您正在使用较旧版本的浏览器。为了获得最佳 MSN 中文网体验,请使用受支持的版本

科普 | 哇哦!AI 界也有“变形金刚”!

Microsoft 徽标 Microsoft 2022/6/29 微软(亚洲)互联网工程院 · AI智汇学院

编者按

谈到Transformer,你或许会想起《变形金刚》里随意切换形态的炫酷汽车人。

其实,人工智能领域也有著名的Transformer,它在机器翻译任务上的表现异常出色。

2017年谷歌在arxiv发表了论文- 《Attention Is All You Need》,摒弃RNN和CNN等网络结构,而仅仅使用Attention机制来处理序列模型相关的问题,比如机器翻译。基于Attention的Transformer模型不但提高了翻译性能也提升了效率。因此,注意力机制和Transformer模型成为了大家近期的研究热点。

Attention机制和Transformer模型的优越性到底表现在哪里?

微软智汇学院将在本文带你认识这位有超强“战斗力“的”“变形金刚”,看看它是如何高效处理NLP(Natural Language Processing)领域的任务。

(获取更多来自微软智汇学院的精彩内容,请戳这里~


Transformer是什么?

一句话来讲,就是完全利用Attention机制来解决自然语言翻译问题

当然这说了跟没说一样,Attention机制也许大家知道,但Attention何德何能,能干掉良好运行多年的RNN/LSTM呢?也许我们可以通过内窥Transformer的架构来解释这个问题。

1. Transformer的结构

先来看结构,Transformer总体分为encoder和decoder部分,每块各有多个层。

 encoder里的每层有self attention和feed forward两层。其中encoder输入是n个词向量,n是输入最长的句子里单词数量。

decoder的输出则是类似传统的seq2seq结构,是一个一个目标语言的单词。

2. Self Attention

Self Attention究竟什么意思?很简单,Self Attention假设:一个句子中每个单词的含义,都部分取决于该句子里其他词。

这听着像是废话,但如果我们想用词向量来表示一个词,那很直观我们可以得出,一个句子中的一个词向量,他的计算是依赖于该句子的其他词向量的。

那具体怎么计算每个词向量呢?这个计算过程就是Self Attention Encoding的目的,即,将句子中每个原始词向量按照Attention加权相加,求出新的词向量

3. Attention加权相加

Attention加权相加又是什么意思?句子里每个词(包括目标词自己)都对目标词有一个Attention(这是个标量,即权重a),同时每个词都有自己的一个词向量表示(这个向量我们用V表示)。

每个V是靠着这个简单的word embedding过程得来的。那么每个a怎么来的?

因为这个a是表示当前Attention的词对目标词权重,那很直观的,这个a值应该只凭当前词和目标词关系算出来。

怎么算呢?我们假设目标词本身有个向量(即下图中的q),而句子中每个词有个专门用来算别的词的向量(即下图中的k),这俩都是word embedding得到的。

它俩(q和k)一乘,就得到当前词对目标词的权重a(即下图中的q x k,它是一个向量,不同的值对应不同颜色的竖线,蓝色表示整数,蓝色越深则值越大,橘色表示复数,颜色越深则值越小)。

得到了所有词对目标词的权重之后,还有个问题,这些权重加起来应该等于1。于是我们在权重计算之后套一个softmax,解决问题。

4. Multi-heading

那什么是multi-heading?multi-heading就是同样这个取新词向量Z的事儿,咱们干8遍,得到Z1 ~ Z8。

得到这8个值之后,将每个词的所有Z连在一起,粘成一个巨大的词向量。这个词向量作为后续feed forward层的输入。可以说是相当简单粗暴了。

5. Position Encoding

咱们刚才聊了这么多,有个问题一直忽略了——这个模型只知道词和词之间的影响力,但它根本没考虑这些词的顺序。顺序多么重要,怎么可能不在考虑范围内!

Transformer解决的方法也是很直白,你不是不知道位置信息吗?好,我给你每个词都加上一个位置信息。这就是Position Encoding!

注意,这个加是在原有词向量上叠加一个同维度表示位置的向量,不是粘在后边。

这个位置向量怎么生成?论文里写了算法,这里不展开,感兴趣同学可以去看。关于这个方法的直观理解是什么呢?文章里这句话有意思了,大家仔细读读:

The intuition here is that adding these values to the embeddings provides meaningful distances between the embedding vectors once they’re projected into Q/K/V vectors and during dot-product attention.

什么意思呢?就是说原本在高维空间里,词向量之间都是以原点为起点的向量,现在通过这种方法,让词向量之间产生了距离。

也就是,一句话里的各个词向量通过这种方法,实际上组成了一个高维的像蛇一样的线段,而这条高维空间的“蛇”就表示这句话本身。

是不是挺有创意的?

--END--

了解更多前沿科技领域及职场干货,欢迎点击👇

AI应用 | 盘点生活中那些无敌酷炫的AI “功夫”!

科普 | 大揭秘!机器人背后的人到底在做些什么?

算法浅析 | 保姆级教程!用Python解一道经典题

© 微软智汇学院

image beaconimage beaconimage beacon