百度AI亮出新招 教会人工智能学习语言含义

12月26日，全球顶级科技商业杂志《麻省理工科技评论》(MIT Technology Review)英文官方网站报道称，百度预训练模型ERNIE超越微软和谷歌获得自然语言处理领域权威数据集GLUE最高分。《麻省理工科技评论》指出，GLUE测试的满分为100分，人类的平均得分大概在87分左右，百度ERNIE则是在业界首次突破了90分。百度的成就能够表明多样化的贡献参与将有助于推动人工智能研究。

通用语言理解评估基准GLUE是自然语言处理领域最权威的排行榜之一。此前，自然语言模型擅长预测即将出现的下一个单词，自动完成拼写，但却无法理解一个小段落的连续思路。因为这些模型不能理解句子的意思，弄不清楚句子中代词的指代关系。2018年底，谷歌推出BERT，使用“掩码”技术更精准预测文本段落的含义。

但中文语境中，人工智能对自然语言理解更难。相较于英语里的一个单词代表一个含义，中文词语由多个汉字组成，单个汉字在不同词中又具备不同含义。比如灵，可以是机灵，也可以是灵魂。

2019年3月，百度发布NLP模型ERNIE破解了这一难题，通过ERNIE持续学习框架进一步优化了通用词汇级知识学习和面向任务类型的预训练，使得ERNIE能够掌据中文汉字构成词汇的方法，也更能准确预测出缺失的语句内容。而且，研究人员发现ERNIE在英语中也有更好的效果。

《麻省理工科技评论》指出ERNIE的重要意义不止于此，因其采用了连续培训的方法，在培训新数据和新任务的同时又不会遗忘已经积累的知识。如此，在不怎么需要人工干预的情况下，就能够越来越好的执行更广泛的任务。

短短4个月后，ERNIE再度升级。ERNIE2.0持续学习的语义理解框架发布,可支持增量引入不同角度的自定义预训练任务，通过多任务学习对模型进行训练更新，每当引入新任务时，该框架可在学习该任务的同时，还可牢记以前学到过的信息。此外，ERNIE2.0在16项中英文任务上超越了BERT和XLNet，取得SOTA效果。据悉，百度ERNIE2.0的论文已被国际人工智能顶级学术会议AAAI-2020收录，将于2020年2月面向行业公开展示。

（百度ERNIE2.0原理示意图）

从研发到落地应用，从实现中文场景的突破到2.0版本的惊人表现，ERNIE屡创佳绩背后离不开百度飞桨的长期产业实践积累的高效率GPU分布式训练能力。飞桨的分布式训练能够在相同硬件设备的情况下，大大缩短产品迭代周期，满足深度学习模型对训练速度的高要求。目前，ERNIE预训练技术已广泛地应用于百度内外多个产品和技术场景，在百度搜索、小度音箱、信息流推荐等一系列产品应用中发挥了重要作用。

ERNIE世界性成果引发的国际媒体关注，也是中国自研技术领先业界的一个缩影。未来，将有越来越多ERNIE这样的中国科技、百度这样的中国企业，持续输出中国AI的“战斗值”。