中文自然語言處理數(shù)據(jù)共建讓機器讀懂“千言”
2020-08-26 16:18
本文來源：中國消費者報•中國消費網(wǎng)
作者：武曉莉
“機器人保姆要想真正走入家庭,，自然語言是第一關,。”達闥科技總裁黃曉慶在此前的一次座談上對記者說。
自然語言理解（NLP）素有“人工智能皇冠上的明珠”的盛譽,，語言與知識技術是人工智能認知能力的核心,。這也意味著語言與知識等認知層面的技術突破,，將進一步促進AI深入發(fā)展,。
中文作為最優(yōu)美,、最復雜的語言,，其自然語言的數(shù)據(jù)共建將幫助機器讀懂“千言”,，開拓人工智能領域無限的遐想空間,。
機器認知需依賴知識圖譜
“知識圖譜是機器認知世界的重要基礎,。”在剛剛結束的以“掌握知識,、理解語言,、擁有智能”為主題的百度大腦語言與知識技術峰會上，百度CTO王海峰解讀了語言與知識技術的發(fā)展歷程與最新成果,，與產(chǎn)學研各界分享技術及產(chǎn)業(yè)發(fā)展趨勢和展望,。
基于最大的搜索平臺的數(shù)據(jù)優(yōu)勢，百度打造了世界上最大規(guī)模的知識圖譜,，擁有超過50億實體和5500億事實，并在不斷演進和更新,。該知識圖譜應用于各行各業(yè),，每天的調(diào)用次數(shù)超過400億次,。
在融入知識的基礎上，機器的語言理解能力不斷增強,。通過知識增強的語義理解框架ERNIE，在深度學習的基礎上融入知識,，同時具備持續(xù)學習能力，這讓機器自然語言突破了閱讀理解,、對話理解以及跨模態(tài)深度語義理解等技術,。
語言生成是語言與知識技術中的重要組成部分,。基于預訓練技術的成功經(jīng)驗提出的基于多流機制的語言生成預訓練技術,，兼顧詞,、短語等不同粒度的語義信息,，顯著提升生成效果。
在應用系統(tǒng)層面,，對話系統(tǒng)和機器翻譯等成績卓著。提出了知識圖譜驅(qū)動的對話控制技術,，以及首個基于隱空間的大規(guī)模開放域?qū)υ捘Ｐ蚉LATO等,，并推出智能對話定制和服務平臺UNIT,，幫助開發(fā)者高效構建智能對話系統(tǒng),，實現(xiàn)規(guī)?；瘧?。
通過上述技術，機器翻譯也取得了突破性進展,。以百度為例,，其翻譯支持200多種語言,，每天響應超過千億字符的翻譯請求,，支持超過40多萬家第三方應用,，技術上，提出了多智能體聯(lián)合學習,、基于語義單元的同傳模型,、稀缺語種分組混合訓練算法等。
王海峰認為,，人工智能大腦語言與知識技術的持續(xù)探索和創(chuàng)新,，以平臺化的方式輸出，可以賦能千行萬業(yè),，持續(xù)提升產(chǎn)業(yè)智能化水平,。
此次大會還發(fā)布了百度大腦語言與知識產(chǎn)品全景圖，以及語義理解技術與平臺文心,、智能文檔分析平臺TextMind和AI同傳會議解決方案三大新產(chǎn)品和6項升級,。
語言與知識技術平臺化
只用一臺電腦和一部手機，就可以在大型會議現(xiàn)場快速搭建一套同傳系統(tǒng),，只需點點鼠標,、打幾個字，就能快速獲得專業(yè)的同傳服務,。
語言與知識技術平臺化可以在應用中產(chǎn)生大量價值,，為廣大開發(fā)者和產(chǎn)業(yè)實踐者提供以語言與知識技術為核心驅(qū)動的系列產(chǎn)品。
據(jù)百度集團副總裁吳甜介紹,，語義理解技術與平臺文心,，基于深度學習平臺飛槳打造，依托領先的語義理解核心技術,，集成優(yōu)秀的預訓練模型,、全面的NLP算法集、端到端開發(fā)套件和平臺,，提供一站式NLP開發(fā)與服務,，讓開發(fā)者更簡單、高效地定制企業(yè)級NLP模型,。文心經(jīng)過了大量真實應用場景的淬煉,，已經(jīng)具備優(yōu)秀的工業(yè)級落地實力。
智能文檔分析平臺TextMind，具備“多快好省”的核心優(yōu)勢,，可以促進企業(yè)辦公智能升級,。
利用機器大腦智能創(chuàng)作平臺，媒體應用場景也得到再升級,。智能策劃,、智能采編、智能審校三大媒體場景方案,，可以進一步助力媒體人更快,、更好地創(chuàng)作。
智能對話定制與服務平臺UNIT,，有更智能的任務式對話理解,、極致便捷的表格問答和融合通用的新對話引擎。將進一步降低任務式對話,、智能問答的定制成本,，并融合通用對話能力，提升交互體驗,。
上述AI同傳會議解決方案,，覆蓋了會議全場景、全流程,，旨在打造用戶隨身的“會議同傳專家”,。
所有的場景都離不開數(shù)據(jù)計算，更多的數(shù)據(jù)集作者參與共建,，可以共同推動中文信息處理技術的進步，建設世界范圍的中文信息處理影響力,。據(jù)了解,，未來3年，中文自然語言處理數(shù)據(jù)共建計劃——“千言”將面向20多個任務,，收集和建設不少于100個中文自然語言處理數(shù)據(jù)集,，覆蓋語言與知識技術全部領域。
未來,，機器將更好地理解世界,、更好地服務于人。
責任編輯：40
