ДаліНаступний посібник
Індукційні головки в трансформаторах
ШІ мови
Мова AI GUIDE
трансформери
Трансформатор — це архітектура нейронної мережі, яка використовує увагу для об’єднання інформації в послідовність.
Послухайте цей посібникШІ-розказаний · ~2 min
На цій сторінці2 хвилини читання
Огляд
Він лежить в основі багатьох мовних і мультимодальних моделей. Архітектура забезпечує спосіб обробки представлень; він сам по собі не встановлює фактичність, розуміння або безпечну поведінку.
Ключові висновки
- Увага поєднує інформацію по позиціях.
- Варіанти архітектури служать різним цілям навчання.
- Можливість тривалого контексту потребує тестування для конкретного завдання.
Глибоке занурення
Увага обчислює, скільки інформації одна позиція повинна взяти з інших позицій. У загальному формулюванні навчені прогнози створюють запити, ключі та значення. Порівняння ключів запитів визначають ваги, які використовуються для об’єднання значень. Кілька головок уваги дозволяють кілька таких комбінацій у межах шару. Рівень трансформатора також включає інші операції, такі як мережа прямого зв’язку, нормалізація та залишкові з’єднання. Інформація про позицію потрібна, оскільки порядок слів або інших елементів послідовності має значення. Конкретні реалізації відрізняються тим, як вони представляють позицію та організовують ці операції. Оригінальний трансформер 2017 року використовував кодер-декодер для перекладу. Пізніші моделі використовують лише кодер, лише декодер або кодер-декодер для різних цілей. Модель причинно-наслідкової мови запобігає позиції від звернення до майбутніх токенів під час передбачення наступного токена. Це обмеження відрізняється від двонаправленої обробки повного введення. Увага до довгих послідовностей може бути дорогим з обчислювальної точки зору. Практичні системи використовують різні оптимізації, але рекламоване обмеження контексту не доводить, що модель надійно використовує кожну частину довгого документа. Перевірте пошук, міркування та інструкції, дотримуючись фактичної довжини, необхідної вашій програмі.
04Спрацьований приклад
Відстежуйте посилання через контекст
Розглянемо вигаданий текст «Робот перемістив ящик, тому що він блокував дверний отвір».
Слово «воно» може потребувати контексту для вирішення. Механізм уваги може поєднувати інформацію з інших позицій під час обчислення представлення.
Змініть речення на «Робот перемістив ящик, тому що його потрібно було зарядити». Перевірте повну інтерпретацію моделі, а не припускайте, що діаграма уваги доводить правильну еталонну роздільну здатність.
Що це показує
Цей приклад ілюструє контекстну обробку, не стверджуючи, що кожен трансформатор правильно вирішує неоднозначність.
Реалізація в реальному світі
Закодуйте документ для класифікації.
Генеруйте відповідь по одному токену за раз, використовуючи причинну увагу.
Застосування на практиці
Чому це важливо
- Швидкість і масштаб. Мовні робочі процеси можуть рухатися швидше без шкоди для узгодженості.
- Доступ і охоплення. Це розширює доступ до різних мов і стилів спілкування.
- Чіткіші рішення. Команди можуть витрачати більше часу на оцінювання, поки автоматизація справляється з повторенням.
Зверніть увагу на
- Галюциновані факти можуть непомітно входити у звіти, допоміжні потоки або результати досліджень.
- Делікатність підказок може створити суперечливі результати для подібних запитів.
- Конфіденційні текстові дані можуть бути розкриті, якщо контроль доступу слабкий.
Наступні кроки
- Визначте вихідний формат, тон і стандарти якості перед розгортанням.
- Якщо точність має значення, зв’яжіться з надійними джерелами.
- Тримайте контрольну точку перевірки людьми для отримання високих ставок.
- Відстежуйте моделі збоїв і регулярно перенавчайте підказки або робочі процеси.
Джерела та подальше читання
- Vaswani and colleaguesУвага — це все, що вам потрібно
Продовжуйте досліджувати
Безплатний розсилок
Отримуйте щоденне зведення новин про ШІ
Три перевірені історії про ШІ щоробочого ранку, написані простою мовою. Безплатно назавжди, без реклами.
Один лист щотижня з понеділка по п'ятницю. Відписатися в один клік. Ми ніколи не продаємо та не передаємо вашу адресу.
Перевір себе
Take the Transformers quiz
Миттєва зворотна связь на кожну відповідь та сертифікат із перевіреним ідентифікатором, яким можна поділитися, після проходження курсу.
Підтримайте безплатну освіту у сфері ШІ. AI Understanding — це некомерційна організація 501(c)(3) — без реклами, без платних стін, назавжди. Зробіть пожертву
Часті запитання
Чи всі трансформери є чат-ботами?
Ні. Transformers можуть підтримувати класифікацію, переклад, пошук, бачення, аудіо та інші завдання; чат-бот — це програма, створена на основі моделей і додаткових систем.
Продовжуйте вчитися
Пов'язані посібники
Інші посібники, вибрані для цієї теми