自然語言處理（NLP）是人工智能皇冠上的一顆明珠。

這樣的說法在人工智能領(lǐng)域流傳許久，現(xiàn)實中發(fā)生的卻是這樣一幕：計算機視覺、語音識別等領(lǐng)域紛紛跑出了多個獨角獸，沖刺IPO的消息也時常出現(xiàn)?？勺鳛椤盎使谏系拿髦椤钡腘LP領(lǐng)域，卻難見獨角獸的影子，大多數(shù)創(chuàng)業(yè)者還停留在A輪或B輪融資。

NLP如何走出困局？

在NLP領(lǐng)域深耕十年，被稱作“中國NLP燈塔”的百度給出了切實的答案。8月25日舉行的百度大腦語言與知識技術(shù)峰會上，伴隨著一系列語言與知識產(chǎn)品的發(fā)布與升級，百度NLP的全景布局和鉆研了十幾年的核心技術(shù)一一亮相。

（百度CTO王海峰）

01 翻越認知智能的高山

把時間調(diào)回一個多月前的ACL 2020。

作為NLP領(lǐng)域最負盛名的國際頂會，ACL 2020收到了3429 篇論文投稿，其中被接收的779篇論文中有185 篇來自中國大陸，占比僅次于美國。距離2010年首次有中國科技企業(yè)的論文入選ACL，僅僅過去了10年時間。

除了論文數(shù)量的逐年增長，中國NLP學(xué)者的面孔也陸續(xù)在ACL上出現(xiàn)。

2013年，百度CTO王海峰成為ACL歷史上首位華人主席；2014 年，同樣來自百度的吳華出任 ACL 程序委員會主席；2015年，哈工大教育部語言語音重點實驗室主任李生教授獲得 ACL 終身成就獎；2016 年，百度的趙世奇當選 ACL 秘書長；2018年，ACL 宣布創(chuàng)建亞太區(qū)域分會，王海峰擔任創(chuàng)始主席；2020 年，百度組織了 ACL 大會上首場同聲傳譯研討會……

以百度為代表的中國力量在NLP的世界舞臺上不斷出彩，本身就是一種話語權(quán)的象征，而左右話語權(quán)的核心因素正是學(xué)術(shù)成就。

僅以百度為例，過去十年是百度NLP高速增長的十年，在NLP領(lǐng)域摘得了包括國家科技進步獎在內(nèi)的20多個獎項，在30多項國際競賽中奪得冠軍，累計發(fā)表的學(xué)術(shù)論文超過300篇，專利申請高達2000多項。

其中最具代表性的無疑就是百度的語義理解技術(shù)與平臺文心（ERNIE）。

2019年12月，基于ERNIE 2.0改進的模型在權(quán)威榜單GLUE上首次突破90大關(guān)，超越人類基線3個點，獲得全球第一；3個月后的人工智能頂級會議AAAI 2020上，NLP預(yù)訓(xùn)練領(lǐng)域入選論文《ERNIE 2.0: A Continual Pre-Training Framework for Language Understanding》被選為Oral展示；2020年的世界人工智能大會上，ERNIE有了中文名字“文心”，并一舉斬獲最高獎項SAIL獎(Super AI Leader，卓越人工智能引領(lǐng)者)。

學(xué)術(shù)上的一系列成就，意味著百度已經(jīng)站在了NLP研究的最前沿，成為中國NLP領(lǐng)域的領(lǐng)軍者，并與谷歌、微軟一道被視為“全球AI三巨頭”。

可對于百度來說，技術(shù)的價值絕不只是在象牙塔中“高光”，在NLP的學(xué)術(shù)領(lǐng)域走進殿堂的同時，也在循序推進應(yīng)用場景中的落地。

剛剛結(jié)束的百度大腦語言與知識技術(shù)峰會上，第一個重磅產(chǎn)品就是在NLP核心技術(shù)基礎(chǔ)上延展開發(fā)的文心ERNIE——語義理解技術(shù)與平臺，針對傳統(tǒng)NLP定制常見的成本高、耗時長、可迭代性差等短板，文心集成了優(yōu)秀的預(yù)訓(xùn)練模型、全面的NLP算法集、端到端開發(fā)套件和平臺化服務(wù)，提供了一站式NLP開發(fā)與服務(wù)。

這或許就是百度給出的答案，想要推動NLP的產(chǎn)業(yè)應(yīng)用，僅僅在學(xué)術(shù)上站在山巔還不夠，需要的是幫助整個行業(yè)翻越認知智能的高山，以低門檻、低成本、高效率的平臺優(yōu)勢加速NLP的落地。

正如百度CTO王海峰所言，百度“致力于更好的與學(xué)術(shù)界、產(chǎn)業(yè)界攜手，推動語言與知識技術(shù)發(fā)展，進而推動人工智能技術(shù)持續(xù)進步，為產(chǎn)業(yè)持續(xù)升級、社會經(jīng)濟高質(zhì)量發(fā)展貢獻力量?！?/p>

02 走進行業(yè)應(yīng)用的深處

以往在談及NLP的應(yīng)用門檻時，最常見的回答有兩個：一是技術(shù)相對落后的硬傷，二是缺乏相對獨立的場景。

對于第一個問題，經(jīng)過大量真實應(yīng)用場景淬煉的文心ERNIE已經(jīng)給出了解決方案，全面降低了NLP的定制開發(fā)成本。

（百度集團副總裁吳甜）

引用百度集團副總裁吳甜分享的一組數(shù)據(jù)：在數(shù)據(jù)標注方面，文心的語義理解能力可以降低90%的數(shù)據(jù)標注量；在算力方面，文心集成了ERNIE預(yù)訓(xùn)練模型，可以節(jié)省90%的算力；在開發(fā)時長方面，傳統(tǒng)的開發(fā)方式需要一周的工作量，開發(fā)者在文心上僅需配置或編寫少量代碼，可以減少85%模型開發(fā)時長，進而全面降低NLP定制開發(fā)的成本。

對于第二個問題，針對NLP落地應(yīng)用時的高頻場景，百度新發(fā)布或升級了一站式的場景化解決方案：

其一，面向企業(yè)文本場景的智能文檔分析平臺TextMind。

語義理解是NLP的基礎(chǔ)，也是應(yīng)用場景最廣泛的服務(wù)。比如大多數(shù)企業(yè)的商業(yè)合同仍采用人工審核的方式，存在效率低下、漏查漏報等商業(yè)風(fēng)險，TextMind基于OCR、NLP等技術(shù)，可以對20類文檔進行智能比對、解析、審核，與知識圖譜能力結(jié)合后能夠自動分析合同中隱含的法律風(fēng)險。

其二，面向媒體行業(yè)進行場景升級的智能創(chuàng)作平臺。

百度智能創(chuàng)作平臺上線至今，已經(jīng)自動創(chuàng)作了200多萬篇文章、超過15萬條短視頻、輔助創(chuàng)作的日均調(diào)用量超過35萬，累計落地20多家機構(gòu)媒體。同時圍繞策、采、編、審的媒體工作場景，百度推出智能策劃、智能采編、智能審校三大場景方案，幫助媒體降低創(chuàng)作成本，提升創(chuàng)作效率。

其三，面向交互場景升級的智能對話定制與服務(wù)平臺UNIT。

UNIT上線以來已經(jīng)服務(wù)了超過2.7萬開發(fā)者，支撐了超過10萬個智能對話應(yīng)用，積累的知識條目總量達到2.4億，與用戶進行了超過4200億次交互。全新升級后的UNIT進一步降低了任務(wù)式對話、智能問答的定制成本，其中數(shù)據(jù)標注成本降低了30%以上，并且融合了新一代對話引擎以提升交互體驗。

其四，面向翻譯場景全新發(fā)布的AI同傳會議解決方案。

AI同傳并不是什么陌生的概念，百度在2017年就推出了同傳系統(tǒng)，衍生出了桌面助手、翻譯APP等產(chǎn)品。AI同傳會議解決方案主打的亮點是全場景、全流程，只需要一臺電腦和一部手機，就能迅速搭建出一套同傳服務(wù)，不僅可以隨時對專業(yè)術(shù)語進行干預(yù)，還能自動生成會議記錄。

值得一提的是，百度瞄準的四個場景分別對應(yīng)了NLP領(lǐng)域的理解、生成、對話、翻譯，這樣的設(shè)計絕非無意之舉。

過去十年的時間里，百度語言與知識技術(shù)培養(yǎng)吸引了大量的全球頂尖人才，推出了以王海峰為代表的百度NLP“十年十人”。這些頂尖大牛們的技術(shù)信仰和探索精神，既向外界展示了百度的技術(shù)硬實力，也讓外界看到了百度加速NLP走向行業(yè)深處的拳拳之心。

03 產(chǎn)業(yè)智能的百度方案

至于百度這般賦能NLP行業(yè)的原因，可以借鑒百度CTO王海峰的觀點：“在百度語言與知識技術(shù)的布局和發(fā)展中，我們始終在注意把握兩個趨勢，即技術(shù)發(fā)展趨勢和產(chǎn)業(yè)發(fā)展趨勢，并力爭引領(lǐng)趨勢?！?/p>

對于技術(shù)趨勢的理解，可以借用這樣一個比方：感知智能是AI感知外部環(huán)境的能力，包括聽覺、視覺和觸覺，相當于人類的耳朵、眼睛和手；認知智能是AI理解、聯(lián)想、推理的能力，需要AI像人一樣思考并解決問題。

倘若AI的進化停留在感知智能，在認知智能層面停滯不前，終將無法擺脫上兩次人工智能浪潮的宿命。如何加速認知智能的越級？僅僅有仁人志士的奔走呼告還遠遠不夠，刺激一個行業(yè)走向繁榮的驅(qū)動力量還是誘人的商業(yè)前景。

某種程度上說，NLP領(lǐng)域并不缺少琳瑯滿目的技術(shù)，諸如語義分析、情感分析、機器翻譯、知識圖譜等層出不窮，可大多只是一個引擎或者一個特定功能上的服務(wù)。

百度所做的正是擦去蒙在“明珠”上的灰塵，然后融合新基建、產(chǎn)業(yè)智能化的趨勢，將自身領(lǐng)先的NLP能力輸出給開發(fā)者與合作伙伴，并在不斷的創(chuàng)新和探索中找到了NLP規(guī)?；瘧?yīng)用的方法論：

首先是基礎(chǔ)技術(shù)的平臺化。NLP的算法和模型是典型的腦力勞動，結(jié)果就是在人才、資源和場景上占據(jù)優(yōu)勢的巨頭們有著絕對的話語權(quán)。從百度大腦的開放，到飛槳深度學(xué)習(xí)平臺的開源，再到文心ERNIE語義理解技術(shù)與平臺的上線，本質(zhì)上都是以平臺的形式對外賦能，降低整個行業(yè)的進入門檻和開發(fā)成本。

其次是核心能力的場景化。一些企業(yè)可能并不具備底層開發(fā)的能力，百度的對策是針對文本分析、對話系統(tǒng)、機器翻譯等高頻場景推出一體化的解決方案，開發(fā)者只需要進行簡單的配置或修改。畢竟NLP的難點在于落地時牽涉到深度學(xué)習(xí)、情感模型等等，場景化消除了不必要的開發(fā)環(huán)節(jié)和資源投入。

然后是細分應(yīng)用的產(chǎn)品化。對于智能搜索、智能推薦、智慧城市、智慧醫(yī)療等各行各業(yè)的應(yīng)用，百度的策略是與合作伙伴一道打造獨立的產(chǎn)品，以零門檻的形式提供服務(wù)。比如以API、插件、APP等模式對外服務(wù)的百度翻譯，目前已經(jīng)支持40多萬家第三方應(yīng)用，每天響應(yīng)超過千億字符的翻譯請求。

除此之外，為了解決NLP在模型魯棒性、可解釋性、跨模態(tài)語義理解等方面依然面臨的挑戰(zhàn)，百度聯(lián)合中國計算機學(xué)會、中國中文信息學(xué)會共同發(fā)布了“千言”數(shù)據(jù)共建計劃。

同時百度技術(shù)委員會主席吳華發(fā)布了算力共享計劃，通過數(shù)據(jù)集的共建與算力的共享，繼而從語義理解、知識融合、跨模態(tài)融合等角度推動技術(shù)進步。

做一個總結(jié)的話，在NLP應(yīng)用落地的話題上，百度從來都不是一成不變的守舊者，而是根據(jù)行業(yè)現(xiàn)狀不斷變通，通過持續(xù)性的場景落地，逐步喚醒外界對NLP的價值認可。當整個行業(yè)都在重新審視NLP的時候，距離全面爆發(fā)已不再遙遠。

04 寫在最后

曾經(jīng)被問到百度NLP的理想和抱負是什么時，王海峰凝練了十二個字的回答：“理解語言，擁有智能，改變世界”。

如今再來思考這句話的內(nèi)涵，無疑有了更為準確的理解?！案淖兪澜纭钡膲粝腼@然不是算法改變世界那般狹隘，在新基建和產(chǎn)業(yè)智能化的浪潮下，百度已經(jīng)確定了平臺型AI的定位，風(fēng)光無限的NLP部門一面在學(xué)術(shù)上推動語言與知識技術(shù)發(fā)展，一面在應(yīng)用上幫助開發(fā)者們破除桎梏。

十年征程，百度NLP部門不僅在造一座燈塔，還在架一道技術(shù)通往現(xiàn)實世界的橋。