在2020年7月3日第三节AI开发者大会的时候，阿里巴巴副总裁、达摩院语言实验室首席科学家、ACM杰出科学家，司罗在《为商业搭建语言桥梁》的演讲中介绍了NLP的技术发展以及阿里在该领域的落地实践。
他总结了NLP技术今年的飞速发展有三个趋势：
深度语言模型的发展，引领很多自然语言技术和应用都取得了非常快的进步；越来越多的传统公有云服务技术从通用功能走向更多定制化服务，提供更精准、准确的服务；自然语言商业化的途径，一定是于行业和场景紧密结合，只有这样才能更大发挥自然语言技术的商业价值。2018年谷歌的BEPT横空出世以来，预训练语言模型一跃成为自然语言处理领域的研究热点，海量数据和大规模模型的预训练+少量下游任务数据微调成为了NLP任务的新范式。
在本月，阿里巴巴达摩院发布中文社区最大规模预训练语言模型PLUG（Pre-training for Language Understanding and Generation），该模型参数规模达到270亿，集语言理解与生成能力与一身。可以应用在小说创作、诗歌生成、智能问题问答长文本生成。发布之后直接刷新了中文语言理解评测基准CLUE分类榜单历史记录。
下面我们看看是如何生成的：
小说续写：
输入：话说宝玉和凤姐回家，见过众人，宝玉便回明贾母要约秦钟上家塾之事，自己也有个伴读的朋友，正好发愤；又着实称赞秦钟人品行事，最是可人怜爱的。凤姐又在一旁帮着说：“改日秦钟还来拜见老祖宗呢。”说的贾母喜欢起来。凤姐又趁势请贾母一同过去看戏。贾母虽年高，
输出：但身上还有几分力气，便命凤姐陪她看戏。贾母一个劲儿的让出一条道来，凤姐便陪他到一边。不想戏刚刚上场，只见从人堆里，挤出两个老人来，都是身着绸衣，头上扎着两根簪儿，后面跟着两个老人。贾母一眼便认出来，这便是邢岫烟。这邢岫烟原是贾环的外孙女婿，邢夫人的外孙宝玉看了，也不觉的诧异。一时，那邢岫烟和贾环一干人等，就围着贾母、凤姐、秦钟等。一时，邢岫烟又叫：邢夫人来。贾环等不胜其扰，一时都来到邢夫人的房门口。只见邢夫人正站在窗口，向窗内张望。邢岫烟便向邢夫人笑道：邢二婶子，你看这窗户这么大，难道窗子不是贾环等听见，都来看戏。只见邢夫人也在一旁，忙向邢夫人打听起邢岫烟的来历来。邢夫人听见贾环在此，忙向邢岫烟说道：邢夫人，你也在这里看戏。邢岫烟听说，忙向邢夫人道：邢二婶子，你来的正好，正好可以问问你。邢二婶子，你可认得他么？邢夫人道：认得。邢夫人笑道：你认得他吗？
论文撰写：
输入：目标检测是计算机视觉的一个重要研究方向，其目的是精确识别给定图像中特定目标物体的类别和位置。近年来，
输出：视觉技术已经成为计算机视觉领域中研究热点，视觉智能的发展将对传感方式、感知技术、图像处理技术、自然语言处理等方面产生深刻影响。视觉传感器在工业生产、军事领域中的应用已越来越广泛。但是我们在实际生产中经常遇到一些难题，例如传感器的检测难题，传感器的校准难题，传感器的应用领域不明确，传感器的性能评估不一致等等，这些都是传感器在工业生产中实际应用中遇到的难题。
生活解答：
输入：孩子学习成绩差怎么办？
输出：作为家长，我们对孩子学习成绩的关注度不仅仅是指孩子学习成绩，还包括孩子的学习状态、学习方法和学习习惯，如果孩子的学习成绩不是特别理想，我们是不是首先要帮助孩子找到原因？对孩子心理学的学习成绩，很多家长都说不好，有的父母会说我的孩子怎么这么笨，我的孩子都这么笨，我这么努力就是为了他学习。其实，孩子心理的学习成绩的好坏不仅是学习的效率，还有学习的能力。孩子从小学习的是他人对他的期望，他要有更好的人生，这样他的心理就会健康和谐，家长能够给孩子更多的关注，才会有更好的发展。
古诗生成
输入：寒随穷律变，春逐鸟声开。初风飘带柳，
输出：风至一枝春。含情春草绿，带笑暮花红。春日野田行，风烟寒树迥。清明带雨过，谷雨烧畲烟。农事一年最，家家插秧忙。田间地头水，桑下屋后苗。
零样本学习
除此之外，PLUG模型在零样本fine-tune的情况下也能完成多种类型的下游任务，包括分类任务、自然语言推理任务等，示例如下（下面样本来自中文CLUE榜单的OCNLI-中文推理数据集）：
输入：他以身殉职,终年59岁。他是在今年去世的。这两句话什么关系：中立。实施更大规模的减税。即将实行减税。这两句话什么关系：包含。
实施更大规模的减税，即将缩小减税规模。这两句话什么关系：对立。
州立大学,到那读博士去了。州立大学没有博士点。这两句话什么关系：
输出：对立
输入：他以身殉职,终年59岁。他是在今年去世的。这两句话什么关系：中立。
实施更大规模的减税。即将实行减税。这两句话什么关系：包含。
实施更大规模的减税，即将缩小减税规模。这两句话什么关系：对立。
州立大学，到那读博士去了。有人到州立大学读博士。这两句话什么关系：包含。
州立大学,到那读博士去了。州立大学很受欢迎。这两句话什么关系：中立。
扎实推进乡村建设。乡村需要建设。这两句话什么关系：
输出：包含
PLUG的独特优势
PLUG是目前中文社区最大规模的纯文本预训练语言模型；
PLUG集语言理解与生成能力与一身，在语言理解NLU任务上，以80.614分刷新了Chinese GLUE分类榜单的新纪录第一名，在语言生成（NLG）任务上，在多项业务数据上较为State-of-the-art平均提升8%以上。
PLUG可为目标任务做针对性优化，通过利用下游训练数据finetune模型使其在该特定任务上生成质量达到最优，弥补之前它大规模生产模型few-shot inference的生成小伙不足，适用于应用在实际生成任务。
其次就是采用了大规模中文训练数据。从上面的例子当中我们也可以看到，不管是多样性还是领域广泛程度都非常高。
并且PLUG开放了体验功能让大家在学术领域试用。
排名仅次于人了，PLUG生成模型有着很强的长文本生成和建模能力，相比于GPT系列模型的单向建模，PLUG对输入的理解是双向建模的，因此能够在给定小段输入的条件下，生成和输入内容相关且信息量丰富的长文本。
接下来，PLUG将扩大参数规模至2000亿级，并进一步提升文本生成质量。与PLUG发布同步，达摩院宣布近期将开源阿里巴巴深度语言模型体系大部分重要模型。阿里达摩院语言技术实验室负责人司罗表示，“达摩院NLP团队将进一步攻克自然语言处理领域科研难题，完善中文及跨语言人工智能基础设施，让AI没有难懂的语言，并探索通用人工智能之路。”
在超大规模预训练模型领域，除发布以中文为核心的PLUG外，阿里达摩院、阿里云计算平台团队还联合智源研究院、清华大学发布了面向认知的超大规模新型预训练模型“文汇”，以及联合清华大学发布了超大规模多模态预训练模型“M6”。
暂无评论内容