BERT (модель мови)
BERT (англ. Bidirectional Encoder Representations from Transformers, двоспрямовані кодувальні представлення з трансформерів) — це методика машинного навчання, що ґрунтується на трансформері, для попереднього тренування обробки природної мови (ОПМ), розроблена Google. BERT було створено й опубліковано 2018 року Джейкобом Девліним та його колегами з Google.[1][2] Станом на 2019 рік Google застосовувала BERT, щоби краще розуміти пошуки користувачів.[3]
Оригінальна англомовна модель BERT постачається у двох наперед натренованих варіантах:[1] (1) модель BERTBASE, нейромережна архітектура з 12 шарами, 768 прихованими, 12 головами, 110 мільйонами параметрів, та (2) модель BERTLARGE, нейромережна архітектура з 24 шарами, 1024 прихованими, 16 головами, 340 мільйонами параметрів; обидві треновано на BooksCorpus[4] з 800 мільйонами слів, та одній з версій англійської Вікіпедії з 2 500 мільйонами слів.
Коли BERT було опубліковано, вона досягла найвищого рівня[en] продуктивності в низці задач розуміння природної мови:[1]
- Наборі задач GLUE (англ. General Language Understanding Evaluation, загальна оцінка розуміння мови, що складається з 9 задач)
- SQuAD (англ. Stanford Question Answering Dataset, Стенфордський питально-відповідальний набір даних) версій 1.1 та 2.0
- SWAG (англ. Situations With Adversarial Generations, ситуації зі змагальними породженнями)
Причини найвищого рівня[en] продуктивності BERT в цих задачах розуміння природної мови ще не є достатньо зрозумілими.[5][6] Поточні дослідження зосереджено на дослідженні взаємозв'язку у виході BERT як результату ретельно підібраних послідовностей входу,[7][8] аналізі внутрішніх векторних представлень за допомогою зондувальних класифікаторів,[9][10] та взаємозв'язках, представлених вагами уваги.[5][6]
Однак за це доводиться платити: через архітектуру лише кодера, без декодера, BERT не може підказувати і не може генерувати текст, тоді як двонаправлені моделі загалом не працюють ефективно без правої сторони, тому їх важко підказувати, а генерування навіть короткого тексту вимагає складних обчислювальних технологій, що вимагають великих витрат[11].
На відміну від нейронних мереж глибокого навчання, які потребують дуже великих обсягів даних, BERT вже пройшов попереднє навчання, що означає, що він вивчив представлення слів і речень, а також основні семантичні зв'язки, з якими вони пов'язані. Потім BERT може бути точно налаштований на менших наборах даних для конкретних завдань, таких як класифікація настроїв. Попередньо навчені моделі обираються відповідно до змісту набору даних, який використовується, а також мети завдання. Наприклад, якщо завдання полягає в класифікації настроїв за фінансовими даними, слід вибрати попередньо навчену модель для аналізу настроїв фінансового тексту. Ваги оригінальних попередньо навчених моделей були опубліковані на Github.[12]
BERT бере свій початок з попереднього тренування контекстних представлень, включно з напівкерованим навчанням послідовностей,[13] породжувальним попереднім тренуванням, ELMo[14] та ULMFit.[15] На відміну від попередніх моделей, BERT є глибинно двоспрямованим, спонтанним представленням мови, попередньо тренованим із застосуванням лише простого корпусу тексту. Контекстно-вільні моделі, такі як word2vec та GloVe, породжують представлення вкладення одного слова для кожного зі слів у словнику, тоді як BERT бере до уваги контекст кожного входження заданого слова. Наприклад, якщо вектор для англ. «running» матиме однакове векторне представлення word2vec для його входження як в реченні англ. «He is running a company» («Він керує компанією»), так і в реченні англ. «He is running a marathon» («Він біжить марафон»), то BERT забезпечуватиме контекстоване вкладення, що буде відмінним відповідно до сенсу.
25 жовтня 2019 року Пошук Google анонсував, що вони почали застосовувати моделі BERT для пошукових запитів англійською мовою в межах США.[16] 9 грудня 2019 року було повідомлено, що BERT було прийнято Пошуком Google для понад 70 мов.[17] У жовтні 2020 року майже кожен англомовний запит оброблявся за допомогою BERT-моделі.[18]
BERT виграла нагороду за найкращу довгу працю на щорічній конференції Північноамериканського відділення Асоціації з обчислювальної лінгвістики[en] (англ. North American Chapter of the Association for Computational Linguistics, NAACL) 2019 року.[19]
- ↑ а б в Devlin, Jacob; Chang, Ming-Wei; Lee, Kenton; Toutanova, Kristina (11 жовтня 2018). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. arXiv:1810.04805v2 [cs.CL]. (англ.)
- ↑ Open Sourcing BERT: State-of-the-Art Pre-training for Natural Language Processing. Google AI Blog (англ.). Архів оригіналу за 13 січня 2021. Процитовано 27 листопада 2019. (англ.)
- ↑ Understanding searches better than ever before. Google (англ.). 25 жовтня 2019. Архів оригіналу за 27 січня 2021. Процитовано 27 листопада 2019. (англ.)
- ↑ Zhu, Yukun; Kiros, Ryan; Zemel, Rich; Salakhutdinov, Ruslan; Urtasun, Raquel; Torralba, Antonio; Fidler, Sanja (2015). Aligning Books and Movies: Towards Story-Like Visual Explanations by Watching Movies and Reading Books. с. 19—27. arXiv:1506.06724 [cs.CV]. (англ.)
- ↑ а б Kovaleva, Olga; Romanov, Alexey; Rogers, Anna; Rumshisky, Anna (November 2019). Revealing the Dark Secrets of BERT. Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP) (en-us) . с. 4364—4373. doi:10.18653/v1/D19-1445. S2CID 201645145. Архів оригіналу за 20 жовтня 2020. Процитовано 28 жовтня 2020. (англ.)
- ↑ а б Clark, Kevin; Khandelwal, Urvashi; Levy, Omer; Manning, Christopher D. (2019). What Does BERT Look at? An Analysis of BERT's Attention. Proceedings of the 2019 ACL Workshop BlackboxNLP: Analyzing and Interpreting Neural Networks for NLP. Stroudsburg, PA, USA: Association for Computational Linguistics: 276—286. doi:10.18653/v1/w19-4828. (англ.)
- ↑ Khandelwal, Urvashi; He, He; Qi, Peng; Jurafsky, Dan (2018). Sharp Nearby, Fuzzy Far Away: How Neural Language Models Use Context. Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). Stroudsburg, PA, USA: Association for Computational Linguistics: 284—294. arXiv:1805.04623. Bibcode:2018arXiv180504623K. doi:10.18653/v1/p18-1027. S2CID 21700944. (англ.)
- ↑ Gulordava, Kristina; Bojanowski, Piotr; Grave, Edouard; Linzen, Tal; Baroni, Marco (2018). Colorless Green Recurrent Networks Dream Hierarchically. Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long Papers). Stroudsburg, PA, USA: Association for Computational Linguistics: 1195—1205. arXiv:1803.11138. Bibcode:2018arXiv180311138G. doi:10.18653/v1/n18-1108. S2CID 4460159. (англ.)
- ↑ Giulianelli, Mario; Harding, Jack; Mohnert, Florian; Hupkes, Dieuwke; Zuidema, Willem (2018). Under the Hood: Using Diagnostic Classifiers to Investigate and Improve how Language Models Track Agreement Information. Proceedings of the 2018 EMNLP Workshop BlackboxNLP: Analyzing and Interpreting Neural Networks for NLP. Stroudsburg, PA, USA: Association for Computational Linguistics: 240—248. arXiv:1808.08079. Bibcode:2018arXiv180808079G. doi:10.18653/v1/w18-5426. S2CID 52090220. (англ.)
- ↑ Zhang, Kelly; Bowman, Samuel (2018). Language Modeling Teaches You More than Translation Does: Lessons Learned Through Auxiliary Syntactic Task Analysis. Proceedings of the 2018 EMNLP Workshop BlackboxNLP: Analyzing and Interpreting Neural Networks for NLP. Stroudsburg, PA, USA: Association for Computational Linguistics: 359—361. doi:10.18653/v1/w18-5448. (англ.)
- ↑ Patel, Ajay; Li, Bryan; Rasooli, Mohammad Sadegh; Constant, Noah; Raffel, Colin; Callison-Burch, Chris (2022). Bidirectional Language Models Are Also Few-shot Learners. ArXiv (англ.). Процитовано 31 березня 2023.
- ↑ BERT. Github. Процитовано 28 березня 2023.
- ↑ Dai, Andrew; Le, Quoc (4 листопада 2015). Semi-supervised Sequence Learning. arXiv:1511.01432 [cs.LG]. (англ.)
- ↑ Peters, Matthew; Neumann, Mark; Iyyer, Mohit; Gardner, Matt; Clark, Christopher; Lee, Kenton; Luke, Zettlemoyer (15 лютого 2018). Deep contextualized word representations. arXiv:1802.05365v2 [cs.CL]. (англ.)
- ↑ Howard, Jeremy; Ruder, Sebastian (18 січня 2018). Universal Language Model Fine-tuning for Text Classification. arXiv:1801.06146v5 [cs.CL]. (англ.)
- ↑ Nayak, Pandu (25 жовтня 2019). Understanding searches better than ever before. Google Blog. Архів оригіналу за 5 грудня 2019. Процитовано 10 грудня 2019. (англ.)
- ↑ Montti, Roger (10 грудня 2019). Google's BERT Rolls Out Worldwide. Search Engine Journal. Search Engine Journal. Архів оригіналу за 29 листопада 2020. Процитовано 10 грудня 2019. (англ.)
- ↑ Schwartz, Barry (15 жовтня 2020). Google: BERT now used on almost every English query. Search Engine Land (англ.). Процитовано 31 березня 2023.
- ↑ Best Paper Awards. NAACL. 2019. Архів оригіналу за 19 жовтня 2020. Процитовано 28 березня 2020. (англ.)
- Офіційний репозиторій GitHub [Архівовано 13 січня 2021 у Wayback Machine.]