中國NLP的國際破圈往事：十年，一家公司破局，一代科學家星聚

魚羊 發自 凹非寺
量子位 報道 | 公眾號 QbitAI

現在，我們已經習慣了全球各類頂級學術會議上的中國力量。

從論文入選，到參會面孔，抑或贊助企業，中國代表幾乎無處不在。

前不久剛落幕的ACL 2020也不例外。作為NLP領域最負盛名的國際頂會，今年雖在線上，但論文投稿數錄用率方面，中國依然勢頭兇猛，投稿數1084篇領跑，錄用率23.7%，僅次于美國。

在入圍論文中，除了華人參與的研究斬獲最佳論文，王海峰、周明、俞棟、劉挺等知名大牛的名字，也依然出現在多篇成果中。

這幾乎已經成為了常態。

那一眾科學家的努力，整整一代人的水滴石穿，是時候要被管中窺豹地講一講，是時候要讓更多后浪記得，前浪改變時代的勇氣和不易。

2010-2020，十年，一個時代。

也是中國NLP，完成「破圈」，披荊斬棘的光輝歲月。

起于微時，十年磨一劍

2010年7月11日，烏普薩拉，北歐國度瑞典的第四大城市，第48屆ACL在此召開。

ACL，全稱The Association for Computational Linguistics，國際計算語言學會，是自然語言處理領域最權威的國際學術組織之一。

創辦近半個世紀，會員分布世界60多個國家和地區，吸引著全世界希望征服AI皇冠明珠的代代科學家。

但2010年現場，第一次參加ACL的百度工程師田浩的直觀印象可以一言以蔽之：

“會議上的中國人不多。”

而且這種個體印象，也的確是真實現狀的客觀反映。

因為現在回顧起來，2010年的ACL，才第一次真正迎來中國科技公司參加。

那時候，從第一封電子郵件的發送算起，中國互聯網的發展，已經有了23年的沉淀。

但是！

即便中國已是世界上網民數量最多的國家，但在互聯網技術領域，中國卻更多地處于跟隨、模仿的狀態，在最先進的互聯網技術角逐中，中國互聯網企業，聲音微弱。

在最早對前沿技術的追逐中，也不例外。

比如，被譽為人工智能皇冠上的明珠、AI領域最具挑戰的賽道之一的自然語言處理（NLP），中國乃至華人科學家，也經歷了上述過程。

從學術角度來說，雖然1990年代開始，漢語和華人作者就已經在ACL中出現。

但早期的相關學術成果，大多數是對漢語內容的一種補充，缺乏在整體NLP領域中更具有突破性的成果。

同時由于起步相對晚，華人科學家們的學術成果累積也還不夠，更別提“霸榜”和“刷屏”。

這也就是為什么，2010年的ACL現場，中國面孔寥寥。

然而，歷史轉折關頭，也在2010發生。

這背后，與一家公司入場、一群科學家的星聚，密切相關。

群星薈聚，開風氣之先

2010年，BAT之首、把「技術信仰」寫進公司方方面面的百度，第一次把多方匯聚而來的科學家，送到了ACL現場。

創辦歷史超過半個世紀的ACL，第一次迎來中國互聯網企業代表。

而且這個代表，沒有“空手而來”。

王海峰和吳華，帶著他們入選的論文而來。

這是中國互聯網企業首次論文入選 ACL。

這樣的榮譽，既是對最新研究成果的認可，也是對中國公司的激勵。

同年，百度NLP——作為一個部門，由王海峰牽頭，正式成立。

△2010年，百度NLP團隊合影

其實在專門的部門成立之前，百度在NLP方面的研發工作一直在業務需求下進行，并沒有構成體系。

今天業務部門需要分詞技術的支持，研究人員就要進行相關研究……明天業務部門發現query(查詢)需求分析能力的改善能夠幫助流量提升，研究人員就會進行相關優化。

而成立NLP部門，既是對這種“指哪打哪”狀態的扭轉，更是對前沿技術攻堅決心的堅定。

NLP能干什么？2010年誰也說不準。

但十年之后，智能搜索、信息流、輸入法、機器同傳、智能音箱等各種日常剛需又方便每一個用戶的產品，都將獲益于NLP。

人才的創造力和影響力，也在這種“開風氣之先”中得到聚變。

如果說2010年百度首發參與ACL，背后離不開王海峰、吳華等當時已有成就的技術專家的個人之力。

那么其后，這些科學家進一步達到的高度，則離不開“巨人肩膀”的助推之功。

從2011年開始，百度開始成為ACL官方贊助者，向全球NLP科學家表達誠意，也展示更加深度參與的決心。

其后2013年，王海峰出任ACL主席，獲得一致認可，成為ACL五十多年歷史上第一位華人主席（President）。

那年的ACL，舉辦地在保加利亞首都索菲亞舉行，全球1000多名專家來到現場。

因為百度的帶動，相比三年前，已經有了更多的中國面孔。

而這一次，ACL晚宴上的演講，令他們內心激動萬分，多年后仍記憶猶新。

當時王海峰以新任主席身份，發表了題為“Natural Language over Thousands of Years” 的主題演講。

雖然全程英文，但完美講述了中國悠久燦爛的歷史文化和飛速發展的互聯網技術，正在帶來的時代之美。

在他演講中，甲骨文、十二生肖、散氏盤、造紙、印刷、青玉案、蘭亭序、曲水流觴、玄奘、四庫全書、清明上河圖等等，漢語所承載的中華文明，如一幅美麗的畫卷徐徐展開。

而自然語言跨越幾千年，自然語言處理技術與互聯網結合產生了迷人成果，支撐了搜索引擎、電子商務、社交媒體的迅速發展。

王海峰在現場，以極富想象力的方式，展示了這些科技成果應用在古代的畫面。

例如，“王羲之”利用互聯網組織世界各地的人進行曲水流觴，生動形象地展示了語言處理技術對人們生活產生的巨大影響力。

于是，這次歷史上ACL首位華人主席的致辭，也引發了歷史性反響，引起了眾多西方技術專家對中國文化的興趣。

在NLP領域鼎鼎大名的Kenneth Church、Kevin Knight等頂級專家，紛紛表示要去中國看看王海峰致辭中提到的文物古跡。

而中國NLPer在ACL的精彩，也由此更上一層樓。

王海峰之后，2010年與他一同亮相的另一位百度科學家——吳華，出任2014年ACL年會的程序委員會主席（Program co-Chair）。

需要說明的是，在國際會議中，程序委員會主席承擔著最重要的學術職責，代表著世界級的學術地位和影響力。

吳華的當選，背后是圈內同行對其學術成就的高度認可，也體現了百度在自然語言處理領域的技術實力和影響力。

其后，2016年，王海峰的另一位同事——百度高級技術總監趙世奇當選ACL秘書長，成為首位當選ACL秘書長的亞洲人。

同年年底，王海峰的多年相識，同為哈工大畢業的微軟亞洲研究院副院長周明當選為ACL候任主席，進入ACL執委會。

中國NLPer的光芒和能力，終于在王海峰等打開局面后，真正被全世界看到。

而且「破圈」的故事，到此還不算高潮。

上述這些帶領中國NLP完成全球影響力「破圈」的中堅科學家，也在思考另一件事情：

真正落地中國。

2018年，借著亞太地區尤其是中國在NLP領域的研究力量和成果突飛猛進的大背景。

國內NLP領域的學者們意識到，成立ACL亞太分會勢在必行。

于是，百度王海峰、趙世奇，MSRA周明，以及其他有影響力的亞太學者一道，積極籌劃推動，向ACL執委會清晰詳盡地說明了成立亞太分會的必要性，以及對推動亞太地區NLP研究發展的重要價值。

最終獲得ACL執委會的一致贊成——ACL亞太區分會（AACL）正式成立，并由王海峰出任AACL創始主席。

這對于整個中國NLP來說，無疑又是一個歷史性的里程碑。

而且就在這些年中，中國的NLP，也完成了人才和產業落地的全方位積蓄。

隨著百度NLP成立，大牛得以薈聚，王海峰、吳華等有了星聚基礎。

后來騰訊AI實驗室的開創者、華為諾亞方舟實驗室的骨干、以及如今AI語音、語義理解、智能交互的一大批明星公司的創始人，也都先后聚集于此，讓百度NLP真正成為了中國NLP領域的“黃埔軍校”。

聚是一團火，散成滿天星。

或許在百度以王海峰牽頭成立NLP部門時，積極參與ACL，彼時也許更多出于企業的發展、技術的布局。

但十年之后回顧，中國NLP完成國際化「破圈」的十年，背后正是百度NLP不懈奮斗十年。

而且客觀上，深刻影響并改變了中國NLP的學術、人才和產業格局。

這是如今中國NLPer閃耀 ACL，繞不過去的歷史注腳。

百川東入海，山高人為峰

當然，2010-2020，中國NLP「破圈」的十年里，百度作為企業發揮了基石作用，而當今的CTO王海峰在其中的領軍作用，則不得不提。

他是AI學術領域的高山，也是智能產業領域中的明珠。

在升任百度CTO時，李彥宏的全員內部信，也清晰言明了他這一路的成績：

為百度創建了自然語言處理部、互聯網數據研發部、推薦和個性化部、多媒體部、圖片搜索部、語音技術部等，作為執行負責人協助創建了百度深度學習研究院。他還是自然語言處理領域最具影響力的國際學術組織ACL歷史上首位出任過主席的華 人，也是唯一來自中國大陸的ACL會士。

但既然這次感慨的是中國NLP與ACL的十年，可能也需要更進一步補充一些“歷史進程中”的王海峰。

最核心的問題只有一個：王海峰為何能成為ACL首位華人主席？

或者拆解開來，ACL為什么一直沒有華人主席？又為什么會在2013年出現一位華人主席？

這需要從兩方面說起。

一方面，成為ACL主席需要什么。另一方面，王海峰做了什么。

從普通人的角度來看，出任ACL主席似乎是一種榮譽。實際上，ACL主席并非是一個獎勵性的名號，而是一種切實的責任。

ACL作為擁有數千名成員的國際學術組織，就像一所高校或一家企業一樣需要有人進行領導決策、制定目標與方向，帶領整個NLP領域繼續向前。

因此 ACL主席評選取向需要從兩個方向參考，一個是科學家自身的學術貢獻，另一個是科學家的組織能力。

其中科學家自身的學術貢獻，最直觀的自然是是學術能力——發了幾篇論文、提出了哪些有突破性的想法等等。

但在國際頂會組織中眾望所歸，學術之外，還需要有“服務精神”。

所謂的“服務精神”是一個非常西方化的概念，意味著領導者不僅僅要有責任感、能夠付出足夠的時間與精力去代表民意發聲，很多時候還要站在其他個體的角度去思考一些細節化的問題。

同樣就職于百度并擔任著ACL秘書長的趙世奇表示，服務于ACL這樣的學術組織需要分出一定的時間和精力，去關注如何幫助ACL向外發聲、吸引更多會員，同時也要從人類文明發展的角度關注學術平等，給予學術能力欠發達地區更多扶持。

這也是為什么ACL主席要采取一年一任的輪換制的原因，ACL希望用這種方式，讓來自不同地區的科學家帶來不同的視角。

至于科學家的組織能力，則要考量科學家能否承擔起學術活動的組織任務。

這要求科學家除了醉心學術以外，還要有足夠的領導能力和社交能力，尤其是能夠與多個國家和地區的科學家進行流暢的溝通。

如此，基本上就不難理解——為什么ACL之前一直沒能出現華人主席了。

之前也說了，中國NLP真正起步并不早，而且建立在缺乏國際交流條件的背景之下，此前的華人科學家自然也很難做到充分了解世界各地學術發展狀況，更不容易建立自身對于組織管理的能力。

毫不夸張地說，在很長一段時間里中國NLP學術和NLP領域的科學家，與整個世界是相割裂的。

十幾年間，從與世隔絕到走到舞臺中央，中國NLP學術的奮斗過程幾乎帶了幾分史詩感。

《AI已來：讓中國AI走向世界的王海峰》中提到，在王海峰的記憶中，2006年可以算是一個分水嶺。

2005年，ACL在美國密歇根舉辦年會時，國內只有四位科學家前往，這四位中除了當時來自東芝的王海峰和朱江外，還有兩個來自微軟亞洲研究院的熟悉面孔。

當時這一隊來自中國的“珍稀動物”，大概只帶來了三篇被收錄的論文。

但到了2006年，ACL在悉尼舉辦年會時，來自中國的論文數量大幅增長，光是王海峰的東芝組就投了五篇論文，并且五篇都被收錄了。

此后ACL中的中國聲音，就如同被按下了放大鍵，一路高歌向前，不斷加碼。

除了自身對于學術界的奉獻精神以外，王海峰也意識到了中國力量在ACL這樣的學術組織中地位的變化——中國的學術能力在崛起，可在學術影響力上卻稍遜一籌。

于是王海峰想到，自己競選ACL主席，能夠在這一方面進行一些拉動，讓中國NLP不僅僅擁有學術成果，還能在學術界擁有更多話語權和撬動力。

根據《AI已來》一書中的說法，除了王海峰自身的成就和影響力，王海峰還將能夠當選的原因歸結為兩方面：

一方面是中國科學家在ACL的參與越來越頻繁，隨著被收錄論文數量的增加，ACL開始對中國聲音加以重視。

另一方面是他在百度的任職，代表了“中國科技企業”，當時整個世界開始發覺中國科技企業所蘊含的創新能量，開始關注起中國科技企業。

最后，自然也與王海峰個人的勤奮密不可分。

后來成為王海峰第一個博士生的郭江，在2010年曾經在百度NLP實習。

在他的印象里，那時的NLP非常小，只有二三十人，王海峰就和團隊里所有人一樣，坐在開放區辦公，每天早早地來到公司，一整天都直直地挺著脊背。

一個幾十人的團隊，一位低調勤奮的領導。這樣的畫面怎么看都波瀾不壯闊，與“創新”“機會”、“改變”這些關鍵詞都毫無關系。

可事實卻恰恰相反，在百度，后來世界上第一個互聯網神經網絡翻譯系統、世界上最大的知識圖譜、助力無數合作伙伴的百度大腦語言與知識開放技術、小度機器人、大量科技企業爭相刷題競爭的閱讀理解數據集DuReader等等，都是在這個當時看似不起眼的團隊逐漸成長、逐漸孵化出來的。甚至可以說，百度AI的誕生，就從這里開始。

今天談論起百度與王海峰時，人們總說百度的技術基礎、技術信仰和價值取向，與王海峰此前作為NLP科學家的能力累積是非常契合的。

但從王海峰在百度NLP進行的一系列技術累積和前瞻布局來看，雙方的契合程度遠不止“學術能力”與“場景需求”。

同時也在于王海峰本人對于AI技術發展趨勢的預判，和百度對于這一系列判斷的信任和支持。

你可以說王海峰主導了百度NLP變革，也可以認為百度真正成就了王海峰。

但就在這種相互作用之間，中國NLP的「破圈」十年，真正得以實現。

現在，是時候乘風破浪了。

— 完 —