用飞桨做自然语言的处理，神经网络的发展会带给人类生活什么变化？

“飞浆”就是提供了一个深入学习的平台。深度学习框架承上启下，下接芯片、大型计算机系统，上承各种业务模型、行业应用，是智能时代的操作系统。并且，深度学习技术已经具备了很强的通用性，正在推动人工智能进入工业大生产阶段，呈现出标准化、自动化和模块化的特点。

百度深度学习技术平台部总监马艳军也在会上首次对外公布了PaddlePaddle全景图，而PaddlePaddle的中文名被百度敲定为“飞浆”。集核心框架、工具组件和服务平台为一体的端到端开源深度学习平台，囊括支持面向真实场景应用、达到工业级应用效果的模型，针对大规模数据场景的分布式训练能力、支持多种异构硬件的高速推理引擎等。

“飞浆”对NLP还是比较重视的，现代 NLP 领域的一个核心便是语言模型 ，可以说它无处不在，一方面它给 NLP 发展带来巨大推动，是多个领域的关键部分，但另一方面，成也萧何败也萧何，语言模型其实也限制了 NLP 发展，比如说在创新性生成式任务上，还有如何用语言模型获得双向信息。

神经网络的灵感来自于人体大脑结构,人在思考问题的时候,神经冲动就会在神经突触所连接的无数神经元中传递.据说成人大脑中有1000亿个神经元,比宇宙中星球的数量还多.我们的神经网络就是模拟用很多的节点来处理信息,不过神经网络和大脑还是有区别的,因为大脑的神经冲动传导的过程中不仅仅只有”是”和”非”,还有强弱,缓急之分.

第一，语言模型任务在 NLP 领域很重要，想首先介绍一下；
第二，Bengio 这篇神经网络语言模型的论文非常经典，比如说提出了用神经网络实现语言模型，同时还最早提出词表示来解决“维数灾难”问题，通过复现，也好引出之后词向量，还有seq2seq 等话题；
第三，通过用 飞桨来实现这样一个简单例子，可以抛开各种模型与数据复杂度，更直观了解一个飞桨程序是如何构建的，也为之后讲解飞桨更复杂程序打下基础。

可能人们的生活会更加方便

这样的项目基本上就是在烧钱，小家小户玩不起，于是就傻傻地等着大佬们发出论文，放出代码，刷新榜单。不过这也意味着一个总结的好机会，加上额外的推动，便重新起了念头。

NLP 领域因为超大预训练模型，很多研究需要耗费大量计算资源（比如百度新发布持续学习语义理解框架 ERNIE 2.0，该模型在共计 16 个中英文任务上超越了 BERT 和 XLNet，取得了 SOTA 效果