ध्यान तंत्र
ध्यान एक मॉडल को यह तय करने देता है कि प्रत्येक शब्द की व्याख्या करते समय वाक्य में कौन से अन्य शब्द सबसे अधिक मायने रखते हैं।
सिंहावलोकन
It is the core idea that made the transformer — and therefore modern AI like ChatGPT — possible.
गहरा गोता
ध्यान प्रत्येक शब्द के लिए एक सरल प्रश्न का उत्तर देता है: इसे समझने के लिए मुझे किन अन्य शब्दों को देखना चाहिए? वासवानी और Google के सहयोगियों द्वारा 2017 के पेपर 'अटेंशन इज़ ऑल यू नीड' में ट्रांसफार्मर पेश किया गया, जो अपने मुख्य इंजन के रूप में ध्यान का उपयोग करता है और पुराने आवर्ती डिजाइनों को हटा देता है। प्रत्येक टोकन को तीन वैक्टर में बदल दिया जाता है: एक क्वेरी (मैं क्या ढूंढ रहा हूं?), एक कुंजी (मैं क्या पेशकश करूं?), और एक मूल्य (मैं जो जानकारी रखता हूं)। ध्यान भार उत्पन्न करने के लिए एक टोकन की क्वेरी की तुलना हर दूसरे टोकन की कुंजी से की जाती है, जो फिर मूल्यों को एक साथ मिला देती है। आत्म-ध्यान इसे एक क्रम में करता है ताकि प्रत्येक शब्द सीधे हर दूसरे शब्द से जुड़ सके। मल्टी-हेड अटेंशन ऐसी कई तुलनाओं को समानांतर में चलाता है, प्रत्येक अलग-अलग पैटर्न पर ध्यान केंद्रित करता है।
तकनीकी अंतर्दृष्टि
गणित स्केल्ड डॉट-प्रोडक्ट अटेंशन है: सॉफ्टमैक्स(QK^T / √d_k) V. क्वेरीज़ और कुंजियों का डॉट प्रोडक्ट स्कोर करता है कि प्रत्येक जोड़ी कितनी प्रासंगिक है; मुख्य आयाम (√d_k) के वर्गमूल से विभाजित करने से वे स्कोर बहुत बड़े होने से बच जाते हैं; सॉफ्टमैक्स उन्हें एक के बराबर वजन में बदल देता है; और V से गुणा करने पर मानों का एक भारित मिश्रण तैयार होता है। क्योंकि प्रत्येक टोकन एक-दूसरे से तुलना करता है, लागत अनुक्रम लंबाई के वर्ग के साथ बढ़ती है - O(n²) - यही कारण है कि लंबे इनपुट महंगे हैं और फ्लैशअटेंशन जैसे अनुकूलन क्यों मौजूद हैं।
सामरिक प्रभाव
गति और पैमाना
भाषा वर्कफ़्लो निरंतरता से समझौता किए बिना तेज़ी से आगे बढ़ सकता है।
पहुंच और पहुंच
यह सभी भाषाओं और संचार शैलियों तक पहुंच का विस्तार करता है।
स्पष्ट निर्णय
टीमें निर्णय लेने में अधिक समय व्यतीत कर सकती हैं जबकि स्वचालन पुनरावृत्ति को संभालता है।
ध्यान तंत्र का भविष्य
ध्यान यहाँ रहने के लिए है, लेकिन इसकी द्विघात लागत गहन शोध को प्रेरित करती है। फ़्लैशअटेंशन ने गणना को पुन: व्यवस्थित करके मानक ध्यान को कहीं अधिक तेज़ और अधिक मेमोरी-कुशल बना दिया। नई दिशाओं में विरल और रैखिक ध्यान, पीढ़ी के दौरान मेमोरी को सिकोड़ने के लिए समूहीकृत और बहु-क्वेरी ध्यान, और हाइब्रिड डिज़ाइन शामिल हैं जो बहुत लंबे इनपुट के लिए मांबा जैसे राज्य-अंतरिक्ष मॉडल के साथ ध्यान मिलाते हैं। भविष्य की प्रणालियों से अपेक्षा करें कि वे लागत वक्र को मोड़ते समय ध्यान का लचीलापन बनाए रखें ताकि पुस्तक-लंबाई या बहु-दस्तावेज़ इनपुट का प्रसंस्करण नियमित और किफायती हो जाए।
वास्तविक विश्व कार्यान्वयन
मशीनी अनुवाद, जहां मॉडल प्रत्येक अनुवादित शब्द का उत्पादन करते समय प्रासंगिक स्रोत शब्दों पर ध्यान देता है।
सारांशीकरण, जहां ध्यान मॉडल को एक लंबे लेख में सबसे महत्वपूर्ण वाक्यों पर ध्यान केंद्रित करने में मदद करता है।
कोड सहायक जो अगली पंक्ति की भविष्यवाणी करते समय पिछली चर परिभाषाओं पर ध्यान देते हैं।
किसी दस्तावेज़ पर प्रश्न का उत्तर देना, जहां ध्यान प्रश्न के शब्दों को उस अनुच्छेद से जोड़ता है जिसमें उत्तर होता है।
जोखिम और रेलिंग
मतिभ्रम वाले तथ्य चुपचाप रिपोर्ट में प्रवेश कर सकते हैं, प्रवाह का समर्थन कर सकते हैं, या अनुसंधान आउटपुट का समर्थन कर सकते हैं।
त्वरित संवेदनशीलता समान अनुरोधों में असंगत परिणाम पैदा कर सकती है।
यदि पहुंच नियंत्रण कमजोर हैं तो संवेदनशील पाठ डेटा उजागर हो सकता है।
कार्यान्वयन रोडमैप
रोलआउट से पहले आउटपुट स्वरूप, टोन और गुणवत्ता मानकों को परिभाषित करें।
जब भी सटीकता मायने रखती है तो विश्वसनीय स्रोतों के साथ जमीनी प्रतिक्रियाएँ।
उच्च जोखिम वाले आउटपुट के लिए एक मानव समीक्षा चेकपॉइंट रखें।
विफलता पैटर्न को ट्रैक करें और संकेतों या वर्कफ़्लो को नियमित रूप से पुनः प्रशिक्षित करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Attention Mechanisms quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
स्लाइडिंग विंडो ध्यान
अक्सर पूछे जाने वाले प्रश्नों
What is Attention Mechanisms?
ध्यान एक मॉडल को यह तय करने देता है कि प्रत्येक शब्द की व्याख्या करते समय वाक्य में कौन से अन्य शब्द सबसे अधिक मायने रखते हैं। यह मूल विचार है जिसने ट्रांसफार्मर - और इसलिए आधुनिक AI जैसे ChatGPT - को संभव बनाया।
एक वाक्य में, ध्यान तंत्र क्या करता है?
ध्यान वजन की गणना करता है जो यह तय करता है कि प्रत्येक टोकन को अपना प्रतिनिधित्व बनाते समय अन्य टोकन पर कितना आकर्षित करना चाहिए।
2017 के किस ऐतिहासिक पेपर ने ट्रांसफार्मर वास्तुकला की शुरुआत की?
'आपको केवल ध्यान देने की आवश्यकता है' (वासवानी एट अल., 2017) ने ट्रांसफार्मर का प्रस्ताव रखा, जो पुनरावृत्ति के बजाय ध्यान पर निर्भर करता है।
ध्यान में प्रत्येक टोकन के लिए तीन वैक्टर की गणना क्या की जाती है?
प्रत्येक टोकन एक क्वेरी, एक कुंजी और एक मान उत्पन्न करता है; मानों को महत्व देने के लिए क्वेरीज़ का कुंजियों से मिलान किया जाता है।
सूत्र Softmax(QK^T / √d_k) V में, √d_k से विभाजित क्यों करें?
मुख्य आयाम के वर्गमूल द्वारा स्केलिंग बड़े डॉट उत्पादों को रोकता है जो प्रशिक्षण को स्थिर रखते हुए सॉफ्टमैक्स को छोटे ग्रेडिएंट में धकेल देगा।
बहुत लंबे इनपुट के लिए मानक आत्म-ध्यान महंगा क्यों हो जाता है?
प्रत्येक टोकन हर दूसरे टोकन को ध्यान में रखता है, इसलिए तुलनाओं की संख्या n² के बराबर होती है, जिससे लंबे अनुक्रम समय और मेमोरी में महंगे हो जाते हैं।