|观潮百度NLP十年：语言知识全布局，5款产品新发布、2大计划( 二 )
本文插图
除了文本阅读理解之外 ， 对话可能是更为常见的一种自然语言理解任务 。 如何做好对话理解呢？百度 NLP 提出的方法是：先从大规模跨任务对话知识中学习通用的语义表示 ， 再利用小样本学习快速提高新任务的对话理解能力 。 小样本学习可以解决新领域语料数据不足的难题 。
本文插图
人认知世界的时候不仅仅是用自然语言 ， 往往是多模态的语音、视觉、语言 ， 各种信号都会有输入 。 因此 ， 百度 NLP 的研究也从自然语言扩展到跨模态的语义理解 。 突破跨模态语义理解技术面临两大难题：一是不同模态的信息相互独立 ， 彼此缺乏关联；二是不同模态的信息异构 ， 语义空间难以融合 。
针对这些难题 ， 百度 NLP 提出了知识增强的跨模态深度语义理解方法 ， 一是从多源异构大数据中构建大规模知识图谱 ， 作为关联跨模态信息的桥梁；二是语言可以描述不同模态信息的语义 ， 通过知识增强的自然语言语义表示方法 ， 解决不同模态语义空间的融合表示难题 ， 从而突破跨模态语义理解的技术瓶颈 。
这些技术突破为人们接触最多的百度搜索引擎带来了很多变化 。 「传统的搜索引擎通过关键词进行简单的需求理解 ， 其核心是排序 。 而近年来 ， 百度搜索已经完全进化成了智能搜索引擎 。 」王海峰说道 。
现在 ， 你的输入不仅可以是一个词、一句话 ， 也可以是语音、图片 。 这涉及到语言理解和跨模态理解 ， 还需要将互联网上大量的内容与其连接起来 ， 而搜索结果的排序现在也是基于深度学习和语义表示融合的方法 。
在结果的呈现上 ， 很多时候搜索引擎给出的答案图文并茂 ， 这背后则是知识图谱技术的支撑 。
语义理解之外 ， 最近 NLP 领域发展较快的方向是语言生成 。 基于预训练模型等技术 ， 百度提出了基于多流机制的语言生成预训练方法 ， 兼顾词、短语等不同粒度的语义信息 ， 显著提升了生成效果 。 百度也探索了多文档摘要生成 ， 通过图结构语义表示 ， 引入篇章知识 ， 新的模型解决了跨文档领域关系建模难题 。 在单文档和多文档摘要上 ， 都取得了很大的效果提升 。
本文插图
从内到外的 AI 技术渗透
有了知识、语言理解和生成 ， 我们就可以实现自然的人机对话 。 在基于知识的对话框架下 ， 基于知识 ， 理解对话意图 ， 规划对话路径 。 同时 ， 基于用户的反馈 ， 机器可以学习和积累知识 ， 不断提高对话的体验和效率；百度提出了知识图谱驱动的对话控制技术 ， 利用知识图谱提供的语义内容和关联信息 ， 帮助对话系统自动规划话题路径 ， 知识之间的关联使得话题可以自然切换 ， 显著提高对话流畅度和逻辑性 。
在对话生成方面 ， 百度研发了首个基于隐空间的大规模开放域对话模型 ， 借助隐空间建模不同的对话回复方式 ， 在对话合理性、内容丰富度、吸引力等方面效果突出 ， 中英文效果上都超越了业内最佳的模型和系统 。
「在基于知识的对话框架里 ， 我们实现了在线交互学习 ， 通过主动向用户发起交互 ， 机器可以利用用户的反馈学习新知识 ， 持续优化对话效果 ， 」王海峰说 ， 「整合上述技术 ， 我们研制了智能对话定制与服务平台 ， 可以帮助开发者高效构建智能对话系统 ， 实现规模化应用 。 」
人工智能和 NLP 的经典难题——翻译问题 ， 百度也在不断打磨 。
百度自 2010 年开始研发大规模互联网机器翻译 ， 在大规模翻译知识获取、翻译模型、多语言翻译、同声传译等方面创新突破 ， 研发了领先的互联网翻译系统 ， 率先上线互联网神经网络机器翻译 ， 实现了机器翻译的大规模产业化应用 。 在机器翻译技术方面 ， 百度提出了多智能体联合学习等多项创新技术 ， 效果领先 ， 并在国际评测中获得第一 。
推荐阅读
- 中年|谈一谈我的十年机械工作经历
- 海外情报社|明明是国产，偏要取个英文名，被误认为是洋货，却领先全球十年
- 猎豹|猎豹移动蒙眼狂奔十年，终究逃不过时代魔掌？
- 网盘|百度网盘：布局个人“云时代”
- 环保|百度等玩家涌入“智能环保”
- 互联网|百度360等最强大脑签约落户黄埔
- 百度|老域名对网站优化有哪些影响？
- |BATJ罕见联手！一公司被百度京东腾讯阿里联合申诉，怎么了？
- |AI 驱动下的地图变革大潮，百度地图定义下一代地图的模样
- |手机的下一个十年会有什么进步？