人工智能在工業(yè)界用到的模型都是最前沿的嗎？前段時間，我用NLP領域最好的方法對業(yè)務數(shù)據(jù)集做了微調(diào)，效果特別好。此外，釋義檢測任務列表模型的精度也提高到0.95，泛化能力很強。改變子域數(shù)據(jù)時不需要繼續(xù)微

人工智能在工業(yè)界用到的模型都是最前沿的嗎？

前段時間，我用NLP領域最好的方法對業(yè)務數(shù)據(jù)集做了微調(diào)，效果特別好。

此外，釋義檢測任務列表模型的精度也提高到0.95，泛化能力很強。改變子域數(shù)據(jù)時不需要繼續(xù)微調(diào)，隨機測試10個以上的情況只會出現(xiàn)一個錯誤。

但是在實際生產(chǎn)環(huán)境中存在一些問題。首先，模型存儲成本巨大。一個bet分類器模型的長度超過400m，并且在我們的知識樹中有很多節(jié)點。假設只有10個分類器，這部分成本也是巨大的。

而且，使用CPU來做信息會非常慢，但是如果你想更換GPU，機器的成本每年都會增加很多。

那么最前沿的模型是否真的能被使用，會有很大的折衷

Bert不能做翻譯任務，因為翻譯任務是NLP生成任務，Bert目前不能做。Bert可以完成的主要任務有：1文本分類任務，如情感分類，2序列注釋任務，如分詞實體識別，詞性標注，3句子關系判斷，如QA，自然語言推理

學習是一個漫長的過程，遇到困難停不下來，語言堅持，那人的學習方法不一樣，有的人喜歡看視頻，有的人喜歡看書，B站，CSDN，智湖等等，有很多教學視頻，可以參考學習，小編學習python，都是直接作戰(zhàn)，自己做項目，在項目中遇到問題，去百度，或者谷歌，這些問題解決后，推薦自己的學習解決方案也錄下來，發(fā)到網(wǎng)上，讓自己也學習，為別人也鋪路，關于python，小編也寫了很多文章，可以參考學習