原文链接：The Illustrated BERT, ELMo, and co. (How NLP Cracked Transfer Learning)
作者：Jay Alammar
2018年可谓是自然语言处理（NLP）的元年，我们在如何以 最能捕捉潜在语义和关系的方式 来辅助计算机对单词和句子的概念性理解 这方面取得了极大的发展进步。此外，NLP领域的一些开源社区已经发布了很多强大的组件，我们可以在自己的模型或者训练过程中免费的下载使用。（可以说今年是NLP的ImageNet时刻，因为这和几年前计算机视觉的发展很相似）
上图中，最新发布的BERT是一个NLP任务的里程碑式模型，它的发布势必会带来一个NLP的新时代。BERT是一个算法模型，它的出现打破了大量的自然语言处理任务的记录。在BERT的论文发布不久后，Goole的研发团队还开放了该模型的代码，并提供了一些在大量数据集上预训练好的算法模型，提供下载。很感谢Goole开源这个模型，并提供预训练好的模型，这使得所有人都可以通过它来构建一个涉及NLP的算法模型，节约了大量训练语言模型所需的时间，精力，知识和资源。
so no...