2020 年终盘点哪家强？

2018 年大众和 QuantumScape 又成立新的合资公司，未来主要为大众集团生产工业级固态电池，除了投资 QuantumScape 的固态电池，大众的电池布局还包括 11 亿欧元（约合人民币 87.87 亿元）入股国轩高科，和头部企业宁德时代和韩国 SK Innovation 等电池厂商建立长期战略合作伙伴关系。

　　大众如此奋起直追，那特斯拉岂不危矣？

　　马斯克在 2020 年第三季度的结果报告中表示，从节省电池空间的角度来看，去除传统负极「并不像听起来那么好」。

　　马斯克的怀疑可能也与其自身的电池技术有关，这可能会使其比其他公司更难适应固态电解质。特斯拉使用由滚动电池组成的圆柱形电池，而其竞争对手通常喜欢所谓的棱柱形电池，其中电池可以堆叠。因为固态电池比液态电池更易碎，所以堆叠起来更容易。

　　特斯拉自研电池

　　马斯克一直寻求特斯拉能够实现「电池自由」，据报道，松下 CEO 津贺一宏经常会接到马斯克的电话或者邮件，「要求降低电池价格」，但是只换来了对方「不排除提高电池售价可能性」的回复，津贺一宏甚至威胁称「我们会考虑把人员和设施全部撤出超级工厂」。
 

自然语言处理

　　随着 BERT 与 OpenAI GPT 等基于 Transformer 的大规模语言模型的出现，一些专家认为自然语言处理领域将在未来十年内迎来重大突破。腾讯 AI Lab 正在为推动自然语言处理技术的发展而开展研究工作。在 2020 年 7 月举办的自然语言处理领域顶级会议 ACL 2020 上，腾讯 AI Lab 贡献了 20 篇论文，位列国内企业研究机构前列，详情参阅。

　　在文本理解方面，2020 年 4 月腾讯 AI Lab 开放了，可对中文和英文两种语言的文本进行词法、句法和语义分析。与其它现有公开的文本理解工具相比，TexSmart 除了支持分词、词性标注、粗粒度命名实体识别（NER）、句法分析、语义角色标注等常见功能外，还提供细粒度命名实体识别、语义联想、深度语义表达等特色功能。TexSmart 系统获得了 2020 中国计算语言学大会（CCL）最佳系统演示奖。在对话理解方面，腾讯 AI Lab 提出了对话语义角色标注（Conversational Semantic Role Labeling）技术，该技术将对话的语义表示成多个「谓词-论元」结构，可以同时处理对话中常见的信息缺失和指代问题，有效地提升了对话的理解和下游任务的性能，如对话改写[21]和对话生成。同时，腾讯 AI Lab 将该项技术和对话理解的其他技术结合，。

　　此外，腾讯 AI Lab 还在长文本阅读理解[22]、从高资源语言向低资源语言的泛化[23]、基于对话的关系抽取[24]等方面取得了一些研究进展。

　　在语言生成与对话方面，除了前文已经描述过的能生成格式可控的歌词、诗词文本的 SongNet[25]，腾讯 AI Lab 还研究了如何更好地理解对话上下文、如何打造千人千面的对话机器人、如何融合常识等知识、如何在保证流畅性的同时生成符合逻辑的自然语言等课题。相关研究成果包括面向多轮对话的语义角色标注与对话改写[26]、利用灰度数据增强多轮对话理解[27]、知识融合型对话生成[28]、基于开放领域表格的逻辑性自然语言生成[29]、提升对话一致性的三阶段生成模型[30]等。

　　在机器翻译方面，我们致力于改善翻译模型的效果。我们提出的数据重生[31]和多领域通用翻译模型[32]可更有效利用大规模多领域混合训练数据。同时，我们继续深耕于理解并改进 Transformer 模型，其中包括理解选择性机制对自注意力网络的重要性[33]，推理置信度校准研究和评估神经机器翻译的可解释性方法[34]。受益于此，我们的自动翻译（中英和英中）系统准确度继续保持国内前列，在国际翻译比赛 WMT2020 中也取得了 1 项第一，3 项第二的成绩。

　　计算机视觉

　　2020 年，腾讯 AI Lab 在计算机视觉方面成果颇丰。在计算机视觉领域顶级会议 CVPR 和 ECCV 上，腾讯 AI Lab 各有 11 和 18 篇论文入选，多模态学习、视频内容理解、对抗攻击与对抗防御、基于生成模型的图像编辑等多项课题。此外在 NeurIPS 2020 上也有多篇相关论文入选。

　　首先来看针对视觉的对抗攻击问题，这是基于深度神经网络的计算机视觉模型的一大核心弱点，也是很多实际计算机视觉应用的最后一道门槛。当然，这也是腾讯 AI Lab 的一大重要研究课题。2020 年，腾讯 AI Lab 提出了一些实现对抗攻击的新策略，比如一种针对深度聚类的对抗策略可以挖掘易于使聚类层出现预测偏差，但却不会影响深度嵌入网络性能的样本，这种无监督对抗聚类网络能利用对抗攻击与防御训练方法提升深度聚类网络的鲁棒性[35]；另一项发表在 ECCV 上的研究也提出了利用扰动分解实现稀疏对抗攻击的新思路[36]。

（编辑：平顶山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!