百度NLP十年布局：翻越认知智能高山，架起通往现实世界的桥
自然语言处理（NLP）是人工智能皇冠上的一颗明珠。
这样的说法在人工智能领域流传许久，现实中发生的却是这样一幕：计算机视觉、语音识别等领域纷纷跑出了多个独角兽，冲刺IPO的消息也时常出现。可作为“皇冠上的明珠”的NLP领域，却难见独角兽的影子，大多数创业者还停留在A轮或B轮融资。
NLP如何走出困局？
在NLP领域深耕十年，被称作“中国NLP灯塔”的百度给出了切实的答案。8月25日举行的百度大脑语言与知识技术峰会上，伴随着一系列语言与知识产品的发布与升级，百度NLP的全景布局和钻研了十几年的核心技术一一亮相。
（百度CTO王海峰）
01 翻越认知智能的高山
把时间调回一个多月前的ACL 2020。
作为NLP领域最负盛名的国际顶会，ACL 2020收到了3429 篇论文投稿，其中被接收的779篇论文中有185 篇来自中国大陆，占比仅次于美国。距离2010年首次有中国科技企业的论文入选ACL，仅仅过去了10年时间。
除了论文数量的逐年增长，中国NLP学者的面孔也陆续在ACL上出现。
2013年，百度CTO王海峰成为ACL历史上首位华人主席；2014 年，同样来自百度的吴华出任 ACL 程序委员会主席；2015年，哈工大教育部语言语音重点实验室主任李生教授获得 ACL 终身成就奖；2016 年，百度的赵世奇当选 ACL 秘书长；2018年，ACL 宣布创建亚太区域分会，王海峰担任创始主席；2020 年，百度组织了 ACL 大会上首场同声传译研讨会……
以百度为代表的中国力量在NLP的世界舞台上不断出彩，本身就是一种话语权的象征，而左右话语权的核心因素正是学术成就。
仅以百度为例，过去十年是百度NLP高速增长的十年，在NLP领域摘得了包括国家科技进步奖在内的20多个奖项，在30多项国际竞赛中夺得冠军，累计发表的学术论文超过300篇，专利申请高达2000多项。
其中最具代表性的无疑就是百度的语义理解技术与平台文心（ERNIE）。
2019年12月，基于ERNIE 2.0改进的模型在权威榜单GLUE上首次突破90大关，超越人类基线3个点，获得全球第一；3个月后的人工智能顶级会议AAAI 2020上，NLP预训练领域入选论文《ERNIE 2.0: A Continual Pre-Training Framework for Language Understanding》被选为Oral展示；2020年的世界人工智能大会上，ERNIE有了中文名字“文心”，并一举斩获最高奖项SAIL奖(Super AI Leader，卓越人工智能引领者)。
学术上的一系列成就，意味着百度已经站在了NLP研究的最前沿，成为中国NLP领域的领军者，并与谷歌、微软一道被视为“全球AI三巨头”。
可对于百度来说，技术的价值绝不只是在象牙塔中“高光”，在NLP的学术领域走进殿堂的同时，也在循序推进应用场景中的落地。
刚刚结束的百度大脑语言与知识技术峰会上，第一个重磅产品就是在NLP核心技术基础上延展开发的文心ERNIE——语义理解技术与平台，针对传统NLP定制常见的成本高、耗时长、可迭代性差等短板，文心集成了优秀的预训练模型、全面的NLP算法集、端到端开发套件和平台化服务，提供了一站式NLP开发与服务。
这或许就是百度给出的答案，想要推动NLP的产业应用，仅仅在学术上站在山巅还不够，需要的是帮助整个行业翻越认知智能的高山，以低门槛、低成本、高效率的平台优势加速NLP的落地。
正如百度CTO王海峰所言，百度“致力于更好的与学术界、产业界携手，推动语言与知识技术发展，进而推动人工智能技术持续进步，为产业持续升级、社会经济高质量发展贡献力量。”
02 走进行业应用的深处
以往在谈及NLP的应用门槛时，最常见的回答有两个：一是技术相对落后的硬伤，二是缺乏相对独立的场景。
对于第一个问题，经过大量真实应用场景淬炼的文心ERNIE已经给出了解决方案，全面降低了NLP的定制开发成本。
（百度集团副总裁吴甜）
引用百度集团副总裁吴甜分享的一组数据：在数据标注方面，文心的语义理解能力可以降低90%的数据标注量；在算力方面，文心集成了ERNIE预训练模型，可以节省90%的算力；在开发时长方面，传统的开发方式需要一周的工作量，开发者在文心上仅需配置或编写少量代码，可以减少85%模型开发时长，进而全面降低NLP定制开发的成本。
对于第二个问题，针对NLP落地应用时的高频场景，百度新发布或升级了一站式的场景化解决方案：
其一，面向企业文本场景的智能文档分析平台TextMind。
语义理解是NLP的基础，也是应用场景最广泛的服务。比如大多数企业的商业合同仍采用人工审核的方式，存在效率低下、漏查漏报等商业风险，TextMind基于OCR、NLP等技术，可以对20类文档进行智能比对、解析、审核，与知识图谱能力结合后能够自动分析合同中隐含的法律风险。
其二，面向媒体行业进行场景升级的智能创作平台。
百度智能创作平台上线至今，已经自动创作了200多万篇文章、超过15万条短视频、辅助创作的日均调用量超过35万，累计落地20多家机构媒体。同时围绕策、采、编、审的媒体工作场景，百度推出智能策划、智能采编、智能审校三大场景方案，帮助媒体降低创作成本，提升创作效率。
其三，面向交互场景升级的智能对话定制与服务平台UNIT。
UNIT上线以来已经服务了超过2.7万开发者，支撑了超过10万个智能对话应用，积累的知识条目总量达到2.4亿，与用户进行了超过4200亿次交互。全新升级后的UNIT进一步降低了任务式对话、智能问答的定制成本，其中数据标注成本降低了30%以上，并且融合了新一代对话引擎以提升交互体验。
其四，面向翻译场景全新发布的AI同传会议解决方案。
AI同传并不是什么陌生的概念，百度在2017年就推出了同传系统，衍生出了桌面助手、翻译APP等产品。AI同传会议解决方案主打的亮点是全场景、全流程，只需要一台电脑和一部手机，就能迅速搭建出一套同传服务，不仅可以随时对专业术语进行干预，还能自动生成会议记录。
值得一提的是，百度瞄准的四个场景分别对应了NLP领域的理解、生成、对话、翻译，这样的设计绝非无意之举。
过去十年的时间里，百度语言与知识技术培养吸引了大量的全球顶尖人才，推出了以王海峰为代表的百度NLP“十年十人”。这些顶尖大牛们的技术信仰和探索精神，既向外界展示了百度的技术硬实力，也让外界看到了百度加速NLP走向行业深处的拳拳之心。
03 产业智能的百度方案
至于百度这般赋能NLP行业的原因，可以借鉴百度CTO王海峰的观点：“在百度语言与知识技术的布局和发展中，我们始终在注意把握两个趋势，即技术发展趋势和产业发展趋势，并力争引领趋势。”
对于技术趋势的理解，可以借用这样一个比方：感知智能是AI感知外部环境的能力，包括听觉、视觉和触觉，相当于人类的耳朵、眼睛和手；认知智能是AI理解、联想、推理的能力，需要AI像人一样思考并解决问题。
倘若AI的进化停留在感知智能，在认知智能层面停滞不前，终将无法摆脱上两次人工智能浪潮的宿命。如何加速认知智能的越级？仅仅有仁人志士的奔走呼告还远远不够，刺激一个行业走向繁荣的驱动力量还是诱人的商业前景。
某种程度上说，NLP领域并不缺少琳琅满目的技术，诸如语义分析、情感分析、机器翻译、知识图谱等层出不穷，可大多只是一个引擎或者一个特定功能上的服务。
百度所做的正是擦去蒙在“明珠”上的灰尘，然后融合新基建、产业智能化的趋势，将自身领先的NLP能力输出给开发者与合作伙伴，并在不断的创新和探索中找到了NLP规模化应用的方法论：
首先是基础技术的平台化。NLP的算法和模型是典型的脑力劳动，结果就是在人才、资源和场景上占据优势的巨头们有着绝对的话语权。从百度大脑的开放，到飞桨深度学习平台的开源，再到文心ERNIE语义理解技术与平台的上线，本质上都是以平台的形式对外赋能，降低整个行业的进入门槛和开发成本。
其次是核心能力的场景化。一些企业可能并不具备底层开发的能力，百度的对策是针对文本分析、对话系统、机器翻译等高频场景推出一体化的解决方案，开发者只需要进行简单的配置或修改。毕竟NLP的难点在于落地时牵涉到深度学习、情感模型等等，场景化消除了不必要的开发环节和资源投入。
然后是细分应用的产品化。对于智能搜索、智能推荐、智慧城市、智慧医疗等各行各业的应用，百度的策略是与合作伙伴一道打造独立的产品，以零门槛的形式提供服务。比如以API、插件、APP等模式对外服务的百度翻译，目前已经支持40多万家第三方应用，每天响应超过千亿字符的翻译请求。
除此之外，为了解决NLP在模型鲁棒性、可解释性、跨模态语义理解等方面依然面临的挑战，百度联合中国计算机学会、中国中文信息学会共同发布了“千言”数据共建计划。
同时百度技术委员会主席吴华发布了算力共享计划，通过数据集的共建与算力的共享，继而从语义理解、知识融合、跨模态融合等角度推动技术进步。
做一个总结的话，在NLP应用落地的话题上，百度从来都不是一成不变的守旧者，而是根据行业现状不断变通，通过持续性的场景落地，逐步唤醒外界对NLP的价值认可。当整个行业都在重新审视NLP的时候，距离全面爆发已不再遥远。
04 写在最后
曾经被问到百度NLP的理想和抱负是什么时，王海峰凝练了十二个字的回答：“理解语言，拥有智能，改变世界”。
如今再来思考这句话的内涵，无疑有了更为准确的理解。“改变世界”的梦想显然不是算法改变世界那般狭隘，在新基建和产业智能化的浪潮下，百度已经确定了平台型AI的定位，风光无限的NLP部门一面在学术上推动语言与知识技术发展，一面在应用上帮助开发者们破除桎梏。
十年征程，百度NLP部门不仅在造一座灯塔，还在架一道技术通往现实世界的桥。
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。
本文禁止转载，侵权必究。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权，侵权必究。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）