机器学习：self supervised learning

• 340M 参数

BERT

自监督学习的目标跟目标越接近越好。

一个任务：预测句子中被mask的词：
BERT通过Masking Input来获得训练数据

mask有两种做法：

• 将某个字token换成一个特殊符号（代表盖住）

• 随机把某个字换成另外一个字
  
  盖住的部分输出的向量作为Linear层的输入，然后送入softmax得到所有感兴趣词的概率分数。
  盖住的字就能作为标签
  
  另外一个任务：预测下一句

• cls

• sep
  
  两个句子应不应该接到一起，这项任务太简单了。改进的方法：RoBERTa，SOP（前后句子都能互相组队）
  

使用BERT

• 填空题
• 预测下一句
  基于上面功能可以做一些downstream任务
  
  用Pre-train训练，fine-tune Bert模型

模型评估

九个任务上的平均分是多少表示模型的好坏。

基于Bert模型，自然语言处理能力有比较大的提升。

使用

• case1: 输入是序列，输出是类别。
  bert提取特征，加线性层+softmax分类，仍然需要一些标注数据
  
  

主要是学线性层的参数，bert得到的权重比随机初始化的要好。

• case2: 输入是序列，输出也是序列，类似于输入，比如词性标注
  
• case3: 输入两个句子，输出一个类别，比如推理（基于输入能否推出某个论点）
  
  
• case4： 问答系统（有点限制的问答，答案一定出现在文章里面）
  
  输入一个问题，输出两个正整数，表示第s个字到第e个字作为答案。
  
  
  
  正确答案在文章中的起始位置和结束位置。
  把文章截成一小段一小段作为训练数据。

• BERT
• ALBERT

时间：

• TPU V3 花费8天
  
  
  将句子弄坏，看看后续能不能还原出来。
  
  
• T5 训练，公开数据1PB

BERT工作原理

将字转成embeeding后，相近的字特征空间里比较接近

计算特征之间的相似性：

BERT的输出，每个向量代表那个对应的输入的字。一个词汇的意思取决于上下文：

早期的cbow技术的思想与BERT的想法一样，word embedding, 两层线性层。Bert就是深度学习版本的cbow，还考虑上下问：



DNA转成对应的文字，然后再做分类：

Multi-lingual BERT

用多种语言混合的训练填空题，结果在QA时候用英文训练，能够比较好的回答中文的QA；

不同语种之间相同意思在特征空间比较

两天没有变，一周突然就变了：

资料变多，训练效果就变好。

矛盾点：英文输出英文，中文输出中文，假如BERT能够学习不同语言的embedding，假如是英文句子空着的地方，为什么不推理出来的是中文呢？说明BERT还是能够识别出语种的差距：

加上差距后就能英文输入，中文输出：

GPT

任务是预测接下来后出现的token是什么

应用的是Transformer的decoder，不会看到之后的词：

有生成文字的能力：

使用

• few shot learning
• one-shot learning
• zero-shot learning
  
  
  第3代GPT在42个任务上进行测试，效果还不是很好，但是在3.5及以后，效果基本上达到人类水平。
  GTP3的细节：
  

其他方面

语音mask版本的bert和gpt，预测接下来出现的内容。缺评测的benchmark，文本类的有GLUE，语音上有superb