“Transformer”
“各位院士，各位教授。”陈启明的声音不大，却清晰地回响在每个人的耳边，“欢迎来到大语言模型的新世界。我们首先要学习的，不是算法，不是优化，而是这个模型的‘基本骨架’。”
他开始在白板上书写。
“它的核心，不是CNN，也不是RNN，而是一种全新的东西，叫做‘自注意力机制（Self-Attention）’……”
一群平均年龄超过六十岁、站在龙国科技金字塔顶端的学者们，此刻像一群小学生一样，屏息凝神，围在一个高中生的身边，聆听着一场足以开启新时代的讲座。
他们的面前，摆着厚厚的笔记本，上面画满了各种他们自己都看不懂的失败模型架构。而现在，这些耗费了无数心血的草图，在少年口中那句“全新的东西”面前，显得如此苍白无力。
“自注意力机制……”
严树隆院士喃喃自语，他身旁一位主攻计算机视觉的张院士皱起了眉头，忍不住发问：“陈同学，这个‘注意力机制’我们了解一些，在图像识别里，是让模型关注图片的关键区域。但你说的‘自’注意力，还是用在自然语言处理上……这……这怎么理解？”
这是所有人的疑问。
他们的大脑，还停留在“处理序列问题就用RNN（循环神经网络），处理图像问题就用CNN（卷积神经网络）”的经典教科书时代。他们尝试过魔改RNN，让它的记忆单元更长，但模型变得臃肿不堪，训练起来如同老牛拉车。他们甚至异想天开地尝试用CNN来捕捉词语之间的局部关系，结果造出来的模型只会说胡话，逻辑混乱得像个醉汉。
他们一直在旧的框架里打补丁，却从未想过，或许，整个地基都是错的。
陈启明没有直接回答，而是拿起笔，在白板上写下了一个简单的句子：
“机器人举起了锤子，因为它很重。”
他转过身，看向众人，提问：“请问，这句话里的‘它’，指代的是什么？”
“锤子。”严树隆不假思索地回答。
“那如果句子是‘机器人没有举起锤子，因为它很重’呢？”陈启明又问。
“……指的是机器人。”另一位教授回答，有些不确定。
“完全正确。”陈启明点点头，脸上露出一丝微笑，“各位前辈，你们的大脑在几分之一秒内就完成了这个复杂的指代消歧工作。你们是怎么做到的？你们在读到‘它’这个字的时候，会不自觉地回顾整句话，然后根据上下文的逻辑，给‘机器人’和‘锤子’这两个词，分配不同的‘关注度’权重。在第一句话里，‘锤子’的权重最高；在第二句话里，‘机器人’的权重最高。”
他用笔在“它”和“锤子”、“机器人”之间画上了不同粗细的连线。
“自注意力机制，就是让机器学会做这件事。它在处理序列中的任何一个单词时，都能同时‘看到’序列中所有其他的单词，并计算出每一个单词对于当前单词的重要性，也就是‘注意力得分’。得分越高的，关系越密切。”
一番话，如同一道惊雷，在众人的脑海中炸响！
严树隆院士的眼睛猛地瞪圆，他一拍大腿，声音都有些颤抖：“我明白了！我明白了！RNN是一步一步地看，像个得了健忘症的老头，看到后面就忘了前面！而你这个自注意力机制，是让模型长了一双‘全景眼’，它在看第一个字的时候，就已经把最后一个字是什么都纳入了考量！这不是序列处理，这是……这是全局并行处理！”
“太妙了！这简直是降维打击！”那位张院士也激动得满脸通红，“我们之前所有的尝试，都是在教一个瞎子摸象，摸到腿就说大象是柱子，摸到鼻子就说大象是管子。而你，直接开了一盏探照灯，把整头大象照得清清楚楚！”
他们都是各自领域的顶尖天才，一点就透。陈启明这个简单到极致的比喻，瞬间捅破了那层最关键的窗户纸。
“没错。”陈启明继续在白板上画着，“为了实现这一点，我们需要为每个单词生成三个向量，分别是Query（查询）、Key（键）和Value（值）。”
Q、K、V三个字母出现在白板上，对这群科学家来说，这像是打开了新世界的大门。
“大家可以把它理解成一个信息检索系统。当前这个单词是‘查询者’（Query），它要去问句子里的所有单词（作为Key），‘嘿，你跟我有多相关？’。通过计算Query和每个Key的点积，就能得到一个‘相关度’，也就是注意力分数。然后，我们用这个分数，去对所有单词的‘真实信息’（Value）进行加权求和。这样，模型就得到了一个融合了全局上下文信息的新表示。”
逻辑清晰，简单粗暴，又充满了数学上的美感。
整个会议室鸦雀无声，只剩下粗重的呼吸声。他们看着白板上那简洁的QKV模型图，感觉自己过去几个月熬夜画出的那些复杂到堪比迷宫的架构图，简直就是一堆工业垃圾。
本小章还未完，请点击下一页继续阅读后面精彩内容！