从GPT-3到DETR，一起来盘点2020有哪些突破？

Follow小博主，每天更新前沿干货

2020年是巨大飞跃的一年。从OpenAI的GPT-3，再到AlphaFold，都是令人振奋的成就。与此同时，数据科学在机器学习、自然语言处理（NLP）、计算机视觉等领域中蓬勃发展。

一起来逐一盘点2020的哪些突破性的技术吧：

自然语言处理（NLP）

最大语言模型GPT-3

今年2月微软才发布全球最大的深度学习模型，拥有170亿参数的Turing NLP，几个月之后它就被GPT-3远远地超越了。

GPT-3是一个具有1750亿参数的自然语言深度学习模型，它还收集了Common Crawlhe和Wikipedia的数据集，数据集总量是之前发布的GPT-2的116倍，是迄今为止最大的训练模型。

作为GPT-2的升级版，它们功能上有什么异同呢？

虽然都是基于Transformer的，修改初始化、预规范化、可逆标记化性能也都是一样的。

但是T它们的ransformer类型不同，GPT-3使用了一种类似于稀疏Transformer的东西，在各层中运用了交替密集、局部带状的稀疏注意模式。

GPT-3还完美地弥补了BERT的两个不足之处，它既不用对领域内标记的数据过分依赖，也不会对领域数据分布过拟合。

这个强大的语言模型，不仅能够答题、翻译、算数、完成推理任务、替换同义词等。它还能够撰写新闻，写出来的新闻有理有据，难辨真假。

这么强大的GPT-3，普通的用户应该怎么使用？

OpenAI以付费的形式开放了API，只要通过一个“文本输入、文本输出”的接口，就可以访问他们的GPT-3模型。

它的相关论文入选了NeurIPS2020最佳论文。

论文地址：
https://arxiv.org/abs/2005.14165
项目地址：
https://github.com/openai/gpt-3
参考链接：
https://openai.com/blog/openai-api/

最大聊天机器人BlenderBot

BlenderBot是Facebook开源的94亿参数聊天机器人。

Facebook宣称，BlenderBot比Google的Meena更好，它是Facebook多年研究的成果，具有包括同情心、知识和个性在内的多种会话技巧的组合。

根据人类评估者的看法，BlenderBot在参与度方面优于其他模型，并且感觉更人性化。

这个聊天机器人包含94亿个参数，具有改进的解码技术，新颖的技能融合，是之前最大的聊天机器人系统的3.6倍。

官方博客：

https://ai.facebook.com/blog/state-of-the-art-open-source-chatbot/

项目地址：
https://parl.ai/projects/recipes/

计算机视觉

目标检测模型DETR

DETR是使用Transformer的端到端目标检测模型。

与传统的计算机视觉模型不同，DETR将目标检测问题作为NLP模型中的预测问题来解决。

Facebook声称DETR是“一种重要的目标检测和全景分割新方法”。它包括一个基于集合的全局损失，该损失使用二分匹配以及一个Transformer编码器-解码器体系结构来强制进行唯一的预测。

与以前的物体检测系统相比，DETR的体系结构完全不同。它是第一个成功集成Transformer作为检测pipeline的中心组建模块的目标检测框架。

DETR通过最先进的方法实现性能均衡，同时完全简化了体系结构。

官方博客：
https://ai.facebook.com/research/publications/end-to-end-object-detection-with-transformers

源代码：
https://github.com/facebookresearch/detr

语义分割模型FasterSEG

FasterSEG不仅有着出色的性能，也有着最快的速度。它是一个实时语义分割网络模型。

众所周知，语义分割可以精确到对图像的像素单位进行标注。

但随着时代发展，图像的分辨率越来越高。

这里，FasterSeg采用神经架构搜索（NAS）的方式，使之可以被应用到更新颖的、更广泛的搜索空间，解决不同分辨率的图像问题。

它还提出了一种解耦和细粒度的延迟正则化的处理方式，这种方法，在提高准确度的同时，也能够提高速率，从而缓解“架构崩溃”问题。

通过实验发现，FasterSeg在保持了准确度的同时，运行速度比Cityscapes快了30%多。

关于FasterSeg的论文被发表在ICLR 2020上。

论文地址：
https://arxiv.org/abs/1912.10917
项目地址：
https://github.com/VITA-Group/FasterSeg

EfficientDet-D7

EfficientNet-D7主要用于CV领域上的边缘设备，使之更加高效便利。

它由谷歌基于AutoML开发，在COCO对象检测任务上达到了SOTA水平。

它需要的模型参数比同类产品少4-9倍，在GPU上的运行速度则比其他检测器快5-11倍。

其作者是来自谷歌大脑的工程师Mingxing Tan和首席科学家Quoc V. Le。

它的相关论文被CVPR 2020采用。

论文地址：
https://arxiv.org/abs/1911.09070

项目地址：
https://github.com/google/automl/tree/master/efficientdet

Detectron2

这项超强PyTorch目标检测库来自Facebook。

比起初代Detectron，它训练比之前更快，功能比之前更全，支持的模型也比之前前更丰富，还一度登上GitHub热榜第一。

实际上，Detectron2是对初代Detectron的完全重写：初代是在Caffe2里实现的，而为了更快地迭代模型设计和实验，Detectron2是在PyTorch里从零开始写成的。

并且，Detectron2实现了模块化，用户可以把自己定制的模块实现，加到一个目标检测系统的任何部分里去。

这意味着许多的新研究，都能用几百行代码写成，并且可以把新实现的部分，跟核心Detectron2库完全分开。

Detectron2在一代所有可用模型的基础上（Faster R-CNN，Mask R-CNN，RetinaNet，DensePose），还加入了了Cascade R-NN，Panoptic FPN，以及TensorMask等新模型。

开源地址：
https://github.com/facebookresearch/detectron2

DeepMind的AlphaFold解决蛋白质折叠问题

谷歌旗下人工智能技术公司 DeepMind 提出的深度学习算法「AlphaFold」，破解了困扰生物学家五十年之久的蛋白质分子折叠问题。

AlphaFold还能够准确判断出蛋白质结构中的哪一个部分更重要。

Nature、Science争先报道这项科技成果，科技大佬们也纷纷发来贺电。

Alphafold实现了在生物学上的重大突破，成为了CV和ML领域的里程碑，被称作是：“生物界的ImageNet时刻”。

在这个算法中，科学家将蛋白质的折叠形状看作一个“空间图”，用残基（residue）来表示它们之间的节点。由此创建了一个注意神经网络系统，进行端与端之间的训练，探索出蛋白质的具体结构。

为了训练好这个算法，Alphafold采用了具有17万个蛋白质结构的数据库，使用约128个 TPUv3 内核（相当于 100-200 个 GPU）运行数周，算法的效率较高。

这项研究成果的影响深远。哥伦比亚生物学家Mohammed AlQuraishi 在 Nature 文章中说道：

这对蛋白质结构预测领域影响深大，是一流的科学突破，也是我毕生追求的科学成果。

开源代码：
https://github.com/deepmind/deepmind-research/tree/master/alphafold_casp13
论文地址：
https://www.biorxiv.org/content/10.1101/846279v1.full.pdf

强化学习

Agent57得分高于人类baseline

Agent57是由DeepMind开发的，在Atari测试集中的2600场游戏比赛中，它的成绩都高于人类平均水平。

它还创造了57种不同的Atari视频游戏的评估机制。由于这些评估机制要求RL智能体要掌握的东西太多了，因此，很少有RL算法能够实现。

Agent57在其Arcade学习环境中(ALE)环境中采用了RL、模型学习、基于模型的训练、模仿学习、迁移学习和内推力等一系列方法。

它提供的Atari2600游戏环境接口，使人类玩家能接受更丰富的人机挑战。

在游戏方面，Agent57毋庸置疑成为最强的RL智能体。

其研究论文发表在了《人工智能研究杂志》上。

论文地址：
https://arxiv.org/abs/1207.4708f

机器学习运维兴起

MLOps（Machine learining Operations）是数据科学领域中一个相对较新的概念。类似于DevOps（Development和Operations组合词），简单来说，就是机器学习方面的DevOps。

如果说DevOps是为IT开发者服务，解决了开发者将项目交给IT运营部门实施和维护的问题。

那么，MLOps就为数据科学家、ML工程师提供服务，使他们转向协同工作，提高工作效率。

它拥有一套完整的行为策略方式，用来解决ML和AI在运行周期内遇到的各种问题。

在增长最快的GitHub项目Top-20中有5个是机器学习运维工具。

这表明整个AI行业正在从“如何开发模型”转向“如何运维模型”的趋势。

参考链接：
https://nealanalytics.com/expertise/mlops/
开源地址：
https://github.com/microsoft/MLOps

AI对抗新冠病毒

世界卫生组织列出了对抗新冠病毒的9大研究方向。

美国白宫邀请Kaggle参与其中，发起NLP挑战，找到这9大关键问题的答案。

在Kaggle上，包含20万篇学术文章的新冠数据集，免费提供给世界各地的NLP研究和AI研究，希望全世界AI学者，能够科技手段，促进解决新冠病毒问题。

数据集由白宫科学技术政策办公室协调策划，艾伦AI研究所、扎克伯格基金会、乔治城大学安全与新兴技术中心、微软研究院、IBM等多家科技巨头都有参与贡献。

Kaggle还发动了一个预测比赛。预测全球不同地区感染新冠肺炎、死亡人数等。并且将预测的数据与实际数据对比，形成一个数据预测模型。

假如预测模型足够好，就可以缓解新冠肺炎带来的医疗资源稀缺问题。

新冠病毒九大研究方向：

https://www.who.int/blueprint/priority-diseases/key-action/Global_Research_Forum_FINAL_VERSION_for_web_14_feb_2020.pdf?ua=1
新冠数据集：
https://www.kaggle.com/allen-institute-for-ai/CORD-19-research-challenge/

展望2021年的机器学习

从NLP到计算机视觉，在从强化学习到机器学习运维。所有人见证了AI领域的进步，也期待AI能够为全球疫情提供力量。

科技仍在进步，2021年又会发生什么样的变化呢？

Analytics Vidhya预测了一下2021年的一些关键趋势：

1、2021年数据科学领域的工作机会将继续增加。因为数据爆炸和消费习惯的改变，数据科学将会扮演越来越重要角色。同时，传统的制造业、采矿业也需要对数据进行分析。

2、Facebook的PyTorch使用率将超过Google的TensorFlow。机器学习框架之战有两个主要竞争者：PyTorch和TensorFlow。分析表明，研究人员正在逐渐放弃TensorFlow，大量使用PyTorch。

3、Python在2021年将更加流行。毋庸置疑，Python是当前最受欢迎的语言。为了巩固它的地位，在10月时候，它推出了Python 3.9，提升性能。目前，Python 3.10现在正在开发中，预计2021年初发布。

4、基于前疫情时代数据的模型有效性将下降。疫情导致全球的消费习惯发生了改变，前疫情时代的数据模型有效性在逐渐下降。在后疫情时代，谁能抓住这些新的消费模式特征，谁就能取得成功。

5、数据市场将持续上升。新冠疫情改变了全球的消费行为和市场游戏规则，这意味着多样化、全新的数据集正在产生，将创造更大的价值。