5月26日，由百度與中國計算機學(xué)會中文信息技術(shù)專委會、中國中文信息學(xué)會青工委聯(lián)合舉辦的“2019自然語言處理前沿論壇”在北京召開。圍繞本次論壇主題 “機器之‘讀、寫、說、譯’—— 探尋NLP未來之路”，來自自然語言處理領(lǐng)域的多位青年學(xué)者在大會上作了相關(guān)報告。

　　作為“人工智能皇冠上的明珠”、備受關(guān)注的研究方向之一，自然語言處理(NLP)技術(shù)的進展與未來之路非常值得探討。論壇對話環(huán)節(jié)，來自學(xué)術(shù)界、工業(yè)界的6位嘉賓就這一主題展開討論，觀點碰撞、見解深刻。參與圓桌討論的嘉賓分別是哈爾濱工業(yè)大學(xué)計算機科學(xué)與技術(shù)學(xué)院教授車萬翔、復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院副教授邱錫鵬、清華大學(xué)計算機科學(xué)與技術(shù)系副研究員黃民烈、清華大學(xué)計算機科學(xué)與技術(shù)系長聘副教授劉洋、百度高級科學(xué)家呂雅娟、百度PaddlePaddle總架構(gòu)師于佃海，主持人為百度人工智能技術(shù)委員會主席何中軍。

　　在場嘉賓首先回顧了過去5年NLP領(lǐng)域取得的重要進展。過去5年，是深度學(xué)習(xí)和自然語言處理“深度”結(jié)合的5年，NLP的研究方法、模型框架均發(fā)生巨大變化，研究和應(yīng)用上取得了一系列重大突破。黃民烈在發(fā)言中表示，關(guān)鍵是思路的轉(zhuǎn)變，從之前的特征工程到現(xiàn)在神經(jīng)網(wǎng)絡(luò)模型，研究思路和方法發(fā)生了很大變化。NLP領(lǐng)域的節(jié)奏變化十分迅速，需要不斷有新的思想，促進發(fā)展。呂雅娟結(jié)合自身的研究經(jīng)歷也談到了過去5年，思路轉(zhuǎn)變及擁抱深度學(xué)習(xí)后帶來的巨變。她表示自然語言處理在整個人工智能發(fā)展大背景下，結(jié)合深度學(xué)習(xí)與大數(shù)據(jù)、大算力，在機器翻譯、自動問答、智能寫作、人機對話等不同領(lǐng)域都取得了系統(tǒng)級應(yīng)用的巨大突破。車萬翔從模型、數(shù)據(jù)、任務(wù)三個方面總結(jié)了NLP的進展。模型方面，大部分的NLP研究都基于深度學(xué)習(xí)模型展開;數(shù)據(jù)方面，可以利用更多的弱標(biāo)注甚至無標(biāo)注數(shù)據(jù)進行訓(xùn)練;任務(wù)方面，閱讀理解、文本生成等很多過去比較難的任務(wù)，取得了較大突破。

　　同時，嘉賓們一致認為我國的NLP研究與工業(yè)化應(yīng)用處于國際領(lǐng)先水平。國家政策的支持、巨大的市場需求、高技術(shù)人才儲備為NLP發(fā)展提供了有利條件。在研究方面，劉洋認為中國NLP在學(xué)術(shù)界的研究相當(dāng)靠前，近年來入選該領(lǐng)域頂級會議的論文數(shù)量急劇增加，論文質(zhì)量也在不斷上升。在工業(yè)應(yīng)用方面，呂雅娟認為，我國人口基數(shù)大，NLP需求場景豐富，國家將人工智能作為發(fā)展戰(zhàn)略，為NLP提供了健康的發(fā)展環(huán)境。在深度學(xué)習(xí)方面，我國也走出了自主研發(fā)的道路。于佃海認為，深度學(xué)習(xí)的興起對NLP領(lǐng)域產(chǎn)生了巨大的影響。我國NLP工業(yè)化應(yīng)用的領(lǐng)先地位，與中國企業(yè)對深度學(xué)習(xí)技術(shù)的研發(fā)投入有很大的關(guān)系。以百度為例，深度學(xué)習(xí)底層框架技術(shù)的研發(fā)建設(shè)對百度NLP技術(shù)和應(yīng)用的快速發(fā)展起到了重要的支撐和推動作用。依托自主研發(fā)的開源深度學(xué)習(xí)框架PaddlePaddle，百度將NLP積累的算法工作進行整合、優(yōu)化，進一步建設(shè)并開放了PaddleNLP工具包，為開發(fā)者提供更多便利。嘉賓們也同時指出，需要進一步加強產(chǎn)學(xué)研的結(jié)合，聯(lián)合高校的人才培養(yǎng)、企業(yè)的數(shù)據(jù)資源、算力資源和框架平臺資源，做出更多原創(chuàng)性、有影響力的工作。

　　在NLP的長期發(fā)展趨勢上，融合知識和多模信息、新的學(xué)習(xí)機制等方面將是重要的技術(shù)方向。劉洋認為，NLP獲取知識的方式會在未來發(fā)生巨大變化，它將會和更多領(lǐng)域相結(jié)合，解決數(shù)據(jù)缺乏問題，將更多不同的信息融合在一起。呂雅娟表示，目前的語言理解大部分是基于文本的理解，處于比較淺層的理解，未來需要結(jié)合多模態(tài)和更多的知識。黃民烈指出，需要探索更類人的學(xué)習(xí)機制和學(xué)習(xí)方法，同時研究更高效、更經(jīng)濟的計算模型和方法。邱錫鵬從兩方面闡述了NLP的發(fā)展趨勢，一方面需要融入更多與AI相關(guān)的內(nèi)容，結(jié)合跨學(xué)科的知識;另一方面是通過知識遷移、少量標(biāo)注數(shù)據(jù)的學(xué)習(xí)，推動NLP在細分領(lǐng)域應(yīng)用方面的發(fā)展。

　　近期來看，未來5至10年，嘉賓們認為在計算范式、跨模態(tài)通用表示、利用知識及行業(yè)應(yīng)用、對話系統(tǒng)上會有突破性的進展。人工智能的迅速發(fā)展為NLP提供了更多可能，相信在眾多專家學(xué)者的共同助力下，NLP技術(shù)將不斷精進，促進產(chǎn)業(yè)智能化發(fā)展，以科技的力量改變?nèi)藗兊纳�活�?/p>