2018年以來(lái)，以BERT、GPT等為代表的大規(guī)模預(yù)訓(xùn)練模型，帶來(lái)了人工智能領(lǐng)域新的突破，由于其強(qiáng)大的通用性和卓越的遷移能力，掀起了預(yù)訓(xùn)練模型往大規(guī)模參數(shù)化發(fā)展的浪潮。其中微軟、谷歌、Facebook、NVIDIA等諸多公司在預(yù)訓(xùn)練算法上持續(xù)大量投入。國(guó)內(nèi)如百度、華為、阿里等公司也相繼投入到大規(guī)模預(yù)訓(xùn)練模型算法的研究中。現(xiàn)階段，在中文自然語(yǔ)言處理方向上，預(yù)訓(xùn)練也如雨后春筍一樣涌現(xiàn)?，F(xiàn)有算法主要依賴純文本學(xué)習(xí)，缺少知識(shí)指導(dǎo)學(xué)習(xí)，模型能力存在局限。
2021年10月13日，騰訊云小微與騰訊AI Lab聯(lián)合團(tuán)隊(duì)提出了基于知識(shí)的中文預(yù)訓(xùn)練模型——“神農(nóng)”，該模型僅包含十億級(jí)參數(shù)量，并一舉登頂CLUE總排行榜、1.1分類任務(wù)、閱讀理解任務(wù)和命名實(shí)體任務(wù)四個(gè)榜單，刷新業(yè)界記錄。
10月13日，“神農(nóng)”刷新CLUE分類榜單紀(jì)錄;HUMAN 為人類標(biāo)注成績(jī)，非模型效果，不參與排名。
同時(shí)，“神農(nóng)”登頂CLUE閱讀理解、NER榜單，刷新業(yè)界記錄。
作為中文語(yǔ)言理解領(lǐng)域最具權(quán)威性的測(cè)評(píng)基準(zhǔn)之一，CLUE涵蓋文本相似度、分類、自然語(yǔ)言推理、閱讀理解、NER等眾多語(yǔ)義分析和理解類子任務(wù)。近段時(shí)間，各大公司紛紛用CLUE作為預(yù)訓(xùn)練算法能力的驗(yàn)證和衡量標(biāo)準(zhǔn)。此次登頂CLUE榜單，不僅代表了云小微與騰訊AI Lab聯(lián)合團(tuán)隊(duì)在中文預(yù)訓(xùn)練研究領(lǐng)域達(dá)到業(yè)內(nèi)領(lǐng)先水平，并且推動(dòng)中文預(yù)訓(xùn)練模型在理解和推理方面提升了一個(gè)新高度。
聯(lián)合團(tuán)隊(duì)致力于將知識(shí)融入預(yù)訓(xùn)練模型，進(jìn)而充分發(fā)揮已有參數(shù)下的模型潛力。模型結(jié)構(gòu)方面，“神農(nóng)”基于 Transformer 架構(gòu)，僅包含十億級(jí)的參數(shù)量。從數(shù)據(jù)量來(lái)看，“神農(nóng)”以數(shù)百 GB 級(jí)的平文本做基石，涵蓋百科、論壇博客、新聞、財(cái)經(jīng)等眾多領(lǐng)域的高質(zhì)量文本。相對(duì)于業(yè)界其他中文預(yù)訓(xùn)練模型，“神農(nóng)”在以下三個(gè)方面獲得了突破性進(jìn)展：
第一，“神農(nóng)”從兩個(gè)角度對(duì)知識(shí)進(jìn)行建模，分別是“通用型推理知識(shí)”和“任務(wù)型知識(shí)”。通用型知識(shí)指的是現(xiàn)有知識(shí)，比如詞法、句法、圖譜等，這類知識(shí)的特點(diǎn)是通用性強(qiáng)，覆蓋度廣。雖然能整體提高模型的能力，但是在特定場(chǎng)景中往往不容易發(fā)揮作用。而任務(wù)型知識(shí)旨在挖掘場(chǎng)景下特有的知識(shí)，并通過(guò)將其泛化來(lái)提升預(yù)訓(xùn)練模型的能力。二者可謂相輔相成。
第二，聯(lián)合團(tuán)隊(duì)將漢語(yǔ)中典型的篇章推理知識(shí)作為通用知識(shí)融入預(yù)訓(xùn)練過(guò)程中，如因果、對(duì)比、遞進(jìn)、轉(zhuǎn)折關(guān)系等。中文是表達(dá)極其豐富的語(yǔ)言，存在大量指示性的虛詞。這些虛詞在中文的語(yǔ)義理解中起著至關(guān)重要的作用。比如：
這段話的語(yǔ)義可謂一波三折，而引起語(yǔ)義起伏變化的正是這些虛詞。通過(guò)引入這類知識(shí)可以強(qiáng)化模型對(duì)中文的理解能力。
第三，“神農(nóng)”提出基于對(duì)比學(xué)習(xí)的任務(wù)型知識(shí)挖掘和融入算法。通過(guò)定義知識(shí)模板，該算法可以為指定任務(wù)“定制知識(shí)”，并將其融入到訓(xùn)練過(guò)程中。另外，“神農(nóng)”將挖掘出來(lái)的知識(shí)在大規(guī)模單語(yǔ)文本中進(jìn)行泛化，大大提高了知識(shí)的表達(dá)能力。
“神農(nóng)”正是通過(guò)充分利用這兩類知識(shí)，進(jìn)一步強(qiáng)化了中文預(yù)訓(xùn)練模型的能力，在包含文本分類、閱讀理解等多類任務(wù)上表現(xiàn)出色。
一直以來(lái)，騰訊云小微團(tuán)隊(duì)和騰訊AI Lab團(tuán)隊(duì)持續(xù)深耕知識(shí)挖掘、語(yǔ)義理解技術(shù)以及預(yù)訓(xùn)練技術(shù)。云小微方面，依托自研的知識(shí)挖掘算法和深度學(xué)習(xí)技術(shù)，基于平臺(tái)對(duì)行業(yè)知識(shí)的長(zhǎng)期積累，能快速搭建多個(gè)領(lǐng)域的知識(shí)結(jié)構(gòu)，有效地從非結(jié)構(gòu)化文件中抽取關(guān)鍵信息，為行業(yè)提供全流程知識(shí)構(gòu)建服務(wù)。在此加持下，團(tuán)隊(duì)通過(guò)將行業(yè)知識(shí)與預(yù)訓(xùn)練技術(shù)相結(jié)合，可以更好地服務(wù)應(yīng)用，為各行各業(yè)輸出完整的AI解決方案，不斷滲透智慧生活各個(gè)場(chǎng)景。目前已在智能網(wǎng)聯(lián)汽車、智慧文旅、智慧教育等多行業(yè)領(lǐng)域落地應(yīng)用，服務(wù)廣泛的用戶群體。騰訊AI Lab始終強(qiáng)調(diào)研究與應(yīng)用并重發(fā)展，其研究覆蓋機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別及自然語(yǔ)言處理等四大核心方向，其中自然語(yǔ)言處理方向強(qiáng)調(diào)賦予計(jì)算機(jī)系統(tǒng)以自然語(yǔ)言文本理解與外界交互的能力，并不斷探索最前沿的文本理解和生成技術(shù)。實(shí)驗(yàn)室立足未來(lái)，開(kāi)放合作，致力于不斷提升AI的認(rèn)知、決策與創(chuàng)造力，向“Make AI Everywhere”的愿景邁步。
本次兩個(gè)團(tuán)隊(duì)強(qiáng)強(qiáng)聯(lián)合，深入探索知識(shí)與預(yù)訓(xùn)練的融合技術(shù)，提出了全新的基于知識(shí)的預(yù)訓(xùn)練方法，在這一領(lǐng)域又邁出了堅(jiān)實(shí)的一步。
