Phiên âm video
Này, người hâm mộ Moz. Chào mừng bạn đến với phiên bản khác của Whiteboard Friday. Hôm nay chúng ta đang nói về tất cả những điều BERT và tôi cực kỳ phấn khích khi cố gắng thực sự phá vỡ điều này cho mọi người. Tôi không tự nhận mình là chuyên gia BERT nhưng tôi đã thực hiện rất nhiều nghiên cứu. - Tôi đã có thể phỏng vấn một số chuyên gia trong lĩnh vực này và mục tiêu của tôi là cố gắng trở thành chất xúc tác để thông tin này dễ hiểu hơn.
Có rất nhiều sự hỗn loạn đang diễn ra ngay bây giờ trong ngành công nghiệp xung quanh BERT và cách bạn không thể tối ưu hóa cho nó. Mặc dù điều đó là hoàn toàn đúng, nhưng bạn không thể, bạn chỉ cần viết nội dung thực sự tốt cho người dùng của mình, tôi vẫn nghĩ rằng nhiều người trong chúng ta đã vào không gian này bởi vì bản chất chúng ta tò mò. Nếu bạn tò mò muốn tìm hiểu thêm một chút về BERT và có thể giải thích điều đó tốt hơn một chút cho khách hàng hoặc có những cuộc trò chuyện tốt hơn về bối cảnh của BERT, thì tôi hy vọng bạn thích video này. Nếu không, và điều này không dành cho bạn, điều đó cũng tốt.
Lời cảnh báo: Đừng quá cường điệu BERT!
Tôi rất phấn khích khi nhảy ngay vào. Điều đầu tiên tôi muốn đề cập là tôi đã có thể ngồi xuống với Allyson Ettinger , một nhà nghiên cứu về Xử lý ngôn ngữ tự nhiên. Cô là một giáo sư tại Đại học Chicago và là một trong những người tử tế nhất. Thật cảm kích khi cô ấy đã dành thời gian để trò chuyện với tôi về BERT.
Sự lựa chọn chính của tôi từ bữa ăn trưa của chúng tôi với nhau là nó rất, rất quan trọng để không quá cường điệu BERT. Có rất nhiều hỗn loạn đang diễn ra ngay bây giờ, nhưng vẫn còn rất xa để hiểu ngôn ngữ và bối cảnh theo cách mà con người chúng ta có thể hiểu nó. Vì vậy, tôi nghĩ rằng điều quan trọng cần ghi nhớ là chúng ta không quá coi trọng những gì mô hình này có thể làm, nhưng nó vẫn thực sự thú vị và đó là một khoảnh khắc khá hoành tráng trong NLP và học máy. Nếu không có thêm rắc rối, hãy nhảy vào ngay.
BERT đến từ đâu?
Tôi muốn cung cấp cho mọi người một bối cảnh rộng lớn hơn về nơi BERT đến và nơi nó sẽ đến. Tôi nghĩ rằng rất nhiều lần những thông báo này là loại bom rơi vào ngành công nghiệp SEO, về cơ bản, một khung hình tĩnh trong một loạt phim nhưng không có đầy đủ các đoạn phim trước và sau. Chúng tôi chỉ nhận được một khung hình vẫn còn. Vì vậy, chúng tôi nhận được thông báo BERT này, nhưng chúng ta hãy quay ngược thời gian một chút.
Xử lý ngôn ngữ tự nhiên
Theo truyền thống, máy tính đã có một thời gian không thể hiểu ngôn ngữ. Họ có thể lưu trữ văn bản, chúng ta có thể nhập văn bản, nhưng sự hiểu biết về ngôn ngữ luôn cực kỳ khó khăn cho máy tính. Vì vậy, cùng với việc xử lý ngôn ngữ tự nhiên (NLP), lĩnh vực mà các nhà nghiên cứu phát triển các mô hình độc đáo để giải quyết các loại hiểu ngôn ngữ cụ thể. Một vài ví dụ là; đặt tên nhận dạng thực thể, phân loại, phân tích tình cảm, và câu hỏi và trả lời.
Tất cả những điều này theo truyền thống đã được giải quyết bằng các mô hình riêng lẻ phù hợp để giải quyết một nhiệm vụ ngôn ngữ cụ thể và do đó, nó trông hơi giống nhà bếp của bạn:
Hãy nghĩ về các mô hình NLP riêng lẻ như đồ dùng mà bạn có trong nhà bếp của bạn, tất cả chúng đều có một nhiệm vụ rất cụ thể mà chúng làm rất tốt.
Bây giờ hãy xem xét một dụng cụ nhà bếp là tất cả, là 11 trong số những dụng cụ được sử dụng thường xuyên nhất của bạn trong một. Đây là BERT, một dụng cụ nhà bếp thực hiện mười một trong số các giải pháp xử lý ngôn ngữ tự nhiên hàng đầu thực sự, thực sự tốt sau khi nó được tinh chỉnh.
Một sự khác biệt thú vị trong không gian NLP. Đó là lý do tại sao mọi người thực sự hào hứng với nó bởi vì họ không còn yêu cầu tất cả các mô hình riêng lẻ. - Họ có thể sử dụng BERT để giải quyết phần lớn các nhiệm vụ NLP, điều này có nghĩa là Google sẽ kết hợp BERT vào thuật toán của Google.
Hãy tham khảo thêm bài viết tại https://moz.com/blog để cập nhật thông tin nhanh nhất nhé.
Này, người hâm mộ Moz. Chào mừng bạn đến với phiên bản khác của Whiteboard Friday. Hôm nay chúng ta đang nói về tất cả những điều BERT và tôi cực kỳ phấn khích khi cố gắng thực sự phá vỡ điều này cho mọi người. Tôi không tự nhận mình là chuyên gia BERT nhưng tôi đã thực hiện rất nhiều nghiên cứu. - Tôi đã có thể phỏng vấn một số chuyên gia trong lĩnh vực này và mục tiêu của tôi là cố gắng trở thành chất xúc tác để thông tin này dễ hiểu hơn.
Có rất nhiều sự hỗn loạn đang diễn ra ngay bây giờ trong ngành công nghiệp xung quanh BERT và cách bạn không thể tối ưu hóa cho nó. Mặc dù điều đó là hoàn toàn đúng, nhưng bạn không thể, bạn chỉ cần viết nội dung thực sự tốt cho người dùng của mình, tôi vẫn nghĩ rằng nhiều người trong chúng ta đã vào không gian này bởi vì bản chất chúng ta tò mò. Nếu bạn tò mò muốn tìm hiểu thêm một chút về BERT và có thể giải thích điều đó tốt hơn một chút cho khách hàng hoặc có những cuộc trò chuyện tốt hơn về bối cảnh của BERT, thì tôi hy vọng bạn thích video này. Nếu không, và điều này không dành cho bạn, điều đó cũng tốt.
Lời cảnh báo: Đừng quá cường điệu BERT!
Tôi rất phấn khích khi nhảy ngay vào. Điều đầu tiên tôi muốn đề cập là tôi đã có thể ngồi xuống với Allyson Ettinger , một nhà nghiên cứu về Xử lý ngôn ngữ tự nhiên. Cô là một giáo sư tại Đại học Chicago và là một trong những người tử tế nhất. Thật cảm kích khi cô ấy đã dành thời gian để trò chuyện với tôi về BERT.
Sự lựa chọn chính của tôi từ bữa ăn trưa của chúng tôi với nhau là nó rất, rất quan trọng để không quá cường điệu BERT. Có rất nhiều hỗn loạn đang diễn ra ngay bây giờ, nhưng vẫn còn rất xa để hiểu ngôn ngữ và bối cảnh theo cách mà con người chúng ta có thể hiểu nó. Vì vậy, tôi nghĩ rằng điều quan trọng cần ghi nhớ là chúng ta không quá coi trọng những gì mô hình này có thể làm, nhưng nó vẫn thực sự thú vị và đó là một khoảnh khắc khá hoành tráng trong NLP và học máy. Nếu không có thêm rắc rối, hãy nhảy vào ngay.
BERT đến từ đâu?
Tôi muốn cung cấp cho mọi người một bối cảnh rộng lớn hơn về nơi BERT đến và nơi nó sẽ đến. Tôi nghĩ rằng rất nhiều lần những thông báo này là loại bom rơi vào ngành công nghiệp SEO, về cơ bản, một khung hình tĩnh trong một loạt phim nhưng không có đầy đủ các đoạn phim trước và sau. Chúng tôi chỉ nhận được một khung hình vẫn còn. Vì vậy, chúng tôi nhận được thông báo BERT này, nhưng chúng ta hãy quay ngược thời gian một chút.
Xử lý ngôn ngữ tự nhiên
Theo truyền thống, máy tính đã có một thời gian không thể hiểu ngôn ngữ. Họ có thể lưu trữ văn bản, chúng ta có thể nhập văn bản, nhưng sự hiểu biết về ngôn ngữ luôn cực kỳ khó khăn cho máy tính. Vì vậy, cùng với việc xử lý ngôn ngữ tự nhiên (NLP), lĩnh vực mà các nhà nghiên cứu phát triển các mô hình độc đáo để giải quyết các loại hiểu ngôn ngữ cụ thể. Một vài ví dụ là; đặt tên nhận dạng thực thể, phân loại, phân tích tình cảm, và câu hỏi và trả lời.
Tất cả những điều này theo truyền thống đã được giải quyết bằng các mô hình riêng lẻ phù hợp để giải quyết một nhiệm vụ ngôn ngữ cụ thể và do đó, nó trông hơi giống nhà bếp của bạn:
Hãy nghĩ về các mô hình NLP riêng lẻ như đồ dùng mà bạn có trong nhà bếp của bạn, tất cả chúng đều có một nhiệm vụ rất cụ thể mà chúng làm rất tốt.
Bây giờ hãy xem xét một dụng cụ nhà bếp là tất cả, là 11 trong số những dụng cụ được sử dụng thường xuyên nhất của bạn trong một. Đây là BERT, một dụng cụ nhà bếp thực hiện mười một trong số các giải pháp xử lý ngôn ngữ tự nhiên hàng đầu thực sự, thực sự tốt sau khi nó được tinh chỉnh.
Một sự khác biệt thú vị trong không gian NLP. Đó là lý do tại sao mọi người thực sự hào hứng với nó bởi vì họ không còn yêu cầu tất cả các mô hình riêng lẻ. - Họ có thể sử dụng BERT để giải quyết phần lớn các nhiệm vụ NLP, điều này có nghĩa là Google sẽ kết hợp BERT vào thuật toán của Google.
Hãy tham khảo thêm bài viết tại https://moz.com/blog để cập nhật thông tin nhanh nhất nhé.
