TF39回顾 | 语言知识前沿研究与工业实践

随着人工智能的飞速发展，AI在推动产业智能化进程中展现巨大价值，不仅催生了智能化产品的诞生，甚至影响着商业模式的更替迭代。作为当下AI领域最热门的研究方向，自然语言处理(NLP)技术有着非常广泛的应用范围，诸如智能客服、搜索引擎、个性化推荐、智能音箱、机器实时翻译等场景，都渗透着NLP技术的应用。语言和知识是NLP领域发展的两个重要元素，对NLP技术实际落地发挥重大影响。

TF39期研讨会围绕《语言知识前沿研究和工业落地》主题，从因果关系、结构化预测、BERT的工业实践、机器翻译、多模知识对话系统等展开讨论，对NLP技术的前沿研究及工业实践进行深入的探讨与交流。

CCF TF金融科技SIG主席 沈剑平

CCF TF金融科技SIG主席、平安人寿人工智能研发团队总经理沈剑平首先进行开幕致辞，介绍与会嘉宾，并担任会议主持人。

张坤

卡耐基梅隆大学哲学系与机器学习系副教授、德国马普所智能系资深研究科学家

卡耐基梅隆大学哲学系与机器学习系的张坤教授分享了《因果表征与人工智能》主题报告。通过数据分析发现因果关系是个很重要的研究课题，在本次分享中，张教授首先通过讲解有趣例子，如谷歌图像的误识别问题、辛普森悖论、幸存者偏差，引发大家对因果关系的思考；然后用具体的理论和例子说明什么是因果关系、因果关系和相关性的区别、什么情况下可以挖掘因果关系；接着用头盖骨预测问题发现其中的因果关系。最后张坤教授结合迁移学习，说明因果关系如何应用到迁移学习的场景中。

陆巍

新加坡科技设计大学副教授

新加坡科技设计大学陆巍教授分享《StatNLP: 自然语言处理中结构化预测的统一框架》报告。本次分享中，陆教授首先介绍他领导的实验室的主要研究内容，通过相应例子分别介绍了文本解析中的经典问题，包括字或词级别的表示、实体级别的语义表示等。然后陆教授详细讲解他提出的结构化预测模型，说明该模型框架如何有效统一了经典的文本解析的模型，从最简单的线性链条件随机场到基于深度学习的结构化预测模型，如神经网络/长短记忆网络条件随机场等近10个模型。最后陆教授还介绍了跟工业界的一些合作，分享NLP技术实际落地的经验。

刘升平

云知声AI Labs资深技术专家

云知声AI Labs资深技术专家刘升平博士分享了《BERT应用工程化实践》，主要介绍云知声对BERT模型工程化的解决方案。目前，BERT模型已成了工业NLP方向中不可或缺的模型,但其性能算力问题一直是业界难题。基于工业应用实践，刘博士分享了模型小型化和加速的最佳实践路线：通过集成BERT为代表的预训练模型获得最佳评价指标，对模型做蒸馏到ALBERT或LSTM等简单模型，然后对简单模型的解码器实现底层加速优化。最后，刘博士结合两个技术评测冠军方案作为案例，系统地阐述BERT工程化方法论如何运用到实际生产环境中。

 涂兆鹏

腾讯AI Lab专家研究员

腾讯AI Lab专家研究员涂兆鹏博士分享了《机器翻译研究与应用探索》，介绍腾讯AI Lab在机器翻译的基础研究和应用场景上的技术探索。涂博士从机器翻译发展历程切入，简明扼要地介绍了机器翻译的技术探索及核心难点。针对同声传译、拍照翻译、交互式翻译、开放AI能力等应用场景，涂博士介绍了鲁棒的神经机器翻译、解码误差校准、多领域通用翻译等多个技术解决方案。

杨海钦

平安人寿SAIL负责人

平安人寿资深研究员杨海钦博士分享的主题是《多模知识智能对话技术的探索与实践》。杨博士首先介绍了平安人寿的智能化布局以及系列业界领先寿险AI应用，如保险行业首款打造“AI会客厅”的智能拜访助手、保险行业首款视频回访机器人等。随后，杨博士分享了相关前沿技术探索，包括基于文本和多模的移情对话系统技术，以及如何利用知识图谱提升同义词挖掘和推荐落地的性能。

在报告之后，各位嘉宾又进行了圆桌对话环节，讨论AI技术研究及应用实践中的经验及思考，并与参会者互动，热情回答了参会者的许多技术问题。正如各位嘉宾在CCF TF39研讨会上的分享，在人工智能领域，学术界关注方法的理论化、通用性，探索未来和启发式的认知，可以为工业界提供前沿的方向；工业界注重商业落地，拥有大量实际数据和经验，可以将学界研究成果转化为实际应用价值。双方通过加强交流合作，有助于形成优势互补，为人工智能领域的发展探索更多可能。