【大咖说Ⅳ】肖桐教授：机器翻译中的高效神经网络模型

欢迎来到2022 CCF BDCI大咖说系列专题报告

听顶级专家学者围绕特定技术领域或选题，讲述自身成果的研究价值与实际应用价值

便于广大技术发烧友、大赛参赛者吸收学术知识，强化深度学习

每周一、三、五，「大咖说」与你相约“一碗数据汤”~

本期大咖：肖桐，教授、博士生导师，东北大学计算机学院人工智能系系主任，东北大学自然语言处理实验室主任，小牛翻译联合创始人 。

于东北大学计算机专业获得博士学位，曾赴英国剑桥大学开展博士后研究。在国内外相关领域高水平会议及期刊上发表学术论文70余篇，并撰写专著《机器翻译：基础与模型》。作为项目技术负责人，成功研发了NiuTrans、NiuTensor等开源系统。获得中国中文信息学会首届优秀博士论文提名奖、中国中文信息学会“钱伟长中文信息处理科学技术奖”一等奖、 中国计算机学会CCF-NLP青年新锐奖。任ACL、EMNLP、AAAI等国际著名会议及期刊的领域主席、高级程序委员会委员，并多次获得ACL、NAACL等会议的Outstanding Reviewer、Outstanding Action Editor。

研究方向：自然语言处理、机器翻译

分享主题：机器翻译中的高效神经网络模型

近年来，在深度学习包括神经网络方法的推动下，预训练模型等自然语言处理领域的技术产生了巨大的进展。GPT-3、Transformer等大模型的预训练模型带来了NLP包括机器翻译在内的技术变革，性能得到极大的提升。

我们使用神经网络模型时，会发现神经网络也变得越来越深。自然语言处理相对来说，早期深层网络、复杂网络在使用上可能还不太深入，近几年完全不一样，特别是以预训练模型这种大模型为代表的通用模型，使得极深极宽的网络也在NLP包括其他的任务里得到大规模应用，并在各大比赛中取得非常好的成绩，展现出这类方法的有效性。

但从应用的角度看，使用大模型来构建机器翻译、问答对话等系统这类方法带来两大问题，一是研发难度变大，运算成本提高；二是复杂模型在部署时难度也很大，成本很高，某种程度上限制了它的应用范围。

如何解决这两大问题？戳视频，让我们跟随肖桐教授，一起探秘。

【大咖说Ⅳ】肖桐教授：机器翻译中的高效神经网络模型

希望大家听完老师的分享，能学以致用，应用到竞赛中打怪升级、实操进阶哟~