語言是機器與人類連接的重要路徑，知識是機器深入了解現實世界的必需品。8月31日，2019世界人工智能大會·開發者日在上海舉辦，會上，ai技術平臺體系執行總監吳甜受邀出席并揭秘了百度語言與知識技術在ai產業化方面的全新進展及突破。

吳甜表示，“自然語言理解是人工智能領域最具有挑戰性的問題之一。在面對產業開發者的技術攻克中，我們應重視實際場景中問題的沉淀與總結，并在需求中不斷精進技術，以創新遇見未來。”

搭建語言與知識技術平臺全景精準擊中產業需求

在演講開頭，吳甜就為到場來賓展示了百度ai同傳和百度地圖語音互動的實際案例，并表示1964年《機器翻譯淺說》中暢想的未來已實現，不管臺上是什么國家的演講者，臺下的人都可以從耳機里聽到自己的母語。百度在語言與知識技術領域帶來的驚喜遠不止這些，目前百度語言與知識技術以布局智能搜索、深度問答、對話系統、智能寫作、機器翻譯等多場景，讓用戶在日常使用中就可以感受到語言與知識技術帶來的便利。

如今，產業開發者需要的不再是單點技術，他們需要優異的應用效果、高效的研發效能、靈活的服務部署，能將ai技術切實落地于相應的場景的有效路徑，這與百度大腦語言與知識技術平臺開放的初衷不謀而合。為此，百度大腦語言與知識技術開放平臺不斷降低技術使用門檻，搭建起以飛槳為底層技術支持，包括語言與知識基礎技術層、應用級平臺層、服務方式、場景方案等，讓一線產業開發者都用得上“趁手”的ai工具，迅速將相關技術布局于應用場景中。

百度化身技術“先行者” 語言與知識技術貫通落地全流程

作為機器理解人類意圖的最重要技術之一，語言與知識技術是國內外科技巨頭的必爭之地。百度深耕語言與知識技術多年，可謂是站在了巴別塔的更高層。

2019年，百度發布可持續學習語義理解框架ernie 2.0發布，在持續學習方面實現新突破，每當引入新任務時，該框架可在學習該任務的同時，不遺忘之前學到過的信息。目前，ernie已在共計16個中英文任務上超越了bert和xlnet，取得了sota效果。除了在學術領域的價值，ernie 2.0背后蘊藏著不容忽視的產業價值，尤其是在目前與科技背景下，ernie 2.0代表的無監督預訓練語言模型正處在非常關鍵的產業位置。

此外，ernie也得到了深度學習平臺飛槳(paddlepaddle)的底層加持。在gpu多級多卡訓練中，基于飛槳訓練ernie模型多機加速比達到77%，遠高于其他主流實現。在加載預訓練模型方面，飛槳預訓練模型管理和遷移學習組件paddlehub，可一鍵加載工業級預訓練模型。使用paddlehub組件，可以讓ernie 語義表示模型實現1行代碼完成預訓練模型的預測、10行代碼完成大規模預訓練模型的遷移學習。

飛槳自然語言處理模型庫paddlenlp是基于飛槳打造的工業級中文nlp開源工具集，擁有當前業內效果最好的中文語義表示模型和基于百億級大數據訓練的預訓練模型，可大大減少用戶在開發過程中的重復工作，獲得更好的基于工業實踐的應用效果。

在應用級平臺方面，吳甜以unit(理解與交互技術)平臺為例，解析了此類平臺的智能便捷。智能客服、智能駕駛等場景都對人機對話的流暢度與準確性提出嚴苛考驗，unit平臺致力于打造為對話系統定制的專業、低成本、全鏈路的技術與服務平臺，并已經為金融、教育等行業提供解決方案和服務。

unit平臺核心技術包括語義理解、閱讀理解和對話管理三大部分，其中ernie slu可達到在同樣理解精度下標注量降低37%~72%，datakit可使數據生產效率提升8倍，使用語義理解slu定制可使對話技能綜合研發成本降低60%。目前，unit平臺已實現6.8萬定制技能，累計交互次數達570億次，全面覆蓋智能客服、智能出行、智能辦公及其他智能交互場景，為一線開發者實現ai產業化提供有力工具。

堅持創新遇見語言與知識技術的“下一個50年”

“50多年前的預言已經實現，它依賴于技術的突破和創新”，吳甜認為，作為擁有30余項技術工具、服務方式多樣靈活可定制、技術全面領先并且效能更高的語言與知識技術開放平臺，百度應該將創新的ai能力源源不斷的輸送到應用一線，實現真正的突破創新、開源開放、智見未來。

以上是網絡信息轉載，信息真實性自行斟酌。