将单个 NLP 模型想象成厨房里的餐具，它们都具有各自擅长的特定功能。
现在想象一下你最常用的 11 种厨具之一。这就是 BERT，一款能够解决 11 大自然语言处理难题的厨具，而且它真的做到了。
这是自然语言处理 (NLP) 领域一个有趣的区别。这也是人们如此兴奋的原因，因为他们不再需要所有单独的模型了。——他们可以使用 BERT 来解决大多数自然语言处理 (NLP) 任务，因此谷歌将 BERT 纳入其算法中是合情合理的。
它要去哪儿？它要去哪儿？艾莉森问。
“我认为我们会在这条道路上走一段时间，构建更大更好的 BERT 版本，这些版本在 BERT 的稳健性方面也同样稳健，但可能具有相同的基本局限性。”
目前已经有多个不同版本的 BERT，并且我们还会看到更多。这个领域的未来发展方向值得期待。
BERT 是如何变得如此聪明的？
我们来看看 BERT 如何变得如此聪明的更简单的理论吧？
谷歌斥巨资购买维基百科文本和计算能力（他们在 V3 pod 中组装的 TPU），以支持这些庞大的模型。然后，他们使用无监督神经网络训练维基百科的所有文本，以便更好地理解语言和上下文。