原創(chuàng) 科技唆麻 科技唆麻

8月25日上午10時(shí)，百度大腦語(yǔ)言與知識(shí)技術(shù)峰會(huì)在線上召開(kāi)。

會(huì)議主要分享了百度語(yǔ)言與知識(shí)技術(shù)的十年發(fā)展歷程、最新突破、產(chǎn)品新發(fā)布以及未來(lái)挑戰(zhàn)。

可以看到，百度在自然語(yǔ)言（NLP）上下了一盤(pán)大棋，且野心很大。

百度為什么布局NLP？因?yàn)檎Z(yǔ)言與知識(shí)技術(shù)是人工智能認(rèn)知能力的核心。換句話說(shuō)，NLP是“人工智能皇冠上的明珠”。

眾所周知，人工智能是近幾年最熱門(mén)的話題，也是未來(lái)的大勢(shì)所趨：得人工智能者得天下。但讓機(jī)器擁有人一樣的心智，越來(lái)越趨近“智能”，還是道阻且長(zhǎng)。這期間存在重重溝通障礙，其中，語(yǔ)言不通是核心障礙。

語(yǔ)言是意義的基石和載體：正如老話所說(shuō)，語(yǔ)言命名萬(wàn)物。語(yǔ)言不在了，人類(lèi)賴(lài)以生存的整個(gè)意義世界和體系瞬間崩塌殆盡。所以，人工智能想要“智”，必須掌握人類(lèi)的語(yǔ)言。

然而人類(lèi)發(fā)展到今天，語(yǔ)言博大精深。我們?cè)缇土?xí)慣了用同一句話表達(dá)不同的意思：不同語(yǔ)境下，相同的語(yǔ)句可能有截然不同的意義。但對(duì)于并不具有人類(lèi)心智機(jī)器來(lái)說(shuō)，理解這些歧義難上加難。

在早期，最先出現(xiàn)的語(yǔ)言處理系統(tǒng)SHRDLU等，都具有局限性：當(dāng)處于“真空環(huán)境”，用有限的詞匯對(duì)話、處理時(shí)，可以正常運(yùn)行，然而，當(dāng)把這個(gè)系統(tǒng)應(yīng)用于充斥著不確定性的現(xiàn)實(shí)世界時(shí)，它們并不能勝任工作。

比如，“我們把青草給兔子，因?yàn)樗鼈凁I了”和“我們把青草給兔子，因?yàn)樗鼈兪焱噶恕庇型瑯拥慕Y(jié)構(gòu)。但是代詞“它們”在第一句中指的是“兔子”，在第二句中指的是“青草”。如果不了解動(dòng)物和植物的屬性，無(wú)法區(qū)分。

所以，語(yǔ)言是人工智能路上的最大障礙。也正因如此，如果解決了人和機(jī)器的溝通障礙，也就掌握了打開(kāi)人機(jī)交互通道的鑰匙。

因此，不難理解百度等巨頭在NLP上的加碼：事實(shí)上，NLP不僅僅是幫助計(jì)算機(jī)學(xué)習(xí)人類(lèi)的語(yǔ)言，更是在幫助計(jì)算機(jī)掌握人的心智——了解人類(lèi)的思維體系和溝通方式。

所以，從2010年，百度成立自然語(yǔ)言處理部開(kāi)始，一直不斷加碼。比如，數(shù)據(jù)匱乏、算力不足歷來(lái)是語(yǔ)言與知識(shí)技術(shù)研發(fā)中面臨的瓶頸。

為突破瓶頸，百度聯(lián)合中國(guó)計(jì)算機(jī)學(xué)會(huì)、中國(guó)中文信息學(xué)會(huì)發(fā)起中文自然語(yǔ)言處理數(shù)據(jù)共建計(jì)劃——千言，解決數(shù)據(jù)稀缺問(wèn)題。

千言一期由來(lái)自國(guó)內(nèi)11家高校和企業(yè)的數(shù)據(jù)資源研發(fā)者共同建設(shè)，已涵蓋開(kāi)放域?qū)υ?、閱讀理解等7大任務(wù)，20余個(gè)中文開(kāi)源數(shù)據(jù)集。

不止如此。正如百度CTO王海峰的回顧，“在百度語(yǔ)言與知識(shí)技術(shù)的布局和發(fā)展中，我們始終在注意把握兩個(gè)趨勢(shì)，即技術(shù)發(fā)展趨勢(shì)和產(chǎn)業(yè)發(fā)展趨勢(shì)。”

可以看到，百度NLP不僅在技術(shù)突破上成就斐然，在產(chǎn)品落地上也做出了一定成績(jī)。

01

百度技術(shù)突破

百度NLP的成績(jī)?cè)趺礃樱?/p>

可以看到，十年來(lái)，百度大腦語(yǔ)言與知識(shí)技術(shù)成果頗豐：獲得包括國(guó)家科技進(jìn)步獎(jiǎng)在內(nèi)的20多個(gè)獎(jiǎng)項(xiàng)，30多項(xiàng)國(guó)際競(jìng)賽冠軍，發(fā)表學(xué)術(shù)論文超過(guò)300篇，申請(qǐng)專(zhuān)利2000多項(xiàng)。

同時(shí)，技術(shù)不斷突破創(chuàng)新的同時(shí)，也在產(chǎn)品上創(chuàng)新探索，具有可落地性，為具體產(chǎn)業(yè)賦能。

而此次會(huì)議，王海峰全面分享了百度語(yǔ)言與知識(shí)技術(shù)完整布局和最新成果。

首先，百度打造了世界上最大規(guī)模知識(shí)圖譜。

知識(shí)圖譜是機(jī)器認(rèn)知世界的重要基礎(chǔ)：相當(dāng)于教幼童時(shí)代的機(jī)器“看圖識(shí)字”。而百度擁有超過(guò)50億實(shí)體和5500億事實(shí)，并在不斷演進(jìn)和更新。如今，百度知識(shí)圖譜應(yīng)用于各行各業(yè)，每天的調(diào)用次數(shù)超過(guò)400億次。

其次，在融入知識(shí)的基礎(chǔ)上，語(yǔ)言理解能力不斷增強(qiáng)。

2019年3月，百度提出知識(shí)增強(qiáng)的語(yǔ)義理解框架ERNIE，在深度學(xué)習(xí)的基礎(chǔ)上融入知識(shí)，同時(shí)具備持續(xù)學(xué)習(xí)能力，曾登頂全球權(quán)威數(shù)據(jù)集GLUE榜單，首次突破90分大關(guān)，刷新榜單歷史。基于知識(shí)圖譜和語(yǔ)義表示，突破了閱讀理解、對(duì)話理解以及跨模態(tài)深度語(yǔ)義理解等技術(shù)。

不止如此，語(yǔ)言生成是語(yǔ)言與知識(shí)技術(shù)中的重要組成部分。

基于預(yù)訓(xùn)練技術(shù)的成功經(jīng)驗(yàn)，百度提出基于多流機(jī)制的語(yǔ)言生成預(yù)訓(xùn)練技術(shù)，兼顧詞、短語(yǔ)等不同粒度的語(yǔ)義信息，顯著提升生成效果。百度也探索了多文檔摘要生成，通過(guò)圖結(jié)構(gòu)語(yǔ)義表示引入篇章知識(shí)，在單文檔和多文檔摘要生成效果都有提升。

除此之外，百度在應(yīng)用系統(tǒng)層面，對(duì)話系統(tǒng)和機(jī)器翻譯等成績(jī)卓著。

百度提出了知識(shí)圖譜驅(qū)動(dòng)的對(duì)話控制技術(shù)，以及首個(gè)基于隱空間的大規(guī)模開(kāi)放域?qū)υ捘Ｐ蚉LATO等，并推出智能對(duì)話定制和服務(wù)平臺(tái)UNIT，幫助開(kāi)發(fā)者高效構(gòu)建智能對(duì)話系統(tǒng)，實(shí)現(xiàn)規(guī)模化應(yīng)用。

如今，百度翻譯支持200多種語(yǔ)言，每天響應(yīng)超過(guò)千億字符的翻譯請(qǐng)求，支持超過(guò)40多萬(wàn)家第三方應(yīng)用，技術(shù)上，提出了多智能體聯(lián)合學(xué)習(xí)、基于語(yǔ)義單元的同傳模型、稀缺語(yǔ)種分組混合訓(xùn)練算法等。

同時(shí)，這些技術(shù)以平臺(tái)化的方式輸出，通過(guò)賦能，持續(xù)提升產(chǎn)業(yè)智能化水平。

02

百度NLP落地應(yīng)用

如果一項(xiàng)技術(shù)不能落地，那它就只能居于空中樓閣。百度NLP顯然不是這樣的海市蜃樓：相反，它積極落地，并已生根開(kāi)花。

正如百度方面表示：“我們一直致力于將語(yǔ)言與知識(shí)技術(shù)凝聚成一系列技術(shù)平臺(tái)和產(chǎn)品，在應(yīng)用中產(chǎn)生大量?jī)r(jià)值，為廣大開(kāi)發(fā)者和產(chǎn)業(yè)實(shí)踐者提供以語(yǔ)言與知識(shí)技術(shù)為核心驅(qū)動(dòng)的系列產(chǎn)品?！?/p>

在具體的場(chǎng)景中，NLP有具體的應(yīng)用。

比如，百度推出的語(yǔ)義理解技術(shù)與平臺(tái)文心，基于深度學(xué)習(xí)平臺(tái)飛槳打造，依托領(lǐng)先的語(yǔ)義理解核心技術(shù)，集成優(yōu)秀的預(yù)訓(xùn)練模型、全面的NLP算法集、端到端開(kāi)發(fā)套件和平臺(tái)，提供一站式NLP開(kāi)發(fā)與服務(wù)，讓開(kāi)發(fā)者更簡(jiǎn)單、高效地定制企業(yè)級(jí)NLP模型。文心經(jīng)過(guò)了大量真實(shí)應(yīng)用場(chǎng)景的淬煉，具備優(yōu)秀的工業(yè)級(jí)落地實(shí)力。

再比如，百度全新發(fā)布的智能文檔分析平臺(tái)TextMind，基于OCR、NLP技術(shù)，以文檔解析為核心能力，支持文檔對(duì)比與文檔審核，具備“多快好省”的核心優(yōu)勢(shì)，促進(jìn)企業(yè)辦公智能升級(jí)。

與此同時(shí)，百度大腦智能創(chuàng)作平臺(tái)針對(duì)媒體應(yīng)用場(chǎng)景再升級(jí)，全新推出智能策劃、智能采編、智能審校三大媒體場(chǎng)景方案，進(jìn)一步助力媒體人更快、更好地創(chuàng)作，切中媒體人的“痛點(diǎn)”。

智能對(duì)話定制與服務(wù)平臺(tái)UNIT升級(jí)，有更智能的任務(wù)式對(duì)話理解、極致便捷的表格問(wèn)答和融合通用的新對(duì)話引擎。此次UNIT全新升級(jí)的三大能力，將進(jìn)一步降低任務(wù)式對(duì)話、智能問(wèn)答的定制成本，并融合通用對(duì)話能力，提升交互體驗(yàn)。

全新發(fā)布的AI同傳會(huì)議解決方案，覆蓋會(huì)議全場(chǎng)景、全流程，旨在打造用戶(hù)隨身的“會(huì)議同傳專(zhuān)家”。

吳甜現(xiàn)場(chǎng)展示了如何只用一臺(tái)電腦和一部手機(jī)快速搭建一套同傳服務(wù)，只需點(diǎn)點(diǎn)鼠標(biāo)、打幾個(gè)字，就能快速獲得專(zhuān)業(yè)的同傳服務(wù)。

吳華還發(fā)布了百度語(yǔ)言與知識(shí)技術(shù)算力共享計(jì)劃，通過(guò)百度AI STUDIO平臺(tái)提供算力支持，讓廣大開(kāi)發(fā)者破除算力桎梏，專(zhuān)注于技術(shù)創(chuàng)新。

正如百度技術(shù)委員會(huì)主席吳華表示：

“未來(lái)，我們希望有更多的數(shù)據(jù)集作者能夠參與共建千言，共同推動(dòng)中文信息處理技術(shù)的進(jìn)步，建設(shè)世界范圍的中文信息處理影響力。我們計(jì)劃在未來(lái)3年，面向20多個(gè)任務(wù)，收集和建設(shè)不少于100個(gè)中文自然語(yǔ)言處理數(shù)據(jù)集，覆蓋語(yǔ)言與知識(shí)技術(shù)全部領(lǐng)域。”

原標(biāo)題：《百度為何加碼NLP》

閱讀原文