編者按：在過去的一段時(shí)間，自然語(yǔ)言處理領(lǐng)域取得了許多重要的進(jìn)展，Transformer、BERT、無監(jiān)督機(jī)器翻譯，這些詞匯仿佛在一夜之間就進(jìn)入了人們的視野。你知道它們具體都是什么意思嗎？今天，我們就將為大家介紹三個(gè)NLP領(lǐng)域的熱門詞匯。

Transformer

Transformer 在2017年由Google在題為《Attention Is All You Need》的論文中提出。Transformer 是一個(gè)完全基于注意力機(jī)制的編解碼器模型，它拋棄了之前其它模型引入注意力機(jī)制后仍然保留的循環(huán)與卷積結(jié)構(gòu)，而采用了自注意力（Self-attention）機(jī)制，在任務(wù)表現(xiàn)、并行能力和易于訓(xùn)練性方面都有大幅的提高。

在 Transformer 出現(xiàn)之前，基于神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯模型多數(shù)都采用了 RNN 的模型架構(gòu)，它們依靠循環(huán)功能進(jìn)行有序的序列操作。雖然 RNN 架構(gòu)有較強(qiáng)的序列建模能力，但是存在訓(xùn)練速度慢，訓(xùn)練質(zhì)量低等問題。

與基于 RNN 的方法不同，Transformer 模型中沒有循環(huán)結(jié)構(gòu)，而是把序列中的所有單詞或者符號(hào)并行處理，同時(shí)借助自注意力機(jī)制對(duì)句子中所有單詞之間的關(guān)系直接進(jìn)行建模，而無需考慮各自的位置。

具體而言，如果要計(jì)算給定單詞的下一個(gè)表征，Transformer 會(huì)將該單詞與句子中的其它單詞一一對(duì)比，并得出這些單詞的注意力分?jǐn)?shù)。注意力分?jǐn)?shù)決定其它單詞對(duì)給定詞匯的語(yǔ)義影響。之后，注意力分?jǐn)?shù)用作所有單詞表征的平均權(quán)重，這些表征輸入全連接網(wǎng)絡(luò)，生成新表征。

由于 Transformer 并行處理所有的詞，以及每個(gè)單詞都可以在多個(gè)處理步驟內(nèi)與其它單詞之間產(chǎn)生聯(lián)系，它的訓(xùn)練速度比 RNN 模型更快，在翻譯任務(wù)中的表現(xiàn)也比 RNN 模型更好。

除了計(jì)算性能和更高的準(zhǔn)確度，Transformer 另一個(gè)亮點(diǎn)是可以對(duì)網(wǎng)絡(luò)關(guān)注的句子部分進(jìn)行可視化，尤其是在處理或翻譯一個(gè)給定詞時(shí)，因此可以深入了解信息是如何通過網(wǎng)絡(luò)傳播的。

之后，Google的研究人員們又對(duì)標(biāo)準(zhǔn)的 Transformer 模型進(jìn)行了拓展，采用了一種新型的、注重效率的時(shí)間并行循環(huán)結(jié)構(gòu)，讓它具有通用計(jì)算能力，并在更多任務(wù)中取得了更好的結(jié)果。

改進(jìn)的模型（Universal Transformer）在保留Transformer 模型原有并行結(jié)構(gòu)的基礎(chǔ)上，把 Transformer 一組幾個(gè)各異的固定的變換函數(shù)替換成了一組由單個(gè)的、時(shí)間并行的循環(huán)變換函數(shù)構(gòu)成的結(jié)構(gòu)。

相比于 RNN一個(gè)符號(hào)接著一個(gè)符號(hào)從左至右依次處理序列，Universal Transformer 和 Transformer 能夠一次同時(shí)處理所有的符號(hào)，但 Universal Transformer 接下來會(huì)根據(jù)自注意力機(jī)制對(duì)每個(gè)符號(hào)的解釋做數(shù)次并行的循環(huán)處理修飾。

Universal Transformer 中時(shí)間并行的循環(huán)機(jī)制不僅比 RNN 中使用的串行循環(huán)速度更快，也讓 Universal Transformer 比標(biāo)準(zhǔn)的前饋 Transformer 更加強(qiáng)大。

預(yù)訓(xùn)練 Pre-train

目前神經(jīng)網(wǎng)絡(luò)在進(jìn)行訓(xùn)練的時(shí)候基本都是基于后向傳播（Back Propagation，BP）算法，通過對(duì)網(wǎng)絡(luò)模型參數(shù)進(jìn)行隨機(jī)初始化，然后利用優(yōu)化算法優(yōu)化模型參數(shù)。

但是在標(biāo)注數(shù)據(jù)很少的情況下，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練出的模型往往精度有限，“預(yù)訓(xùn)練”則能夠很好地解決這個(gè)問題，并且對(duì)一詞多義進(jìn)行建模。

預(yù)訓(xùn)練是通過大量無標(biāo)注的語(yǔ)言文本進(jìn)行語(yǔ)言模型的訓(xùn)練，得到一套模型參數(shù)，利用這套參數(shù)對(duì)模型進(jìn)行初始化，再根據(jù)具體任務(wù)在現(xiàn)有語(yǔ)言模型的基礎(chǔ)上進(jìn)行精調(diào)。

預(yù)訓(xùn)練的方法在自然語(yǔ)言處理的分類和標(biāo)記任務(wù)中，都被證明擁有更好的效果。目前，熱門的預(yù)訓(xùn)練方法主要有三個(gè)：ELMo，OpenAI GPT 和 BERT。

在2018年初，艾倫人工智能研究所和華盛頓大學(xué)的研究人員在題為《Deep contextualized word representations》一文中提出了ELMo。

相較于傳統(tǒng)的使用詞嵌入（Word embedding）對(duì)詞語(yǔ)進(jìn)行表示，得到每個(gè)詞唯一固定的詞向量，ELMo 利用預(yù)訓(xùn)練好的雙向語(yǔ)言模型，根據(jù)具體輸入從該語(yǔ)言模型中可以得到在文本中該詞語(yǔ)的表示。在進(jìn)行有監(jiān)督的 NLP 任務(wù)時(shí)，可以將 ELMo 直接當(dāng)做特征拼接到具體任務(wù)模型的詞向量輸入或者是模型的最高層表示上。

在ELMo的基礎(chǔ)之上，OpenAI的研究人員在《Improving Language Understanding by Generative Pre-Training》提出了OpenAI GPT。

與ELMo為每一個(gè)詞語(yǔ)提供一個(gè)顯式的詞向量不同，OpenAI GPT能夠?qū)W習(xí)一個(gè)通用的表示，使其能夠在大量任務(wù)上進(jìn)行應(yīng)用。

在處理具體任務(wù)時(shí)，OpenAI GPT 不需要再重新對(duì)任務(wù)構(gòu)建新的模型結(jié)構(gòu)，而是直接在 Transformer 這個(gè)語(yǔ)言模型上的最后一層接上 softmax 作為任務(wù)輸出層，再對(duì)這整個(gè)模型進(jìn)行微調(diào)。

ELMo和OpenAI GPT這兩種預(yù)訓(xùn)練語(yǔ)言表示方法都是使用單向的語(yǔ)言模型來學(xué)習(xí)語(yǔ)言表示，而Google在提出的BERT則實(shí)現(xiàn)了雙向?qū)W習(xí)，并得到了更好的訓(xùn)練效果。

具體而言，BERT使用Transformer的編碼器作為語(yǔ)言模型，并在語(yǔ)言模型訓(xùn)練時(shí)提出了兩個(gè)新的目標(biāo)：MLM（Masked Language Model）和句子預(yù)測(cè)。

MLM是指在輸入的詞序列中，隨機(jī)的擋上 15% 的詞，并遮擋部分的詞語(yǔ)進(jìn)行雙向預(yù)測(cè)。為了讓模型能夠?qū)W習(xí)到句子間關(guān)系，研究人員提出了讓模型對(duì)即將出現(xiàn)的句子進(jìn)行預(yù)測(cè)：對(duì)連續(xù)句子的正誤進(jìn)行二元分類，再對(duì)其取和求似然。

圖片來源：Google AI Blog

無監(jiān)督機(jī)器翻譯

Unsupervised Machine Translation

現(xiàn)有的機(jī)器翻譯需要大量的翻譯文本做訓(xùn)練樣本，這使得機(jī)器翻譯只在一小部分樣本數(shù)量充足的語(yǔ)言上表現(xiàn)良好，但如何在沒有源翻譯的情況下訓(xùn)練機(jī)器翻譯模型，即無監(jiān)督訓(xùn)練，成為了目前熱門的研究話題。

Facebook 在 EMNLP 2018 上的論文《Phrase-Based & Neural Unsupervised Machine Translation》利用跨字嵌入（Cross Word Embedding），提升了高達(dá) 11 BLEU，那么 Facebook 是如何實(shí)現(xiàn)的呢？

第一步是讓系統(tǒng)學(xué)習(xí)雙語(yǔ)詞典。系統(tǒng)首先為每種語(yǔ)言中的每個(gè)單詞訓(xùn)練詞嵌入，訓(xùn)練詞嵌入通過上下文來預(yù)測(cè)給定單詞周圍的單詞。

不同語(yǔ)言的詞嵌入具有相似的鄰域結(jié)構(gòu)，因此可以通過對(duì)抗訓(xùn)練等方法讓系統(tǒng)學(xué)習(xí)旋轉(zhuǎn)變換一種語(yǔ)言的詞嵌入，以匹配另一種語(yǔ)言的詞嵌入。

基于這些信息，就可以得到一個(gè)相對(duì)準(zhǔn)確的雙語(yǔ)詞典，并基本可以實(shí)現(xiàn)逐字翻譯。在得到語(yǔ)言模型和初始的逐字翻譯模型之后，就可以構(gòu)建翻譯系統(tǒng)的早期版本。

然后將系統(tǒng)翻譯出的語(yǔ)句作為標(biāo)注過的真實(shí)數(shù)據(jù)進(jìn)行處理，訓(xùn)練反向機(jī)器翻譯系統(tǒng)，得到一個(gè)更加流暢和語(yǔ)法正確的語(yǔ)言模型，并將反向翻譯中人工生成的平行句子與該語(yǔ)言模型提供的校正相結(jié)合，以此來訓(xùn)練這個(gè)翻譯系統(tǒng)。

通過對(duì)系統(tǒng)的訓(xùn)練，形成了反向翻譯的數(shù)據(jù)集，從而改進(jìn)原有的機(jī)器翻譯系統(tǒng)。隨著一個(gè)系統(tǒng)得到改進(jìn)，可以使用它以迭代方式在相反方向上為系統(tǒng)生成訓(xùn)練數(shù)據(jù)，并根據(jù)需要進(jìn)行多次迭代。

逐字嵌入初始化、語(yǔ)言建模和反向翻譯是無監(jiān)督機(jī)器翻譯的三個(gè)重要原則。將基于這些原理得到的翻譯系統(tǒng)應(yīng)用于無監(jiān)督的神經(jīng)模型和基于計(jì)數(shù)的統(tǒng)計(jì)模型，從訓(xùn)練好的神經(jīng)模型開始，使用基于短語(yǔ)模型的其它反向翻譯句子對(duì)其進(jìn)行訓(xùn)練，最終得到了一個(gè)既流暢，準(zhǔn)確率又高的模型。

對(duì)于無監(jiān)督機(jī)器翻譯，微軟亞洲研究院自然語(yǔ)言計(jì)算組也進(jìn)行了探索。研究人員利用后驗(yàn)正則（Posterior Regularization）的方式將 SMT（統(tǒng)計(jì)機(jī)器翻譯）引入到無監(jiān)督NMT的訓(xùn)練過程中，并通過EM過程交替優(yōu)化 SMT 和 NMT 模型，使得無監(jiān)督 NMT 迭代過程中的噪音能夠被有效去除，同時(shí) NMT 模型也彌補(bǔ)了 SMT 模型在句子流暢性方面的不足。