直播回顾 | 最强中文NLP预训练模型艾尼ERNIE官方揭秘

“最近刚好在用ERNIE写毕业论文” “感觉还挺厉害的” “为什么叫ERNIE啊，这名字有什么深意吗？” “我想让艾尼帮我写作业”

看了上面热火的讨论，你一定很好奇“艾尼”、“ERNIE”到底是个啥？

自然语言处理( Natural Language Processing ,简称NLP )被誉为人工智能“皇冠上的明珠”。NLP是为各类企业及开发者提供的用于文本分析及挖掘的核心工具，已经广泛应用在电商、文化娱乐、金融、物流等行业客户的多项业务中。

而艾尼（ERNIE），可谓是目前NLP领域的最强中文预训练模型。

昨天，百度资深研发工程师龙老师，就通过直播带开发者走近最强中文NLP预训练模型ERNIE，在线上解读了一系列艾尼ERNIE的强大特性，并现场与同为NLP模型的BERT直接PK，让开发者连连感叹，希望能把ERNIE运用到自己的工作与生活之中。

错过了直播没关系，让我们来回顾一下课上都讲了啥~

什么是艾尼（ERINE）？

艾尼（ERNIE）是百度自研的持续学习语义理解框架，该框架支持增量引入词汇（ lexical ）、语法 （ syntactic ） 、语义（ semantic ）等3个层次的自定义预训练任务，能够全面捕捉训练语料中的词法、语法、语义等潜在信息。

这些任务通过多任务学习对模型进行训练更新，每当引入新任务时，该框架可在学习该任务的同时，不遗忘之前学到过的知识。这也意味着，该框架可以通过持续构建不同的预训练任务，持续提升模型效果。因此ERNIE具有了更好的语义理解能力。

△ERNIE 2.0持续学习语义理解框架

ERNIE好用么？

好不好用，摆事实才知道。

直播环节中，龙老师直接用填空题的形式展示了ERNIE与BERT在填空方面的表现。

例如题目：中国历史上唯一的正统女皇帝是[？][？][？]，下面是直播中两种算法的表现：

ERNIE的结果是“武则天”，而BERT的结果是“宋太帝”。ERNIE能输出“武则天”说明它确实能学到“武则天”与“女皇帝”之间的关联。

而BERT输出的“宋太帝”虽然每个字“宋”、“太”、“帝”都与“皇帝”相关，但是连在一起就不是一个完整的词，而且也不能与“女皇帝”的形成照应。

再如，陈晓的妻子是[？][？][？]

ERNIE用答案向我们证明了自己不只懂百科，也懂八卦。

通过上面的DEMO测试，我们也就引出了这样一个问题：

ERNIE和BERT最大的区别是什么？

ERNIE1.0能够充分学习词语、短语、命名实体识别中字与字之间的关系，将其整体进行掩码。而BERT不具备这样的能力。ERNIE2.0则通过持续构造辅助任务让ERNIE进行学习，会的任务越多能力越强大。

这与BERT只靠一两个任务进行预训练的思路是完全不同的。就像小学生做题，一直只练一种题型肯定是不行的，需要多种题型都会做，既要有专项突破也要有综合练习，这样才能成为真正的学霸。

随着多样的训练数据的增加，ERNIE通过持续学习就能够学得越来越好。

ERNIE作为模型，也需要与深度学习框架的深度配合，才能实现最佳的效果。百度开源的深度学习框架飞桨（PaddlePaddle）对ERNIE模型有非常好的定制优化，使得其加速比达到77%，可以说是ERNIE背后的神助攻。

ERNIE借助飞桨 PaddlePaddle 多机分布式训练优势，利用 79亿 tokens 训练数据（约1/4的 XLNet 数据）和64张 V100（约1/8的 XLNet 硬件算力）训练的 ERNIE 2.0预训练模型不仅实现了在中英文16个任务上的最优效果，而且为开发人员定制自己的 NLP 模型提供了方案。