什么是BERT？為何選擇BERT？

BERT 是由 Google 開(kāi)發(fā)的自然語(yǔ)言處理模型，可學(xué)習(xí)文本的雙向表示，顯著提升在情境中理解許多不同任務(wù)中的無(wú)標(biāo)記文本的能力。

BERT 是整個(gè)類(lèi) BERT 模型（例如 RoBERTa、ALBERT 和 DistilBERT）系列的基礎(chǔ)。

什么是 BERT？

基于 Transformer (變換器)的雙向編碼器表示 (BERT) 技術(shù)由 Google 開(kāi)發(fā)，通過(guò)在所有層中共同調(diào)整左右情境，利用無(wú)標(biāo)記文本預(yù)先訓(xùn)練深度雙向表示。該技術(shù)于 2018 年以開(kāi)源許可的形式發(fā)布。Google 稱(chēng) BERT 為“第一個(gè)深度雙向、無(wú)監(jiān)督式語(yǔ)言表示，僅使用純文本語(yǔ)料庫(kù)預(yù)先進(jìn)行了訓(xùn)練”(Devlin et al. 2018)。

雙向模型在自然語(yǔ)言處理 (NLP) 領(lǐng)域早已有應(yīng)用。這些模型涉及從左到右以及從右到左兩種文本查看順序。BERT 的創(chuàng)新之處在于借助 Transformer 學(xué)習(xí)雙向表示，Transformer 是一種深度學(xué)習(xí)組件，不同于遞歸神經(jīng)網(wǎng)絡(luò) (RNN) 對(duì)順序的依賴(lài)性，它能夠并行處理整個(gè)序列。因此可以分析規(guī)模更大的數(shù)據(jù)集，并加快模型訓(xùn)練速度。Transformer 能夠使用注意力機(jī)制收集詞語(yǔ)相關(guān)情境的信息，并以表示該情境的豐富向量進(jìn)行編碼，從而同時(shí)處理（而非單獨(dú)處理）與句中所有其他詞語(yǔ)相關(guān)的詞語(yǔ)。該模型能夠?qū)W習(xí)如何從句段中的每個(gè)其他詞語(yǔ)衍生出給定詞語(yǔ)的含義。

之前的詞嵌入技術(shù)（如 GloVe 和 Word2vec）在沒(méi)有情境的情況下運(yùn)行，生成序列中各個(gè)詞語(yǔ)的表示。例如，無(wú)論是指運(yùn)動(dòng)裝備還是夜行動(dòng)物,“bat”一詞都會(huì)以同樣的方式表示。ELMo 通過(guò)雙向長(zhǎng)短期記憶模型 (LSTM)，對(duì)句中的每個(gè)詞語(yǔ)引入了基于句中其他詞語(yǔ)的深度情景化表示。但 ELMo 與 BERT 不同，它單獨(dú)考慮從左到右和從右到左的路徑，而不是將其視為整個(gè)情境的單一統(tǒng)一視圖。

由于絕大多數(shù) BERT 參數(shù)專(zhuān)門(mén)用于創(chuàng)建高質(zhì)量情境化詞嵌入，因此該框架非常適用于遷移學(xué)習(xí)。通過(guò)使用語(yǔ)言建模等自我監(jiān)督任務(wù)（不需要人工標(biāo)注的任務(wù)）訓(xùn)練 BERT，可以利用 WikiText 和 BookCorpus 等大型無(wú)標(biāo)記數(shù)據(jù)集，這些數(shù)據(jù)集包含超過(guò) 33 億個(gè)詞語(yǔ)。要學(xué)習(xí)其他任務(wù)（如問(wèn)答），可以使用適合相應(yīng)任務(wù)的內(nèi)容替換并微調(diào)最后一層。

下圖中的箭頭表示三個(gè)不同 NLP 模型中從一層到下一層的信息流。

BERT 模型能夠更精細(xì)地理解表達(dá)的細(xì)微差別。例如，處理序列“Bob 需要一些藥。他的胃不舒服，可以給他拿一些抗酸藥嗎？” BERT 能更好地理解 “Bob”、“他的”和“他”都是指同一個(gè)人。以前，在“如何填寫(xiě) Bob 的處方”這一查詢(xún)中，模型可能無(wú)法理解第二句話(huà)引用的人是 Bob。應(yīng)用 BERT 模型后，該模型能夠理解所有這些關(guān)聯(lián)點(diǎn)之間的關(guān)系。

雙向訓(xùn)練很難實(shí)現(xiàn)，因?yàn)槟J(rèn)情況下，在前一個(gè)詞語(yǔ)和下一個(gè)詞語(yǔ)的基礎(chǔ)上調(diào)節(jié)每個(gè)詞都包括多層模型中預(yù)測(cè)的詞語(yǔ)。BERT 的開(kāi)發(fā)者通過(guò)遮蔽語(yǔ)料庫(kù)中的預(yù)測(cè)詞語(yǔ)和其他隨機(jī)詞語(yǔ)解決了這個(gè)問(wèn)題。BERT 還使用一種簡(jiǎn)單的訓(xùn)練技術(shù)，嘗試預(yù)測(cè)給定的兩個(gè)句子 A 和 B：B 和 A 是先后還是隨機(jī)關(guān)系。

為何選擇 BERT？

自然語(yǔ)言處理是當(dāng)今許多商業(yè)人工智能研究的中心。例如，除搜索引擎外，NLP 還用在了數(shù)字助手、自動(dòng)電話(huà)響應(yīng)和車(chē)輛導(dǎo)航領(lǐng)域。BERT 是一項(xiàng)顛覆性技術(shù)，它提供基于大型數(shù)據(jù)集訓(xùn)練的單一模型，而且已經(jīng)證實(shí)該模型能夠在各種 NLP 任務(wù)中取得突破性成果。

BERT 的開(kāi)發(fā)者表示，模型應(yīng)用范圍很廣（包括解答問(wèn)題和語(yǔ)言推理），而且無(wú)需對(duì)任務(wù)所需的具體架構(gòu)做出大量修改。BERT 不需要使用標(biāo)記好的數(shù)據(jù)預(yù)先進(jìn)行訓(xùn)練，因此可以使用任何純文本進(jìn)行學(xué)習(xí)。

主要優(yōu)勢(shì)（用例）

BERT 可以針對(duì)許多 NLP 任務(wù)進(jìn)行微調(diào)。它是翻譯、問(wèn)答、情感分析和句子分類(lèi)等語(yǔ)言理解任務(wù)的理想之選。

目標(biāo)式搜索

雖然如今的搜索引擎能夠非常出色地理解人們要尋找的內(nèi)容（在人們使用正確查詢(xún)格式的前提下），但仍可以通過(guò)很多方式改善搜索體驗(yàn)。對(duì)于語(yǔ)法能力差或不懂得搜索引擎提供商所用語(yǔ)言的人員而言，體驗(yàn)可能令人不快。搜索引擎還經(jīng)常需要用戶(hù)嘗試同一查詢(xún)的不同變體，才能查詢(xún)到理想結(jié)果。

用戶(hù)每天在 Google 上執(zhí)行 35 億次搜索，搜索體驗(yàn)改進(jìn)后，一天就可以減少 10% 的搜索量，長(zhǎng)期累積下來(lái)將大幅節(jié)省時(shí)間、帶寬和服務(wù)器資源。從業(yè)務(wù)角度來(lái)看，它還使搜索提供商能夠更好地了解用戶(hù)行為，并投放更具針對(duì)性的廣告。

通過(guò)幫助非技術(shù)用戶(hù)更準(zhǔn)確地檢索信息，并減少因查詢(xún)格式錯(cuò)誤帶來(lái)的錯(cuò)誤，可以更好地理解自然語(yǔ)言，從而提高數(shù)據(jù)分析和商業(yè)智能工具的效果。

輔助性導(dǎo)航

在美國(guó)，超過(guò)八分之一的人有殘疾，而且許多人在物理和網(wǎng)絡(luò)空間中導(dǎo)航的能力受到了限制。對(duì)于必須使用語(yǔ)音來(lái)控制輪椅、與網(wǎng)站交互和操作周?chē)O(shè)備的人員而言，自然語(yǔ)言處理是生活必需品。通過(guò)提高對(duì)語(yǔ)音命令的響應(yīng)能力，BERT 等技術(shù)可以提高生活質(zhì)量，甚至可以在需要快速響應(yīng)環(huán)境的情況下提高人身安全。

BERT 的重要意義

機(jī)器學(xué)習(xí)研究人員

BERT 在自然語(yǔ)言處理方面引發(fā)的變革等同于計(jì)算機(jī)視覺(jué)領(lǐng)域的 AlexNet，在該領(lǐng)域具有顯著的革命性意義。僅需替換網(wǎng)絡(luò)的最后一層，便可針對(duì)一些新任務(wù)定制網(wǎng)絡(luò)，這項(xiàng)功能意味著用戶(hù)可輕松將其應(yīng)用于任何感興趣的研究領(lǐng)域。無(wú)論用戶(hù)的目標(biāo)是翻譯、情感分析還是執(zhí)行一些尚未提出的新任務(wù)，都可以快速配置網(wǎng)絡(luò)以進(jìn)行嘗試。截至目前，有關(guān)該模型的引文超過(guò) 8000 篇，其衍生用例不斷證明該模型在處理語(yǔ)言任務(wù)方面的先進(jìn)水平。

軟件開(kāi)發(fā)者

由于針對(duì)大型數(shù)據(jù)集預(yù)先訓(xùn)練過(guò)的模型的廣泛可用性，BERT 大大減少了先進(jìn)模型在投入生產(chǎn)時(shí)受到的計(jì)算限制。此外，將 BERT 及其衍生項(xiàng)納入知名庫(kù)（如 Hugging Face）意味著，機(jī)器學(xué)習(xí)專(zhuān)家不需要啟動(dòng)和運(yùn)行基礎(chǔ)模型了。

BERT 在自然語(yǔ)言解讀方面達(dá)到了新的里程碑，與其他模型相比展現(xiàn)了更強(qiáng)大的功能，能夠理解更復(fù)雜的人類(lèi)語(yǔ)音并能更精確地回答問(wèn)題。

BERT 為何可在 GPU 上表現(xiàn)更突出

對(duì)話(huà)式 AI 是人類(lèi)與智能機(jī)器和應(yīng)用程序（從機(jī)器人和汽車(chē)到家庭助手和移動(dòng)應(yīng)用）互動(dòng)的基礎(chǔ)構(gòu)建塊。讓計(jì)算機(jī)理解人類(lèi)語(yǔ)言及所有細(xì)微差別，并做出適當(dāng)?shù)姆磻?yīng)，這是 AI 研究人員長(zhǎng)期以來(lái)的追求。但是，在采用加速計(jì)算的現(xiàn)代 AI 技術(shù)出現(xiàn)之前，構(gòu)建具有真正自然語(yǔ)言處理 (NLP) 功能的系統(tǒng)是無(wú)法實(shí)現(xiàn)的。

BERT 在采用 NVIDIA GPU 的超級(jí)計(jì)算機(jī)上運(yùn)行，以訓(xùn)練其龐大的神經(jīng)網(wǎng)絡(luò)并實(shí)現(xiàn)超高的 NLP 準(zhǔn)確性，從而影響已知的人類(lèi)語(yǔ)言理解領(lǐng)域。雖然目前有許多自然語(yǔ)言處理方法，但讓 AI 具有類(lèi)似人類(lèi)的語(yǔ)言能力仍然是難以實(shí)現(xiàn)的目標(biāo)。隨著 BERT 等基于 Transformer 的大規(guī)模語(yǔ)言模型的出現(xiàn)，以及 GPU 成為這些先進(jìn)模型的基礎(chǔ)設(shè)施平臺(tái)，我們看到困難的語(yǔ)言理解任務(wù)快速取得了進(jìn)展。數(shù)十年來(lái)，這種 AI 一直備受期待。有了 BERT，這一刻終于到來(lái)了。

模型復(fù)雜性提升了 NLP 準(zhǔn)確性，而規(guī)模更大的語(yǔ)言模型可顯著提升問(wèn)答、對(duì)話(huà)系統(tǒng)、總結(jié)和文章完結(jié)等自然語(yǔ)言處理 (NLP) 應(yīng)用程序的技術(shù)水平。BERT-Base 使用 1.1 億個(gè)參數(shù)創(chuàng)建而成，而擴(kuò)展的 BERT-Large 模型涉及 3.4 億個(gè)參數(shù)。訓(xùn)練高度并行化，因此可以有效利用 GPU 上的分布式處理。BERT 模型已證明能夠有效擴(kuò)展為 39 億個(gè)參數(shù)的 Megatron-BERT 等大規(guī)模模型。

BERT 的復(fù)雜性以及訓(xùn)練大量數(shù)據(jù)集方面的需求對(duì)性能提出了很高的要求。這種組合需要可靠的計(jì)算平臺(tái)來(lái)處理所有必要的計(jì)算，以實(shí)現(xiàn)快速執(zhí)行并提高準(zhǔn)確性。這些模型可以處理大量無(wú)標(biāo)記數(shù)據(jù)集，因此成為了現(xiàn)代 NLP 的創(chuàng)新中心，另外在很多用例中，對(duì)于即將推出的采用對(duì)話(huà)式 AI 應(yīng)用程序的智能助手而言，這些模型都是上佳之選。

NVIDIA 平臺(tái)提供可編程性，可以加速各種不同的現(xiàn)代 AI，包括基于 Transformer 的模型。此外，數(shù)據(jù)中心擴(kuò)展設(shè)計(jì)加上軟件庫(kù)，以及對(duì)先進(jìn) AI 框架的直接支持，為承擔(dān)艱巨 NLP 任務(wù)的開(kāi)發(fā)者提供無(wú)縫的端到端平臺(tái)。

在使用 NVIDIA 的 DGX SuperPOD 系統(tǒng)（基于連接了 HDR InfiniBand 的大規(guī)模 DGX A100 GPU 服務(wù)器集群）進(jìn)行的一項(xiàng)測(cè)試中，NVIDIA 使用 MLPerf Training v0.7 基準(zhǔn)實(shí)現(xiàn)了 0.81 分鐘的 BERT 訓(xùn)練時(shí)間，創(chuàng)造了記錄。相比之下，Google 的 TPUv3 在同一測(cè)試中所用時(shí)間超過(guò)了 56 分鐘。

審核編輯 ：李倩