2019年12月8日至14日，机器学习领域的重要国际会议——NeurIPS 2019在加拿大温哥华举行。这次大会吸引了超过一万名来自全球的专家学者参与。其中，自然语言处理（NLP）领域在深度学习的推动下取得了显著进展，成为大会的核心议题之一。

百度在此次大会上举办了自然语言处理专题研讨会，展示了其在该领域的深厚积累和最新突破。百度技术委员会主席兼自然语言处理首席科学家吴华博士及其团队，详细介绍了百度在这一领域的研究成果。这些成果主要基于百度自主研发的飞桨平台，涵盖了语义计算、阅读理解、多轮对话、机器翻译等方向，并已实现大规模产业化应用。

在预训练模型方面，百度提出了知识增强的语义表示模型ERNIE及持续学习语义理解框架ERNIE 2.0。这两种模型在16个中英文任务中均表现优异，超越了BERT和XLNET，达到了最先进水平（SOTA）。此外，百度还推出了基于ERNIE的语义理解开发套件，从原理、应用到开源及平台化，进行了有价值的创新和实践。

在机器阅读理解方面，百度建设并发布了最大的中文阅读理解数据集DuReader。该数据集旨在评估机器的语言理解能力，是搜索引擎和对话系统等行业的关键技术。百度还提出了训练框架D-NET，提升了模型的泛化能力，并提出了一种针对阅读理解的对抗训练方法。此外，百度还开发了融合文本表示和知识表示的KT-NET模型，解决了需要外部知识和常识的问题。这些模型在MRQA阅读理解评测中表现出色，夺得冠军。

在对话系统方面，百度提出了基于深度注意力网络的多轮响应选择匹配模型DAM，显著提高了口语理解能力。百度的对话系统框架提供了可编程的对话管理模块，并内置了多个常用的标准对话模板，便于云端开发灵活多变的业务对话逻辑。此外，百度还引入了需求分发和全局记忆机制，支持多个对话任务的集成与联动，提高了对话技能的可复用性，降低了新业务的开发成本。百度的定制对话技术依托于百度大脑UNIT 3.0平台，支持超过5万个对话技能，广泛应用于各行业。

在机器翻译领域，百度提出了多任务学习和多智能体联合训练等前沿方法，并在2019年国际权威评测WMT中取得了中英翻译的第一名。此外，百度在机器同声传译方面也处于领先地位，提出了首个具有预测和可控时延的同传模型，首个语义单元驱动的上下文同传模型，并研发了行业内首个语音到语音的同传系统，为用户提供高质量、低延迟的同传体验。百度还将与Google、Facebook、清华大学等国内外顶尖机构合作，共同组织首届机器同传研讨会，将在顶级会议ACL 2020上召开，并举办国际首届同传评测，以进一步促进技术的发展。

百度自然语言处理领域所取得的卓越成果离不开底层框架的支持。百度飞桨是一个开源的深度学习平台，近两年来，飞桨在深度学习框架的功能、性能、芯片支持等方面进行了大量的优化和迭代，为开发者提供了优秀的使用体验。飞桨平台不仅支持常用的API调用，还支持声明式编程和命令式编程两种编程范式，兼顾灵活性和稳定性。在训练方面，飞桨平台突破了超大规模深度学习模型的训练技术，实现了实时更新万亿规模参数的深度学习模型。

在论文方面，本届会议共收到6743篇论文投稿，两年内翻了一番，再次创下新纪录。其中1428篇论文入选，入选率仅为21.1%。百度共有8篇论文被收录，涵盖量化压缩、对抗训练等多个前沿方向。

在竞赛方面，百度在NeurIPS 2019的Learn to Move强化学习赛事中再度夺冠，并受邀在Deep RL Workshop中进行专题报告。比赛中，百度基于飞桨的强化学习框架PARL不仅成功完成挑战，还大幅领先第二名（1490 vs 1346），并在Best Performance Track和Machine Learning Track中分别获得第一名和最佳论文奖。

这些成果展示了百度在自然语言处理领域的技术实力和国际影响力。除了学术交流和报告外，百度展台也吸引了大量参会者前来咨询使用及合作事宜。百度AI同传系统也得到了来自全球多个国家和地区参与者的体验和认可。

从专题研讨、论文分享、竞赛报告到多样化的现场系统演示，百度在NeurIPS 2019上的全面参与，充分展示了其前沿的技术进展。以百度为代表的中国AI企业在国际学术会议上日益活跃，已成为一种新常态。