微软分享史上最大基于transformer架构的语言生成模型 | 雷峰网-米乐m6平台

微软ai＆research今天分享了有史以来最大的基于transformer架构的语言生成模型turing nlg（下文简称为t-nlg），并开源了一个名为deepspeed的深度学习库，以简化对大型模型的分布式培训。

基于transformer的架构，意味着该模型可以生成单词来完成开放式文本任务。除了完成未完成的句子外，它还可以生成对输入文档的问题和摘要的直接答案。

去年8月，英伟达曾宣布已训练世界上最大的基于transformer的语言模型，当时该模型使用了83亿个参数，比bert大24倍，比openai的gpt-2大5倍。

而此次微软所分享的模型，t-nlg的参数为170亿个，是英伟达的megatron（现在是第二大transformer模型）的两倍，其参数是openai的gpt-2的十倍。微软表示，t-nlg在各种语言建模基准上均优于最新技术，并在应用于许多实际任务（包括总结和问题解答）时表现出色。

不过，像google的meena一样，最初使用gpt-2，t-nlg最初只能在私人演示中共享。

微软ai研究应用科学家corby rosset在博客文章中写道：“除了通过汇总文档和电子邮件来节省用户时间之外，t-nlg还可以通过为作者提供写作帮助，并回答读者可能对文档提出的问题，由此来增强microsoft office套件的使用体验。” 

具有transformer架构的语言生成模型可以预测下一个单词。它们可用于编写故事，以完整的句子生成答案以及总结文本。

微软表示，他们的目标是在任何情况下都能够像人类一样直接，准确，流畅地做出响应：以前，问题解答和摘要系统依赖于从文档中提取现有内容，这些内容可以作为备用答案或摘要，但它们通常看起来不自然或不连贯。使用t-nlg这样的自然语言生成模型，可以自然地总结或回答有关个人文档或电子邮件主题的问题。

来自ai领域的专家告诉venturebeat，2019年是nlp模型开创性的一年——使用transformer架构无疑是2019年最大的机器学习趋势之一，这导致了语言生成领域和glue基准测试领导者的进步，facebook的roberta、谷歌的xlnet和微软的mt-dnn都纷纷加入到各类基准测试榜首的争夺当中。

同样是在今天，微软还开源了一个名为deepspeed的深度学习库。该学习库已针对开发人员进行了优化，以提供低延迟、高吞吐量的推理。

deepspeed包含零冗余优化器（zero），用于大规模训练具有1亿个或更多参数的模型，微软过去曾用它训练t-nlg。

微软表示，deepspeed和zero使得他们能够降低模型并行度（从16降低到4），将每个节点的批处理大小增加四倍，并将训练时间减少了三分之二；deepspeed使用更少的gpu可以使大型模型的训练效率更高。

开发人员和机器学习从业人员都可以使用deepspeed和zero，因为培训大型网络（例如利用transformer架构的网络）可能会很昂贵，并且可能会遇到大规模问题。

另外，google的deepmind今天也发布了一种新的远程内存模型compressive transformer，以及一种针对书本级语言建模的新基准pg19。

雷锋网编译，via venturebeat

雷锋网雷锋网雷锋网