本文根據李宏毅老師2019最新的機器學習視頻整理。

視頻地址：https://www.bilibili.com/video/av46561029/?p=61
ppt下載地址：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML19.html

1、背景

機器是如何理解我們的文字的呢？最早的技術是1-of-N encoding，把每一個詞匯表示成一個向量，每一個向量都只有一個地方為1，其他地方為0。但是這么做詞匯之間的關聯沒有考慮，因為不同詞之間的距離都是一樣的。

所以，接下來有了word class的概念，舉例說dog、cat和bird都是動物，它們應該是同類。但是動物之間也是有區別的，如dog和cat是哺乳類動物，和鳥類還是有些區別的。

后來有了更進階的想法，稱作word embedding，我們用一個向量來表示一個單詞，相近的詞匯距離較近，如cat和dog。那word embedding怎么訓練呢？比較熟知的就是word2vec方法。

但是呢，同一個詞是可能有不同的意思的，如下圖中的bank，前兩個指銀行，后兩個指河堤：

盡管有不同的意思，但使用傳統的word embedding的方法，相同的單詞都會對應同樣的embedding。但我們希望針對不同意思的bank，可以給出不同的embedding表示。

根據上下文語境的不同，同一個單詞bank我們希望能夠得到不同的embedding，如果bank的意思是銀行，我們期望它們之間的embedding能夠相近，同時能夠與河堤意思的bank相距較遠。

基于這個思想，首先有了ELMO。

2、ELMO

ELMO是Embeddings from Language Model的簡稱，ELMO是《芝麻街》中的一個角色。它是一個RNN-based的語言模型，其任務是學習句子中的下一個單詞或者前一個單詞是什么。

它是一個雙向的RNN網絡，這樣每一個單詞都對應兩個hidden state，進行拼接便可以得到單詞的Embedding表示。當同一個單詞上下文不一樣，得到的embedding就不同。

當然，我們也可以搞更多層：

這么多層的RNN，內部每一層輸出都是單詞的一個表示，那我們取哪一層的輸出來代表單詞的embedding呢？ELMO的做法就是我全都要：

在ELMO中，一個單詞會得到多個embedding，對不同的embedding進行加權求和，可以得到最后的embedding用于下游任務。要說明一個這里的embedding個數，下圖中只畫了兩層RNN輸出的hidden state，其實輸入到RNN的原始embedding也是需要的，所以你會看到說右下角的圖片中，包含了三個embedding。

但不同的權重是基于下游任務學習出來的，上圖中右下角給了5個不同的任務，其得到的embedding權重各不相同。

3、Bert

Bert是Bidirectional Encoder Representations from Transformers的縮寫，它也是芝麻街的人物之一。Transformer中的Encoder就是Bert預訓練的架構。李宏毅老師特別提示：如果是中文的話，可以把字作為單位，而不是詞。

只是Transformer中的Encoder，那Bert怎么訓練呢？文獻中給出了兩種訓練的方法，第一個稱為Masked LM，做法是隨機把一些單詞變為Mask，讓模型去猜測蓋住的地方是什么單詞。假設輸入里面的第二個詞匯是被蓋住的，把其對應的embedding輸入到一個多分類模型中，來預測被蓋住的單詞。

另一種方法是預測下一個句子，這里，先把兩句話連起來，中間加一個[SEP]作為兩個句子的分隔符。而在兩個句子的開頭，放一個[CLS]標志符，將其得到的embedding輸入到二分類的模型，輸出兩個句子是不是接在一起的。

實際中，同時使用兩種方法往往得到的結果最好。

在ELMO中，訓練好的embedding是不會參與下游訓練的，下游任務會訓練不同embedding對應的權重，但在Bert中，Bert是和下游任務一起訓練的：

如果是分類任務，在句子前面加一個標志，將其經過Bert得到的embedding輸出到二分類模型中，得到分類結果。二分類模型從頭開始學，而Bert在預訓練的基礎上進行微調（fine-tuning）。

文中還有很多其他的應用，如單詞分類：

如自然語言推理任務，給定一個前提／假設，得到推論是否正確：

最后一個例子是抽取式QA，抽取式的意思是輸入一個原文和問題，輸出兩個整數start和end，代表答案在原文中的起始位置和結束位置，兩個位置中間的結果就是答案。

具體怎么解決剛才的QA問題呢？把問題 - 分隔符 - 原文輸入到BERT中，每一個單詞輸出一個黃顏色的embedding，這里還需要學習兩個（一個橙色一個藍色）的向量，這兩個向量分別與原文中每個單詞對應的embedding進行點乘，經過softmax之后得到輸出最高的位置。正常情況下start <= end，但如果start > end的話，說明是矛盾的case，此題無解。

Bert一出來就開始在各項比賽中嶄露頭角：

這里李宏毅老師還舉例了百度提出的ERNIE，ERNIE也是芝麻街的人物，而且還是Bert的好朋友，這里沒有細講，感興趣的話大家可以看下原文。

Bert學到了什么呢？可以看下下面兩個文獻（給大伙貼出來：https://arxiv.org/abs/1905.05950?和https://openreview.net/pdf?id=SJzSgnRcKX）：

4、GPT-2

GPT是Generative Pre-Training 的簡稱，但GPT不是芝麻街的人物。GPT-2的模型非常巨大，它其實是Transformer的Decoder。

GPT-2是Transformer的Decoder部分，輸入一個句子中的上一個詞，我們希望模型可以得到句子中的下一個詞。

由于GPT-2的模型非常巨大，它在很多任務上都達到了驚人的結果，甚至可以做到zero-shot learning（簡單來說就是模型的遷移能力非常好），如閱讀理解任務，不需要任何閱讀理解的訓練集，就可以得到很好的結果。

GPT-2可以自己進行寫作，寫得還是不錯的！

好了，筆記就整理到這里了！點擊閱讀原文，觀看李宏毅老師的視頻喲～～

關于本站

“機器學習初學者”公眾號由是黃海廣博士創建，黃博個人知乎粉絲23000+，github排名全球前110名（32000+）。本公眾號致力于人工智能方向的科普性文章，為初學者提供學習路線和基礎資料。原創作品有：吳恩達機器學習個人筆記、吳恩達深度學習筆記等。

往期精彩回顧

• 那些年做的學術公益-你不是一個人在戰斗

• 適合初學者入門人工智能的路線及資料下載

• 吳恩達機器學習課程筆記及資源（github標星12000+，提供百度云鏡像）
  

• 吳恩達深度學習筆記及視頻等資源（github標星8500+，提供百度云鏡像）

• 《統計學習方法》的python代碼實現（github標星7200+）
  

• 精心整理和翻譯的機器學習的相關數學資料

• 首發：深度學習入門寶典-《python深度學習》原文代碼中文注釋版及電子書

備注：加入本站微信群或者qq群，請回復“加群”

加入知識星球（4300+用戶，ID：92416895），請回復“知識星球”

總結

以上是生活随笔為你收集整理的李宏毅-ELMO、BERT、GPT视频笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。