性能增益，在哪儿呢？
过去5年中，大多数GNN论文提供的结果，对从业者没有太多帮助。
正如OpenGraphsBenchmark（OGB）论文所指出的那样，GNN论文的实证部分是在少数具有2000-20000个节点的小图（Cora、CiteSeer、PubMed）上进行的。
这些数据集不能区分不同的方法。
最近的一些研究工作虽然解决了这个难题，但是为什么研究人员长期关注小型的、无用的数据集，是值得讨论的问题。
性能表现受任务分类的影响
一个让很多可能会感到惊讶的事实是，即使语言模型在很多NLP任务中有着良好的表现，但如果你所做的只是将句子嵌入到下游模型中，那么通过简单的方法，比如将单个 Word2Vec单词嵌入相加，从语言模型嵌入中并不会得到多少好处。
类似地，我发现对于许多图而言，简单的一阶方法在图聚类和节点标记预测任务上的表现，与高阶嵌入方法一样好。
事实上，高阶方法对于这些用例来说，在计算上是非常浪费的。
但高阶方法并不是说没有用，它通常在链路预测任务中表现得更好。
有趣的是，链接预测性能的差距，在人工创建的图中是不存在的。这表明高阶方法，确实学习了一些真实世界图形固有的结构。
但对于可视化而言，一阶方法会更好一些。高阶方法的可视化往往有其采样的伪影。
例如，Node2Vec可视化往往具有拉长/丝状结构，这些结构来自于长单链随机漫步的嵌入。
下面是 Owen Cornec 的可视化效果：
最后，有时简单的方法胜过高阶方法（在 OGB 论文中有一个实例）。
这里存在的一个问题是，我们不知道一个方法什么时候比另一个方法会更好些，我们绝对不知道其中的原因。
不同的图类型，对于不同的方法表示所反映出来的性能好坏，是有其原因的，但这是一个悬而未决的问题。
很大一部分的原因，是研究领域被没用的新算法给淹没了。
为什么会这样呢？继续往下看。
学术的激励（incentive），与学术的进步背道而驰
下面是“愤世嫉俗者”对机器学习论文制作的一些观点：
采用现存的一些算法
添加一些新的图层/超参数，编一个可爱的数学故事来解释它为什么重要
网格搜索你的超参数，直到你打破原始文件的基线
绝对不要在你的搜索结果区域中，将你正在比较的东西网格化
为你的新方法做一个可爱的首字母缩写，把不可能使用的Python2代码放到GitHub上
BTW：我太讨厌Node2Vec了
我一个副项目是一个节点嵌入库，目前最流行的方法是 Node2Vec。
不要使用Node2Vec！
取p=1和q=1的Node2Vec是Deepwalk算法，Deepwalk是一种实际的创新。
Node2Vec 的作者们紧跟着刚才提到的那5个步骤，包括步骤5提到的名字上的加分（因为word2vec很出名）。
这并不是什么学术造假，而是让ML社区变得更糟。
当然，Node2Vec也不应该被引用7500次。
学术进步，应该更加关注实际
40多年来，我们已经知道如何训练神经网络。然而，直到2012年，它们才在 AlexNet 上大受欢迎。
是因为实现和硬件达到了深度学习可行的程度。
类似地，我们至少在20年前就知道把单词共现矩阵分解成单词嵌入。
但词条嵌入直到2013年，随着Word2Vec才爆发。
这里的突破在于，基于小批量（minibatch）的方法，可以让你在硬件上训练维基百科规模的嵌入模型。
如果对少量数据进行训练，还需要数天或数周，那么一个领域的方法就很难取得进展。
效率对于学术进步至关重要
深度学习研究之所以能够取得如此成功，是因为它提高了效率，并且拥有了更好的库和硬件支持。
学术规范太糟糕
你花费在 p 和 q 上的 Node2Vec 网格搜索的时间，都可以更好地利用 Deepwalk 本身的网格搜索。
问题是人们不会在Deepwalk中网格搜索，因为实现都很糟糕。
体系结构并不重要
今年最重要的论文之一是 OpenAI 的“Scaling laws”论文，其中模型中参数的原始数量是整体性能最具预测性的特征。
这一点，甚至在原始的BERT论文中也有所提及，并且推动了2020年大规模语言模型的增长。
Transformer也可能取代卷积。正如Yannic Kilcher所说，Transformer正在毁掉一切，他们在图上进行研究，事实上，它是在基准测试时似乎是比较成功的方法之一。
研究人员似乎在结构上投入了大量的精力，但是最终这并不重要，因为你可以通过叠加更多的层来近似任何东西。
效率的胜利是伟大的，但神经网络架构只是实现这一目标的一种方式，而且由于对这一领域的过度研究，我们将在其他地方留下遗憾。
图形数据结构简直糟糕透了
NetworkX是个糟糕的库。
如果你在为婴儿做小图，它很好，但对于任何严肃的事情，它都会让你窒息，迫使你重写所有的东西……
这叫库？Really？
在这一点上，大多数处理大型图的人，最终都会手工滚动一些数据结构。
但这很困难，因为你的计算机内存是一个由1和0组成的一维数组，一个图没有明显的一维映射。
如果我们考虑更新图表（添加/删除一些节点/边) ，这就更难了。
全局方法是个死胡同
一次处理整个图的方法不能利用计算，因为它们在一定规模上耗尽了RAM。
因此，任何希望成为新标准的方法，都需要能够对图的某些部分进行逐段更新。
今后，采样效率（Sampling Efficiency）将在未来更加重要：
边缘局部方法：我所知道的包括GloVe 和 GGVec。
随机漫步采样：Deepwalk 及其后代使用这种方法，通常用于节点嵌入，而不是 GNN 方法。
近邻采样：这是目前GNN中最常见的一种，可以是低阶或高阶，这取决于邻居的大小。
网友评论
但对于这样的猛烈抨击，Reddit网友们mhwalker，似乎有不一样的声音。
大多数情况下，规模问题在工业上得到了解决。我们在数十亿个节点和数百亿个边上训练GNN。我们可以毫无问题地水平扩展。
但也正如你说的，这些文献大多数是无用的。
至于被问如何解决的，帖子作者做出了回复，并提到了阿里巴巴的一篇论文：
阿里巴巴有一篇关于其基础设施的论文，阐述了他们是如何做到这一点的。
Pinterest主要使用GraphSAGE与邻里抽样。Instagram使用一个node2vec实现(可能是handrolled)。
那么对于这样的讨论，你怎么看？
参考链接：
https://www.reddit.com/r/MachineLearning/comments/kqazpd/d_why_im_lukewarm_on_graph_neural_networks/
— 完 —
本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容，未经账号授权，禁止随意转载。
加入AI社群，与优秀的人同行
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见~