从手工规则、神经网络到Transformer基础模型，自然语言处理的未来是统一多模态，走向通用人工智能！

过去十年间，仅靠简单的神经网络计算，以及大规模的训练数据支持，自然语言处理领域取得了相当大的突破，由此训练得到的预训练语言模型，如BERT、GPT-3等模型都提供了强大的通用语言理解、生成和推理能力。

前段时间，斯坦福大学大学教授Christopher D. Manning在Daedalus期刊上发表了一篇关于「人类语言理解和推理」的论文，主要梳理自然语言处理的发展历史，并分析了基础模型的未来发展前景。

论文链接：https://direct.mit.edu/daed/article/151/2/127/110621/Human-Language-Understanding-amp-Reasoning

论文作者Christopher Manning是斯坦福大学计算机与语言学教授，也是将深度学习应用于自然语言处理领域的领军者，研究方向专注于利用机器学习方法处理计算语言学问题，以使计算机能够智能处理、理解并生成人类语言。

Manning教授是ACM Fellow，AAAI Fellow 和ACL Fellow，他的多部著作，如《统计自然语言处理基础》、《信息检索导论》等都成为了经典教材，其课程斯坦福CS224n《深度学习自然语言处理》更是无数NLPer的入门必看。

NLP的四个时代

第一时代（1950-1969）

NLP的研究最早始于机器翻译的研究，当时的人们认为，翻译任务可以基于二战期间在密码破译的成果继续发展，冷战的双方也都在开发能够翻译其他国家科学成果的系统，不过在此期间，人们对自然语言、人工智能或机器学习的结构几乎一无所知。

当时的计算量和可用数据都非常少，虽然最初的系统被大张旗鼓地宣传，但这些系统只提供了单词级的翻译查找和一些简单的、基于规则的机制来处理单词的屈折形式（形态学）和词序。

第二时代（1970-1992）

这一时期可以看到一系列NLP演示系统的发展，在处理自然语言中的语法和引用等现象方面表现出了复杂性和深度，包括Terry Winograd的SHRDLU，Bill Woods的LUNAR，Roger Schank的SAM，加里Hendrix的LIFER和Danny Bobrow的GUS，都是手工构建的、基于规则的系统，甚至还可用用于诸如数据库查询之类的任务。

语言学和基于知识的人工智能正在迅速发展，在这个时代的第二个十年，出现了新一代手工构建的系统，在陈述性语言知识和程序处理之间有着明确的界限，并且受益于语言学理论的发展。

第三时代（1993-2012）

在此期间，数字化文本的可用数量显著提升，NLP的发展逐渐转为深度的语言理解，从数千万字的文本中提取位置、隐喻概念等信息，不过仍然只是基于单词分析，所以大部分研究人员主要专注于带标注的语言资源，如标记单词的含义、公司名称、树库等，然后使用有监督机器学习技术来构建模型。

第四时代（2013-现在）

深度学习或人工神经网络方法开始发展，可以对长距离的上下文进行建模，单词和句子由数百或数千维的实值向量空间进行表示，向量空间中的距离可以表示意义或语法的相似度，不过在执行任务上还是和之前的有监督学习类似。

2018年，超大规模自监督神经网络学习取得了重大成功，可以简单地输入大量文本（数十亿个单词）来学习知识，基本思想就是在「给定前几个单词」的情况下连续地预测下一个单词，重复数十亿次预测并从错误中学习，然后就可以用于问答或文本分类任务。

预训练的自监督方法的影响是革命性的，无需人类标注即可产生一个强大的模型，后续简单微调即可用于各种自然语言任务。

模型架构

自2018年以来，NLP应用的主要神经网络模型转为Transformer神经网络，核心思想是注意力机制，单词的表征计算为来自其他位置单词表征的加权组合。

Transofrmer一个常见的自监督目标是遮罩文本中出现的单词，将该位置的query, key和value向量与其他单词进行比较，计算出注意力权重并加权平均，再通过全连接层、归一化层和残差连接来产生新的单词向量，再重复多次增加网络的深度。

虽然Transformer的网络结构看起来不复杂，涉及到的计算也很简单，但如果模型参数量足够大，并且有大量的数据用来训练预测的话，模型就可以发现自然语言的大部分结构，包括句法结构、单词的内涵、事实知识等。

prompt生成

从2018年到2020年，研究人员使用大型预训练语言模型（LPLM）的主要方法就是使用少量的标注数据进行微调，使其适用于自定义任务。

但GPT-3（Generative Pre-training Transformer-3）发布后，研究人员惊讶地发现，只需要输入一段prompt，即便在没有训练过的新任务上，模型也可以很好地完成。

相比之下，传统的NLP模型由多个精心设计的组件以流水线的方式组装起来，先捕获文本的句子结构和低级实体，然后再识别出更高层次的含义，再输入到某些特定领域的执行组件中。

在过去的几年里，公司已经开始用LPLM取代这种传统的NLP解决方案，通过微调来执行特定任务。

机器翻译

早期的机器翻译系统只能在有限的领域中覆盖有限的语言结构。

2006年推出的谷歌翻译首次从大规模平行语料中构建统计模型；2016年谷歌翻译转为神经机器翻译系统，质量得到极大提升；2020年再次更新为基于Transformer的神经翻译系统，不再需要两种语言的平行语料，而是采用一个巨大的预训练网络，通过一个特别的token指示语言类型进行翻译。

问答任务

问答系统需要在文本集合中查找相关信息，然后提供特定问题的答案，下游有许多直接的商业应用场景，例如售前售后客户支持等。

现代神经网络问答系统在提取文本中存在的答案具有很高的精度，也相当擅长分类出不存在答案的文本。

分类任务

对于常见的传统NLP任务，例如在一段文本中识别出人员或组织名称，或者对文本中关于产品的情感进行分类（积极或消极），目前最好的系统仍然是基于LPLM的微调。

文本生成

除了许多创造性的用途之外，生成系统还可以编写公式化的新闻文章，比如体育报道、自动摘要等，也可以基于放射科医师的检测结果生成报告。

不过，虽然效果很好，但研究人员们仍然很怀疑这些系统是否真的理解了他们在做什么，或者只是一个无意义的、复杂的重写系统。

意义(meaning)

语言学、语言哲学和编程语言都在研究描述意义的方法，即指称语义学方法（denotational semantics）或指称理论（heory of reference）：一个词、短语或句子的意义是它所描述的世界中的一组对象或情况（或其数学抽象）。

现代NLP的简单分布语义学认为，一个词的意义只是其上下文的描述，Manning认为，意义产生于理解语言形式和其他事物之间的联系网络，如果足够密集，就可以很好地理解语言形式的意义。

LPLM在语言理解任务上的成功，以及将大规模自监督学习扩展到其他数据模态（如视觉、机器人、知识图谱、生物信息学和多模态数据）的广泛前景，使得AI变得更加通用。

基础模型

除了BERT和GPT-3这样早期的基础模型外，还可以将语言模型与知识图神经网络、结构化数据连接起来，或是获取其他感官数据，以实现多模态学习，如DALL-E模型，在成对的图像、文本的语料库进行自监督学习后，可以通过生成相应的图片来表达新文本的含义。

我们目前还处于基础模型研发的早期，但未来大多数信息处理和分析任务，甚至像机器人控制这样的任务，都可以由相对较少的基础模型来处理。

虽然大型基础模型的训练是昂贵且耗时的，但训练完成后，使其适应于不同的任务还是相当容易的，可以直接使用自然语言来调整模型的输出。

但这种方式也存在风险：

1. 有能力训练基础模型的机构享受的权利和影响力可能会过大；

2. 大量终端用户可能会遭受模型训练过程中的偏差影响；

3. 由于模型及其训练数据非常大，所以很难判断在特定环境中使用模型是否安全。

虽然这些模型的最终只能模糊地理解世界，缺乏人类水平的仔细逻辑或因果推理能力，但基础模型的广泛有效性也意味着可以应用的场景非常多，下一个十年内或许可以发展为真正的通用人工智能。

参考资料：https://direct.mit.edu/daed/article/151/2/127/110621/Human-Language-Understanding-amp-Reasoning

编辑：LRS