蕭簫 發自 凹非寺量子位 報導 | 公眾號 QbitAI
最新消息，谷歌推出了NLP系列「芝麻街」的新成員Big Bird。
這個在外界眼中看起來有點可愛的動漫小鳥，搖身一變，解決了BERT模型中的全注意力機制帶來的序列長度二次依賴限制，可以兼顧更長的上下文。
△ 「芝麻街」中的Big Bird
眾所周知，谷歌開發的BERT，曾經被稱為「地表最強」NLP模型。
而BERT，則與美國知名動畫片「芝麻街」（Sesame Street）裡的虛擬人物同名。
此前，谷歌的「芝麻街」系列已經有5個成員（論文連結見傳送門），現在Big Bird的到來，意味著谷歌在NLP的研究上更進一步。
△ 少了一位ELMo
來看看Big Bird實現了什麼。
突破全注意力機制的局限
在NLP模塊表現最好的幾種深度學習模型，例如BERT，都是基於Transformer作為特徵抽取器的模型，但這種模型有它的局限性，核心之一就是全注意力機制。
這種機制會帶來序列長度二次依賴限制，主要表現在存儲方面。
為了解決這個問題，團隊提出了一種名為Big Bird的稀疏注意力機制。
作為更長序列上的Transformers，Big Bird採用稀疏注意力機制，將二次依賴降至線性。
下面這張圖片，展示了Big Bird所用的注意力機制模塊構建。
其中，白色的部分代表著注意力的空缺。
圖（a）表示r=2的隨機注意力機制，圖（b）表示w=3的局部注意力機制，圖（c）表示g=2的全局注意力機制，圖（d）則是前三者融合起來的Big Bird模型。
之所以提出這樣的模型，是因為團隊希望能在將二次依賴降至線性的同時，Big Bird的模型還能最大程度上接近並保持BERT模型的各項指標。
從下圖來看，無論是單一採用隨機注意力機制、局部注意力機制，還是二者結合的方式，都沒有將三者進行結合的效果好。
也就是說，隨機+局部+全局的注意力機制融合，最大程度上接近了BERT-base的各項指標。
不僅如此，這種稀疏注意力機制的一部分，還包括了採用O(1)的全局詞例（global token），例如CLS。
這部分使得長程注意力開銷從O(N√N)降至O(N)。
NLP問答和摘要任務中超越了SOTA
模型採用Books、CC-News、Stories和Wikipedia幾種數據集對四類模型進行了訓練，根據留出法評估，BigBird-ETC的損失達到了最低。
從結果來看，Big Bird在問答任務中展示出的精度非常不錯。
下圖是Big Bird與RoBERTa和Longformer對比所展現出來的精度效果，可以看見，在各項數據及上，BigBird的兩個模型都展現出了更高的精度。
而在對模型進行微調後，可以看見，BigBird-ETC在HotpotQA的Sup、NaturalQ的LA、TriviaQA的Verified和WikiHop上均超越了SOTA。
與此同時，Big Bird在NLP的摘要任務中表現也比較亮眼。
摘要，顧名思義是從一段長文字中提煉出這段話的核心思想和意義。下面是從三個長文章數據集Arxiv、PubMed和BigPatent中測試的效果。
從圖中來看，與其他非常先進的NLP模型相比，BigBird極大地提高了摘要任務的各項精度，性能表現非常優異。
不僅如此，Big Bird被證明是圖靈完備的，這也就意味著，一切可以計算的問題，Big Bird都能計算，理論上，它能夠用來解決任何算法。
此外，Big Bird在基因組數據處理方面也極具潛力。
但雖然如此，也有網友認為，這樣的模型與Longformer在概念上並無本質區別，不能算是一個大突破。
你怎麼看？
作者介紹
論文的兩位共同一作是Manzil Zaheer和Guru Guruganesh，均來自谷歌。
△ Manzil Zaheer
Manzil Zaheer，CMU機器學習博士，3篇論文曾經發表於NIPs上，除此之外，在ACL和EMNLP等頂會上也發表過相應文章。
△ Guru Guruganesh
Guru Guruganesh，CMU機器學習博士，主要在近似算法、拉姆齊定理、半正定規劃等方向有所研究。
傳送門
「芝麻街」系列論文列表：
ELMo:https://arxiv.org/abs/1802.05365
BERT:https://arxiv.org/abs/1810.04805
ERNIE:https://arxiv.org/abs/1904.09223
Grover:https://arxiv.org/abs/1905.12616
KERMIT:https://arxiv.org/abs/1906.01604
Big Bird:https://arxiv.org/abs/2007.14062