次のトークンの予測
次のトークンの予測は、GPT スタイル モデルの背後にある一見単純な目的です。これまでのすべてを考慮して、テキストの次の部分を推測します。
概要
Repeated billions of times, this single task produces models that write, reason, and converse.
ディープダイブ
次のトークンの予測では、先行するすべてのトークンを考慮して、次のトークンに確率を割り当てるようにモデルをトレーニングします。テキストは、まずバイトペアエンコーディングのようなトークナイザーによってトークン (サブワード部分) に分割されます。デコーダ専用の Transformer はシーケンスを左から右に読み取り、次の位置の語彙全体にわたる確率分布を出力します。トレーニング中、モデルには大量のテキスト コーパスが表示され、実際の次のトークンに低い確率が割り当てられるたびにペナルティが課されます。生成時に、モデルはトークンをサンプリングまたは貪欲に選択して追加し、このループを自己回帰的に繰り返します。この 1 つの目標は、驚くほどスケールが大きくなります。GPT-2、GPT-3、およびその後継者はすべて、純粋に次のトークンの予測を非常に上手にすることによって、文法、事実、翻訳、推論を学びました。
技術的な洞察
重要なメカニズムは因果的 (マスクされた) 自己注意です。位置 N を予測するとき、モデルは位置 1 から N-1 のみに注意を払い、将来には注意を払いません。出力層は最終的な隠れ状態を語彙に投影し、ソフトマックスを適用して確率を取得します。トレーニングによりクロスエントロピーが最小化されます。これは、観察されたテキストの尤度を最大化することと同じです。温度やトップページなどのサンプリング制御は、推論時にその分布を再形成し、創造性と信頼性をトレードオフします。
戦略的影響
速度とスケール
言語ワークフローは、一貫性を犠牲にすることなく、より高速に移行できます。
アクセスと到達範囲
言語やコミュニケーション スタイルを超えてアクセスが拡張されます。
より明確な判決
自動化が繰り返しを処理する間、チームは判断により多くの時間を費やすことができます。
次のトークン予測の未来
次のトークンの予測は、基本的にすべての最新の大規模言語モデルを支えており、今後も生成 AI のバックボーンとなります。研究では、より長いコンテキスト ウィンドウ、速度向上のための投機的かつ並列デコード、および複数の将来のトークンを一度に推測するマルチトークン予測目標によって、これを拡張しています。出力を調整するための上部の人間のフィードバック層からの強化学習。フロンティアでは、同じ単純な目標をより安価に、より高速に、より大規模に制御できるようにしています。
現実世界の実装
ChatGPT および同様のアシスタントを強化して、一度に 1 トークンずつ会話型応答を生成します。
GitHub Copilot などのツールでは、入力時にオートコンプリートとコードの提案が表示されます。
短いプロンプトから電子メール、記事、マーケティング コピーを作成します。
文章を完成させるライティング アシスタントでのリアルタイムのテキスト生成。
リスクとガードレール
幻覚のような事実が、レポート、サポート フロー、または研究結果に静かに組み込まれる可能性があります。
迅速な対応により、同様のリクエスト間で一貫性のない結果が生じる可能性があります。
アクセス制御が弱いと、機密テキスト データが漏洩する可能性があります。
実装ロードマップ
展開する前に、出力形式、トーン、品質基準を定義します。
正確さが重要な場合は常に、信頼できる情報源を使って地上対応を行ってください。
一か八かの成果物については人間によるレビュー チェックポイントを維持します。
失敗パターンを追跡し、プロンプトやワークフローを定期的に再トレーニングします。
探検を続けましょう
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 Next-Token Prediction 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
次のガイド
マルチトークン予測トレーニング
よくある質問
What is Next-Token Prediction?
次のトークンの予測は、GPT スタイル モデルの背後にある一見単純な目的です。これまでのすべてを考慮して、テキストの次の部分を推測します。この 1 つのタスクを何十億回も繰り返すことで、書き込み、推論、会話を行うモデルが生成されます。
次のトークンの予測モデルは各ステップで何を出力しますか?
このモデルは、考えられるすべての次のトークンの確率を生成し、サンプリングまたは貪欲な選択によって 1 つが選択されます。
GPT スタイルのデコーダはどのタイプのアテンションを使用しますか?
因果マスキングにより、位置 N はその前の位置のみを参照できるようになり、左から右への予測設定が維持されます。
ここでの「自己回帰」生成とは何を意味しますか?
自己回帰生成では、1 つのトークンが生成され、それがコンテキストに追加され、ループが繰り返されます。
通常、トレーニング中に最小化される損失関数は何ですか?
クロスエントロピーは、真の次のトークンに低い確率を割り当てるモデルにペナルティを与えます。これは尤度を最大化することと同じです。
サンプリング中に温度を上げるとどうなりますか?
温度が高くなると確率分布が平坦になり、ランダム性が高まります。温度が低いほど、選択はより保守的になります。