近日，OpenAI 在其官方博客發(fā)文介紹了他們最新的自然語言處理（NLP）系統(tǒng)。這個(gè)系統(tǒng)是可擴(kuò)展的、與任務(wù)無關(guān)的，并且在一系列不同的 NLP 任務(wù)中都取得了亮眼的成績。但該方法在計(jì)算需求等方面仍存在改進(jìn)的空間。下面我們來看他們的博文：

我們即將發(fā)布一個(gè)可擴(kuò)展的，與任務(wù)無關(guān)的自然語言處理系統(tǒng)，該系統(tǒng)在一系列不同的語言任務(wù)上都取得了目前最先進(jìn)的成績。我們的方法結(jié)合了兩種現(xiàn)有的 NLP 網(wǎng)絡(luò)架構(gòu)：Transformer 和無監(jiān)督預(yù)訓(xùn)練。大量任務(wù)數(shù)據(jù)集上的測試結(jié)果表明，這種方法將監(jiān)督學(xué)習(xí)方法與無監(jiān)督預(yù)訓(xùn)練結(jié)合得非常好；當(dāng)然，這也是之前許多人在探索的想法。我們希望我們的工作能夠激發(fā)該方向進(jìn)一步的研究，并鼓勵(lì)大家將這一想法應(yīng)用到更大更多的不同數(shù)據(jù)集上。

先看結(jié)果：

我們的系統(tǒng)的工作流程分為兩個(gè)階段：首先，以無監(jiān)督的方式在大量數(shù)據(jù)上訓(xùn)練一個(gè) Transformer 模型——使用語言建模作為訓(xùn)練信號——然后，在小得多的監(jiān)督數(shù)據(jù)集上對這個(gè)模型進(jìn)行 fine-tuning，以幫助它解決特定的任務(wù)。這項(xiàng)研究是建立在我們之前一項(xiàng)關(guān)于情緒神經(jīng)元（Sentiment Neuron）的工作基礎(chǔ)之上的，在那項(xiàng)工作中我們注意到，當(dāng)訓(xùn)練數(shù)據(jù)足夠多時(shí)，無監(jiān)督學(xué)習(xí)技術(shù)可以產(chǎn)生驚人的判別性特征。

在本項(xiàng)研究工作中，我們這個(gè)想法進(jìn)行了進(jìn)一步的探索：我們可以開發(fā)一個(gè)模型，以無監(jiān)督的方式對大量數(shù)據(jù)進(jìn)行訓(xùn)練，然后對模型進(jìn)行 fine-tuning，以在許多不同任務(wù)上獲得良好的性能。我們的研究結(jié)果表明，這種方法的效果非常好。針對不同的任務(wù)，只需要對同一個(gè)的核心模型進(jìn)行最少的調(diào)整就可以進(jìn)行應(yīng)用。

這項(xiàng)工作建立在半監(jiān)督序列學(xué)習(xí)（Semi-supervised Sequence Learning）的基礎(chǔ)之上，其中半監(jiān)督序列學(xué)習(xí)方法展示了如何通過使用 LSTM 的無監(jiān)督預(yù)訓(xùn)練，然后進(jìn)行有監(jiān)督的 fine-tuning 來提高文檔分類性能。

我們的工作還對ULMFiT進(jìn)行了拓展，說明了為了在各個(gè)文檔分類數(shù)據(jù)集上獲得最先進(jìn)的性能，應(yīng)該如何對單個(gè)與數(shù)據(jù)集無關(guān)的 LSTM 語言模型進(jìn)行 fine-tuning；我們的工作展示了如何使用基于 Transformer 的模型來實(shí)現(xiàn)文檔分類之外的更廣泛的任務(wù)，如常識推理，語義相似性和閱讀理解。

它和 ELMo 也有一些類似，但比 ELMo 更加通用。（編輯注：ELMo 是目前最先進(jìn)的上下文詞嵌入技術(shù)，同樣使用了預(yù)訓(xùn)練技術(shù)，但為了在各種任務(wù)中獲得最先進(jìn)的結(jié)果針對不同任務(wù)使用了定制架構(gòu)。）

我們的實(shí)驗(yàn)結(jié)果只需要進(jìn)行非常少的調(diào)整就可以實(shí)現(xiàn)。其中所有數(shù)據(jù)集都使用單一的正向語言模型，沒有任何集成，并且大多數(shù)報(bào)告結(jié)果都使用了完全相同的超參數(shù)設(shè)置。

值得一提的是該方法在三種關(guān)于測試常識推理和閱讀理解的數(shù)據(jù)集（COPA，RACE和ROCStories）上的表現(xiàn)。我們的模型以遠(yuǎn)超第二名的成績在這些數(shù)據(jù)集上獲得了最先進(jìn)的結(jié)果。這些數(shù)據(jù)集普遍被認(rèn)為需要借助多語句推理和有意義的世界知識進(jìn)行解決，而我們的模型主要通過無監(jiān)督學(xué)習(xí)來提高這些技能。這也表明了通過無監(jiān)督技術(shù)來開發(fā)復(fù)雜的語言理解功能的可能。這讓我們特別興奮。

▌為什么是無監(jiān)督學(xué)習(xí)?

監(jiān)督學(xué)習(xí)是機(jī)器學(xué)習(xí)最近成功的關(guān)鍵。但是，它可能需要大量的、經(jīng)過仔細(xì)清理的、昂貴的數(shù)據(jù)集才能發(fā)揮非常好的作用。而無監(jiān)督學(xué)習(xí)則有可能解決這些不足，這是非常有吸引力的。由于無監(jiān)督學(xué)習(xí)沒有了顯式人工標(biāo)簽的限制，在當(dāng)前計(jì)算量和原始數(shù)據(jù)不斷增加的趨勢下，這項(xiàng)技術(shù)表現(xiàn)出了非常好的擴(kuò)展性。 不過雖然無監(jiān)督學(xué)習(xí)是一個(gè)非?；钴S的研究領(lǐng)域，但其實(shí)際用途仍然有限。

最近有人試圖通過無監(jiān)督學(xué)習(xí)用大量無標(biāo)記數(shù)據(jù)進(jìn)行增強(qiáng)以進(jìn)一步提高系統(tǒng)的自然語言處理能力。通過無監(jiān)督技術(shù)訓(xùn)練的詞向量表示可以使用由 TB 級信息組成的大型數(shù)據(jù)集，并且當(dāng)它與監(jiān)督學(xué)習(xí)相結(jié)合時(shí)，可以提高各種 NLP 任務(wù)的性能。之前，這些 NLP 的無監(jiān)督技術(shù)（例如GLoVe和word2vec）使用的都還是簡單模型（詞向量）和訓(xùn)練信號（詞局部共現(xiàn)，the local co-occurence of words）。

Skip-Thought Vectors是早期的一個(gè)值得注意的方法，展示了通過更復(fù)雜的方法實(shí)現(xiàn)的改進(jìn)的可能性。而現(xiàn)在正在使用的新技術(shù)則進(jìn)一步提高了性能，這包括使用預(yù)訓(xùn)練的語句表示模型，上下文詞向量（主要是ELMo和CoVE），以及使用定制架構(gòu)來融合無監(jiān)督預(yù)訓(xùn)練和監(jiān)督 fine-tuning 的方法（也就是我們的方法）。

在大量文本上對我們的模型進(jìn)行預(yù)訓(xùn)練，可顯著提高其在諸如 Winograd Schema Resolution 等具有挑戰(zhàn)性的自然語言處理任務(wù)上的表現(xiàn)。

我們還注意到，該方法可以直接使用底層語言模型開始執(zhí)行任務(wù)，而無需對其進(jìn)行任何訓(xùn)練。例如，隨著基礎(chǔ)語言模型的改進(jìn)，像在選擇題中選擇正確答案這種任務(wù)的性能會穩(wěn)步增加。

雖然這些方法的絕對性能相對于最新的監(jiān)督技術(shù)而言仍然很低（對于問答式任務(wù)，它僅比簡單的滑動窗口基線結(jié)果好），但令人鼓舞的是，這種行為在大量任務(wù)中表現(xiàn)的非常魯棒。這種不使用任務(wù)和世界信息的隨機(jī)初始化網(wǎng)絡(luò)表現(xiàn)的和使用這些信息的隨機(jī)網(wǎng)絡(luò)一樣好。這為我們了解為什么生成式預(yù)訓(xùn)練可以提高下游任務(wù)的性能提供了一些有意義的參考。

我們還使用模型中現(xiàn)有的語言功能進(jìn)行了情感分析。對于斯坦福 Sentiment Treebank 數(shù)據(jù)集（該數(shù)據(jù)集包含了電影評論中的正面和負(fù)面語句），我們可以使用語言模型來猜測評論是正面還是負(fù)面（在語句后面輸入單詞“very”即可進(jìn)行預(yù)測），并且觀察模型是傾向于將詞性預(yù)測為“積極”還是傾向于將詞性預(yù)測為“消極”。 這種方法根本不需要根據(jù)任務(wù)對模型進(jìn)行調(diào)整，并且其性能與經(jīng)典基線準(zhǔn)確率相當(dāng)，可達(dá) 80％ 。

我們的工作也驗(yàn)證了 Transformer 架構(gòu)的魯棒性和實(shí)用性，表明它具有足夠的靈活性，可在廣泛的任務(wù)中實(shí)現(xiàn)最先進(jìn)的結(jié)果，而無需復(fù)雜的任務(wù)定制或超參數(shù)調(diào)整。

▌不足之處

這個(gè)項(xiàng)目也有一些突出問題非常值得注意：

計(jì)算需求：以前的許多自然語言處理方法都是從頭開始在單個(gè) GPU 上訓(xùn)練相對較小的模型。但我們的方法預(yù)訓(xùn)練步驟計(jì)算需求則相當(dāng)昂貴——在 8 個(gè) GPU 上訓(xùn)練 1 個(gè)月。幸運(yùn)的是，這只需要做一次，我們正在將我們的模型發(fā)布出來，以方便其他人不用重復(fù)這一步驟。

它也是一個(gè)大型模型（與之前的工作相比），因此使用了更多的計(jì)算和內(nèi)存——我們使用了37層（12塊）Transformer 架構(gòu)，并且在最多可達(dá) 512 個(gè) tokens 的序列上訓(xùn)練。并且大多數(shù)實(shí)驗(yàn)都是在 4 個(gè)和 8 個(gè) GPU 的系統(tǒng)上進(jìn)行的。該模型針對新任務(wù)進(jìn)行 fine-tuning 的速度非?？欤兄跍p輕額外的資源需求。

通過文本學(xué)習(xí)世界的局限性和偏見：互聯(lián)網(wǎng)上隨時(shí)可用的書籍和文本所包含的關(guān)于世界的信息并不完整，甚至并不準(zhǔn)確。最近的研究（https://arxiv.org/abs/1705.11168）表明，某些類型的信息很難通過文本進(jìn)行學(xué)習(xí)。而另外一些研究（https://arxiv.org/abs/1803.02324）則表明了數(shù)據(jù)分布中存在的模型學(xué)習(xí)和開發(fā)偏見。

依舊脆弱的泛化性能：盡管我們的方法提升了自然語言處理系統(tǒng)在大量任務(wù)上的性能，但目前的深度學(xué)習(xí) NLP 模型仍然表現(xiàn)出了令人驚訝的反直覺的行為——尤其是在以系統(tǒng)性、對抗性或分布性的方式進(jìn)行評估時(shí)。盡管我們已經(jīng)觀察到一些研究進(jìn)展，但我們的方法對這些問題并不是免疫的。

這種方法表現(xiàn)出比先前的面向文字蘊(yùn)含（Textual entailment）的神經(jīng)網(wǎng)絡(luò)方法更好的詞法魯棒性。在 Glockner 等人介紹的數(shù)據(jù)集（https://arxiv.org/abs/1805.02266）上，我們模型的準(zhǔn)確率達(dá)到了 83.75％，其性能類似于通過 WordNet 整合外部知識的KIM。

▌工作展望

方法規(guī)?；卣梗何覀円呀?jīng)觀察到，語言模型的性能改進(jìn)與下游任務(wù)的改進(jìn)密切相關(guān)。目前我們正在使用商用硬件（一臺 8 GPU 計(jì)算機(jī)）以及僅包含幾千本書（約 5 GB 文本）的訓(xùn)練數(shù)據(jù)集。這表明經(jīng)過充分驗(yàn)證該方法在處理越來越大的計(jì)算量和數(shù)據(jù)時(shí)還有很大提升空間。

改進(jìn)的 fine-tuning：我們在 fine-tuning 上的策略目前非常簡單。通過使用更復(fù)雜的自適應(yīng)和轉(zhuǎn)換技術(shù)（例如ULMFiT中的技術(shù)）可能為我們的系統(tǒng)帶來實(shí)質(zhì)性的改進(jìn)。

更好地理解生成式預(yù)訓(xùn)練帶來提升的原因：盡管我們已經(jīng)討論了一些關(guān)于這個(gè)問題的想法，但更有針對性的實(shí)驗(yàn)和研究將有助于我們對那些相互矛盾的解釋進(jìn)行判斷。例如，我們觀察到的提升有多少是由于對處理更廣泛上下文能力的改進(jìn)，以及多少是由于對世界知識的改進(jìn)？

▌附錄：數(shù)據(jù)集示例