最新消息，谷歌推出了 NLP 系列「芝麻街」的新成员 Big Bird。

　　这个在外界眼中看起来有点可爱的动漫小鸟，摇身一变，解决了 BERT 模型中的全注意力机制带来的序列长度二次依赖限制，可以兼顾更长的上下文。

　　△ 「芝麻街」中的 Big Bird

　　众所周知，谷歌开发的 BERT，曾经被称为「地表最强」NLP 模型。

　　而 BERT，则与美国知名动画片「芝麻街」（Sesame Street）里的虚拟人物同名。

　　此前，谷歌的「芝麻街」系列已经有 5 个成员（论文链接见传送门），现在 Big Bird 的到来，意味着谷歌在 NLP 的研究上更进一步。

　　△ 少了一位 ELMo

　　来看看 Big Bird 实现了什么。

　　突破全注意力机制的局限

　　在 NLP 模块表现最好的几种深度学习模型，例如 BERT，都是基于Transformer作为特征抽取器的模型，但这种模型有它的局限性，核心之一就是全注意力机制。

　　这种机制会带来序列长度二次依赖限制，主要表现在存储方面。

　　为了解决这个问题，团队提出了一种名为 Big Bird 的稀疏注意力机制。

　　作为更长序列上的 Transformers，Big Bird 采用稀疏注意力机制，将二次依赖降至线性。

　　下面这张图片，展示了 Big Bird 所用的注意力机制模块构建。

　　其中，白色的部分代表着注意力的空缺。

　　图（a）表示r=2 的随机注意力机制，图（b）表示w=3 的局部注意力机制，图（c）表示g=2 的全局注意力机制，图（d）则是前三者融合起来的 Big Bird 模型。

　　之所以提出这样的模型，是因为团队希望能在将二次依赖降至线性的同时，Big Bird 的模型还能最大程度上接近并保持 BERT 模型的各项指标。

　　从下图来看，无论是单一采用随机注意力机制、局部注意力机制，还是二者结合的方式，都没有将三者进行结合的效果好。

　　也就是说，随机+局部+全局的注意力机制融合，最大程度上接近了 BERT-base 的各项指标。

　　不仅如此，这种稀疏注意力机制的一部分，还包括了采用O(1) 的全局词例（global token），例如 CLS。

　　这部分使得长程注意力开销从O(N√N)降至O(N)。

　　NLP 问答和摘要任务中超越了 SOTA

　　模型采用 Books、CC-News、Stories 和 Wikipedia 几种数据集对四类模型进行了训练，根据留出法评估，BigBird-ETC 的损失达到了最低。

　　从结果来看，Big Bird 在问答任务中展示出的精度非常不错。

　　下图是 Big Bird 与 RoBERTa 和 Longformer 对比所展现出来的精度效果，可以看见，在各项数据及上，BigBird 的两个模型都展现出了更高的精度。

　　而在对模型进行微调后，可以看见，BigBird-ETC 在 HotpotQA 的 Sup、NaturalQ 的 LA、TriviaQA 的 Verified 和 WikiHop 上均超越了 SOTA。

　　与此同时，Big Bird 在 NLP 的摘要任务中表现也比较亮眼。

　　摘要，顾名思义是从一段长文字中提炼出这段话的核心思想和意义。下面是从三个长文章数据集 Arxiv、PubMed 和 BigPatent 中测试的效果。

　　从图中来看，与其他非常先进的 NLP 模型相比，BigBird 极大地提高了摘要任务的各项精度，性能表现非常优异。

　　不仅如此，Big Bird 被证明是图灵完备的，这也就意味着，一切可以计算的问题，Big Bird 都能计算，理论上，它能够用来解决任何算法。

　　此外，Big Bird 在基因组数据处理方面也极具潜力。

　　但虽然如此，也有网友认为，这样的模型与 Longformer 在概念上并无本质区别，不能算是一个大突破。

　　你怎么看？

　　作者介绍

　　论文的两位共同一作是 Manzil Zaheer 和 Guru Guruganesh，均来自谷歌。

　　△ Manzil Zaheer

　　Manzil Zaheer，CMU 机器学习博士，3 篇论文曾经发表于 NIPs 上，除此之外，在 ACL 和 EMNLP 等顶会上也发表过相应文章。

　　△ Guru Guruganesh

　　Guru Guruganesh，CMU 机器学习博士，主要在近似算法、拉姆齐定理、半正定规划等方向有所研究。

　　传送门

　　「芝麻街」系列论文列表：

　　— 完 —