微軟 AI&Research 今天分享了有史以來最大的基于 Transformer 架構的語言生成模型 Turing NLG(下文簡稱為T-NLG)，并開源了一個名為 DeepSpeed 的深度學習庫，以簡化對大型模型的分布式培訓。

　　基于 Transformer 的架構，意味著該模型可以生成單詞來完成開放式文本任務。除了完成未完成的句子外，它還可以生成對輸入文檔的問題和摘要的直接答案。

　　去年 8 月，英偉達曾宣布已訓練世界上最大的基于 Transformer 的語言模型，當時該模型使用了 83 億個參數，比 BERT 大 24 倍，比 OpenAI 的 GPT-2 大 5 倍。

　　而此次微軟所分享的模型，T-NLG 的參數為 170 億個，是英偉達的 Megatron(現在是第二大 Transformer 模型)的兩倍，其參數是 OpenAI 的 GPT-2 的十倍。微軟表示，T-NLG 在各種語言建模基準上均優于最新技術，并在應用于許多實際任務(包括總結和問題解答)時表現出色。

　　不過，像 Google 的 Meena 一樣，最初使用 GPT-2，T-NLG 最初只能在私人演示中共享。

　　微軟 AI 研究應用科學家 Corby Rosset 在博客文章中寫道：“除了通過匯總文檔和電子郵件來節省用戶時間之外，T-NLG 還可以通過為作者提供寫作幫助，并回答讀者可能對文檔提出的問題，由此來增強 Microsoft Office 套件的使用體驗。”

　　具有 Transformer 架構的語言生成模型可以預測下一個單詞。它們可用于編寫故事，以完整的句子生成答案以及總結文本。

　　微軟表示，他們的目標是在任何情況下都能夠像人類一樣直接，準確，流暢地做出響應：以前，問題解答和摘要系統依賴于從文檔中提取現有內容，這些內容可以作為備用答案或摘要，但它們通常看起來不自然或不連貫。使用T-NLG 這樣的自然語言生成模型，可以自然地總結或回答有關個人文檔或電子郵件主題的問題。

　　來自 AI 領域的專家告訴 VentureBeat，2019 年是 NLP 模型開創性的一年——使用 Transformer 架構無疑是 2019 年最大的機器學習趨勢之一，這導致了語言生成領域和 GLUE 基準測試領導者的進步，Facebook 的 RoBERTa、谷歌的 XLNet 和微軟的 MT-DNN 都紛紛加入到各類基準測試榜首的爭奪當中。

　　同樣是在今天，微軟還開源了一個名為 DeepSpeed 的深度學習庫。該學習庫已針對開發人員進行了優化，以提供低延遲、高吞吐量的推理。

　　DeepSpeed 包含零冗余優化器(ZeRO)，用于大規模訓練具有 1 億個或更多參數的模型，微軟過去曾用它訓練T-NLG。

　　微軟表示，DeepSpeed 和 ZeRO 使得他們能夠降低模型并行度(從 16 降低到4)，將每個節點的批處理大小增加四倍，并將訓練時間減少了三分之二;DeepSpeed 使用更少的 GPU 可以使大型模型的訓練效率更高。

　　開發人員和機器學習從業人員都可以使用 DeepSpeed 和 ZeRO，因為培訓大型網絡(例如利用 Transformer 架構的網絡)可能會很昂貴，并且可能會遇到大規模問題。

　　另外，Google 的 DeepMind 今天也發布了一種新的遠程內存模型 Compressive Transformer，以及一種針對書本級語言建模的新基準 PG19。
　　（邯鄲網站建設）