本节主要介绍NLP和大模型的基础知识。提及了词表示如何从one-hot发展到Word Embedding。语言模型如何从N-gram发展成预训练语言模型PLMs。然后介绍了大模型在NLP任务上的表现，以及它遵循的基本范式。最后介绍了本课程需要用到的编程环境和GPU服务器。
一篇NLP方向的综述推荐
Advances in Natural Language Processing - Julia Hirschberg,Columbia University(见绑定资源)
基本任务和应用
包括词性标注(Part of speech tagging)，命名实体识别，共指消解，依赖关系。对于中文，由于词与词没有空格，所以还有一个中文的自动分词的任务。
- 搜索引擎和广告：如何衡量用户的query与所有document的语义相似度-NLP要解决的问题；利用互联网之间的链接信息判断网站或网页的质量-数据挖掘和信息检索关心的问题
- Knowledge Graph：知识图谱里有非常多NLP问题，如给定一个用户的查询，如何去匹配或寻找最相关的实体，以及相关知识。如何从大规模文本中挖掘，构建大的知识图谱，如何获取三元组结构化知识，本身也需要NLP技术。
- Knowledge Graph Application：Question Answering
- Machine Reading：从文本中抽取结构知识，扩展和更新知识图谱
- Personal Assistant
- Machine Translation
- Sentiment Analysis and Opinion Mining
- Computational Social Science
词表示
词表示的目标：
1.计算词相似性：相似
2.推断词之间的关系
常用的词表示方式：one-hot表示
这种表示方法的缺点是：任意两个词都是相互正交的。不利于考虑相似性。
基于共现词次数的表示
NLP提出了一种contextual的distribution。
这种表示方法的缺点是：词表越大，存储要求越高；低频词很稀疏，导致不够鲁棒。
Word Embedding
构建一个低维稠密向量空间，学习每个词的低维稠密向量表示。
语言模型（Language Modeling）
语言模型的任务是预测下一个词。
它的工作包括两个：1.一个序列的词成为一句话的概率；2.根据已有的词序列，预测下一个词出现的概率。
基本假设
未来的词只会收到之前词的影响。这样联合概率就可以拆解成如下的条件概率。
N-gram Model
先介绍一种，在深度学习出现前，经典且重要的语言模型构建方式：N-gram。
以4-gram为例，讨论never to late to后面出现wj的概率，可以用语料库中，too late to wj出现的次数除以too late to出现的次数。
需要统计所有出现的n-gram序列的频度。
N-gram的问题是：
1.N一般只会取2或者3：因为取过大的N，序列在语料库中出现的次数会变少，会导致统计结果稀疏。同时过大的N会导致存储的量增大。
2.不能反映词之间的相似性：N-gram是基于符号去做统计，所以对它而言，所有词都是独立的。
神经语言模型
神经语言模型是基于神经网络来学习词的分布式表示的语言模型。
假设当前要预测第t个词为词i的概率，考虑前面n个词：
1.将前面n个词表示成低维向量(从Word Embedding学到的低维稠密向量空间中找到)。
2.拼接上面的低维向量，形成更高的上下文向量。
3.经过非线性转换。
4.利用这个向量来预测下一个词是什么。
所有词的向量，以及整个预测的过程，都是基于神经网络的可调节可学习参数来完成。因此可以利用大规模数据来学习这些向量。
大模型的发展历程
为什么大模型非常重要
在语言理解，语言生成(如对话系统任务)上，预训练语言模型(PLMs)已经比人类表现要好了。
18年开始，PLMs的三个趋势是：更多的参数；更大规模的语料数据；更大规模的分布式计算。这些方式能显著提升模型性能。
GPT-3中，我们可以看到PLMs所涌现出来的人类知识。这说明文本知识会被捕捉到PLMs中，并且在大量参数中存储下来。所以渐渐地，大家会将PLMs作为解决NLP问题的基础工具。
另一方面，GPT-3有很强的零/小样本学习的能力。
大模型背后的范式
预训练阶段，PLMs会从大量无标注数据中进行学习，通过一些自监督任务，去做预训练，从中得到丰富的知识。
在具体应用时候，会引入一些任务相关数据，然后对模型进行微调。
最终保留任务相关的知识。最终得到一个解决具体任务的模型。
编程环境和GPU服务器介绍
相关知识，如Linux命令，Git命令等，需要自己了解。