2月12日，谷歌大脑jakob uszkoreit到访模式识别国家重点实验室，并作题为“learning representations with (self-)attention”的主题学术报告。报告由模式识别国家重点实验室的宗成庆研究员主持。
jakob围绕自注意力机制在表征学习中的应用这一主题，简单叙述了在序列学习中循环神经网络并行计算、长距离依赖等缺陷，针对于这些缺陷，基于自注意力机制的序列学习应用而生。jakob对自注意力机制也进行详细的介绍，并于循环神经网络和卷积神经网络的训练复杂度进行了对比，展现了自注意力机制的优越性。报告对google brain团队开发的学习框架transformer向听众进行了详尽的解释，并将模型训练的细节进行了细致入微的解读。该模型在机器翻译任务上取得了当前最好的效果，在英德翻译任务上高出了之前最好的集成模型2个点以上。jakob表示，基于自注意力机制的transformer框架还可以应用到文本生成，图片生成等一些列任务中，google brain团队对于这些任务也进行了相关的对比实验，也取得了相当好的效果。最后，报告对于下一步的工作进行归纳，主要包括并行解码和不同分辨率的解析问题，也对他们团队开发的开源工具包tensor2tensor进行了简要的说明。
报告加深了大家对自注意力机制概念的理解，对于后续在表征学习中继续开展研究工作提供借鉴和启发。此后，大家就知识融合技术，词向量选择以及google brain团队的沟通协作问题与jakob进行了充分的交流。
|
