处理怎么读，2019自然语言处理前沿论坛：探索AI语言与知识的创新突破

hwyzw

    人工智能的本质在于让机器具备像人那样感知世界以及认知世界的能力。自然语言处理（NLP）技术是以语言和知识作为研究对象的，它是人工智能的核心问题之一。5 月 26 日，百度与中国计算机学会中文信息技术专委会以及中国中文信息学会青工委共同举办了“2019 自然语言处理前沿论坛”。

    百度高级副总裁 ACL 王海峰博士为论坛进行开场致辞。他指出，语言既是人类思维与交流的承载，也是人类知识凝练与传承的依托。自然语言处理技术不但需要算法、算力以及数据，还需要持续地对知识进行凝练，需要语言处理与我们认识世界、改造世界的过程相融合，故而依然存在诸多创新突破的余地。他希望本次论坛能让青年学者增进交流，能让他们碰撞出新的火花，能一起推动自然语言处理的发展以及产业化进程，从而在人工智能时代让我们的生活变得更加美好。

    本届论坛的主题是“机器之‘读、写、说、译’——探寻 NLP 未来之路”。论坛包含 5 场专题报告，分别是语义计算、自动问答、语言生成、人机对话和机器翻译。同时，还有围绕上述专题的嘉宾对话环节。本论坛汇聚了学术界的青年专家学者，也汇聚了工业界的青年专家学者。大家共同来探讨 NLP 领域的最新技术进展，共同来探讨 NLP 领域的产业应用，共同来探讨 NLP 领域的发展趋势。其目的是促进产学研之间的深度融合，从而推动自然语言处理技术的进步。

   

    “语义计算”要研究怎样借助计算机去对自然语言的语义进行呈现、剖析以及计算，让机器拥有语义理解的能力。复旦大学邱锡鹏副教授介绍了表示学习的最新进展。他对当前主流模型的基本原理进行了分析，对比了它们的优缺点。同时，还探讨了如何更好地融合局部和非局部的语义关系，如何更好地加入先验知识，以及如何针对目前复杂网络模型进行简化和加速。北京大学的孙栩研究员进行了关于稀疏化深度学习的研究，他提出了简单且有效的算法，用于简化神经网络，仅仅使用全梯度的子集来更新模型参数，从而大幅度降低了训练和解码的复杂度。百度的主任架构师孙宇介绍了百度近期提出的知识增强语义表示模型 ERNIE，该模型基于实体、短语等知识进行建模，在语言推断、语义相似度等多个任务上都取得了很大的提升。

    “自动问答”专题致力于探讨机器的“阅读”能力。它让机器去阅读文本，接着让机器回答与阅读内容相关的问题。机器通过阅读理解，能够具备从文本数据中获取知识以及运用知识的能力，而这也是问答领域的关键技术之一。中科院自动化所的副研究员刘康介绍了文本阅读理解的基本框架和方法。他称构建合理的数据集对阅读理解任务很重要，且如何更好地融合知识是未来的重要研究方向。百度资深研发工程师刘璟阐述了深度融合文本表示与知识表示的模型 KT-NET，以及百度发布的面向真实应用的中文阅读理解数据集 2.0。这三个学会共同推动了中文阅读理解技术的进步。

    语言生成专题聚焦于计算机如何像人那样运用自然语言进行表达与创作。北京大学的万小军教授介绍了自然语言生成（NLG）技术以及应用方面的最新进展情况。他指出，自然语言生成当前面临着两大挑战，其一为对生成文本的质量进行评估，其二是平行数据的缺失。倘若这些问题得以解决，将会对自然语言生成的发展起到极大的推动作用。他表示，目前的文本生成与人类存在较大差距，尤其在综合运用知识方面。百度的主任架构师肖欣延介绍了百度在语言生成技术上的创新与应用，提出了基于规划、基于信息选择、端到端等多种模型，并且在文章生成、摘要生成、诗歌生成等任务上取得了良好的效果。百度推出了智能写作平台。它能提供自动写作的能力。它也能提供辅助写作的能力。通过这些能力能提升内容创作的效率。通过这些能力能提升内容创作的质量。为智能创作领域提供了更多可能。

    人机对话专题主要探讨怎样让计算机与人类进行对话交流。清华大学的副教授黄民烈回顾了人机对话的发展历程。经典的对话系统大多运用强语义方法，而现代神经网络方法发展出了弱语义方法，这种方法是基于数据驱动和概率统计的。语义理解一直都是人机对话中需要攻克的难题，怎样更好地将数据和知识结合起来，是该领域需要共同努力的方向。百度的主任研发架构师孙珂对百度最新发布的智能对话系统训练与服务平台 UNIT 3.0 进行了介绍。该平台从搭建技能、构建知识以及整合技能与知识这三个方面入手，发布了诸多核心技术和工具，从而使得对话系统的定制成本得到了大幅降低。

   

    机器翻译是利用计算机来进行不同语言之间的转换与生成。它是自然语言处理领域中填补语言鸿沟的重要技术。清华大学的副教授刘洋首先对神经网络机器翻译的基本原理进行了介绍，并且指出，尽管这种方法取得了很大的进步，然而依然面临着许多挑战。刘洋还介绍了他们在知识驱动、可解释性以及鲁棒性神经网络机器翻译方面的最新进展。百度人工智能技术委员会主席何中军对机器同传的主要挑战和最新进展进行了介绍。他指出，当前机器同传面临着技术、数据、评价这三个方面的挑战。并且结合百度的研究成果，在现场展示并使用了最新研发的百度翻译 AI 同传。现场的听众通过使用手机扫描会议二维码，就能够实时收听译文。

    5 大专题探讨完毕后，车万翔、邱锡鹏、黄民烈、刘洋以及百度的高级科学家吕雅娟、总架构师于佃海展开了“NLP 的未来之路”的高端对话。他们针对“最近 5 年 NLP 的突破进展”“NLP 的发展趋势及未来 5 - 10 年的突破方向”等内容进行了精彩的分享。他们觉得 5 年期间，NLP 在数据、模型、算法等诸多方面取得了突破性的进展。中国 NLP 在学术界的研究以及工业化应用处于国际领先地位。近些年来，其入选领域国际顶级会议的论文数量迅速增多，并且论文的质量也在持续提升。与此同时，我们还需进一步加大前瞻性和原创性工作的力度，中国 NLP 的发展潜力是不容小觑的。谈及未来发展趋势时，嘉宾们表示，未来若能进一步融合知识，同时实现多模态，并且探索更类人的学习机制等，将会给 NLP 领域带来进一步的提升。

    自然语言处理被视作人工智能皇冠上的明珠。随着自然语言处理的能力持续发展，人工智能也在持续进步。自然语言处理技术在智能搜索领域得到广泛应用，为广大用户提供更智能的体验，满足用户对信息的需求。自然语言处理技术在深度问答领域被广泛应用，为广大用户提供更智能的体验，满足用户对信息的需求。自然语言处理技术在对话系统领域被广泛应用，为广大用户提供更智能的体验，满足用户对信息的需求。自然语言处理技术在智能写作领域被广泛应用，为广大用户提供更智能的体验，满足用户对信息的需求。自然语言处理技术在机器翻译领域被广泛应用，为广大用户提供更智能的体验，满足用户对信息的需求。自然语言处理技术在金融行业中越来越多地被应用，促进产业智能化发展。自然语言处理技术在服务行业中越来越多地被应用，促进产业智能化发展。自然语言处理技术在零售行业中越来越多地被应用，促进产业智能化发展。自然语言处理技术在制造业中越来越多地被应用，促进产业智能化发展。NLP 的未来之路是什么？或许没有标准答案。但是我们一直相信技术的力量。探索未来有着无限的可能。王海峰曾说，随着技术的不断发展，人们会逐步更深入地去理解自然语言，也会更深入地去掌握知识，进而推动人工智能发挥出更大的价值，为人类社会的发展给予更大的助力。