【神经网络系列（高级）】神经网络Grokking现象的电路效率公式——揭秘学习飞跃的秘密【通俗理解】

【通俗理解】神经网络Grokking现象的电路效率公式

论文地址：
https://arxiv.org/abs/2309.02390

参考链接：
[1]https://x.com/VikrantVarma_/status/1699823229307699305
[2]https://pair.withgoogle.com/explorables/grokking/

关键词提炼

#Grokking现象 #神经网络 #电路效率 #学习效率 #一般化解 #记忆化解 #临界数据集大小

第一节：Grokking现象的类比与核心概念

1.1 Grokking现象的类比

Grokking现象是神经网络中一个神秘的现象： 在训练初期，网络虽然训练精度完美，但泛化能力极差；
然而，在持续训练下，它突然实现了完美的泛化。
这就像一位学生，开始时只能死记硬背答案，但在某个转折点后，他突然能够灵活运用知识，解决了所有问题。

1.2 相似概念比对

• 机器学习中的过拟合与欠拟合：过拟合指的是模型在训练数据上表现过好，但在新数据上表现不佳；欠拟合则是模型在训练数据和新数据上都表现不佳。Grokking现象可以被视为一种从过拟合到恰当拟合的转变。
• 神经网络学习曲线：学习曲线描述了训练集和验证集准确率随训练轮次的变化。Grokking现象则是一个特别的学习曲线形态，即在长时间无显著改善后突然跳跃至高水平。

第二节：Grokking现象的核心概念与应用

2.1 核心概念

核心概念	定义	比喻或解释
一般化解 (Generalising Solution)	能够有效泛化到新数据的神经网络参数配置。	类似于掌握了一种解题方法，能应用于各种题型。
记忆化解 (Memorising Solution)	仅通过记忆训练数据达到高训练精度的神经网络参数配置。	类似于死记硬背答案，换一套题就不会做了。
电路效率	在相同参数规模下，不同参数配置产生的logits（模型输出）的大小，反映学习的难易程度。	就像电路中能量转换的效率，高效的电路能在同样输入下产生更多输出。

2.2 优势与劣势

方面	描述
优势	提供了一种解释神经网络复杂学习行为的框架，帮助研究者更好地理解何时、如何优化模型。
劣势	Grokking现象的具体机制和触发条件仍不完全清晰，需要进一步实验验证。

第三节：公式探索与推演运算

3.1 Grokking现象的假设公式

虽然原文献中没有直接给出具体的数学公式，但我们可以根据其核心思想构建一个简化的模型框架：

$$\text{GeneralisationEfficiency}(G)=\frac{\text{LogitOutput}(G)}{\text{ParameterNorm}(G)}$$

$$\text{MemorisationEfficiency}(M)=\frac{\text{LogitOutput}(M)}{\text{ParameterNorm}(M)}$$

其中，$\text{GeneralisationEfficiency}(G)$ 和 $\text{MemorisationEfficiency}(M)$ 分别代表一般化解和记忆化解的电路效率，$\text{LogitOutput}$ 表示在相同输入下，由不同参数配置产生的logits输出，$\text{ParameterNorm}$ 表示参数向量的范数，作为衡量参数规模的基准。

3.2 公式推演与假设

根据假设，随着训练数据集的增大，记忆化解的效率会下降（因为记忆所有数据变得更为困难），而一般化解的效率则相对保持稳定或缓慢上升。因此，存在一个临界数据集大小 $D_{critical}$，使得：

$$\text{MemorisationEfficiency}(M_{D>D_{critical}})<\text{GeneralisationEfficiency}(G_{D>D_{critical}})$$

在这个临界点之后，网络更倾向于学习到一般化解，从而实现Grokking现象。

3.3 具体实例与推演

假设有两个神经网络配置A（记忆化解）和B（一般化解），在相同数据集上进行训练。初始时，A的配置使其能够快速记忆训练数据，而B则较为缓慢地学习。然而，随着数据集大小从100增加到10000，A的$\text{MemorisationEfficiency}$急剧下降，而B的$\text{GeneralisationEfficiency}$则稳步提升。在某个数据集大小（如5000）后，B的效率超过了A，导致网络突然展现出优秀的泛化能力，即发生了Grokking现象。