關註並星標
從此不迷路
電腦視覺研究院
公眾號ID ｜ ComputerVisionGzq
電腦視覺研究院專欄
這家由 OpenAI 前核心員工組成的 AI 創業公司，正在努力開啟 Transformer 的黑箱。
在過去的兩年裏，人工智能在自然語言處理領域的突破達到了驚人的水平。很多重要的突破都是基於谷歌在 2017 年提出的 Transformer 架構。
但在模型之下，我們仍然不知道 Transformer 對其處理的單詞做了什麽。從普遍的理解來看，它們能夠以某種方式關註多個單詞，從而可以立即進行「全域」分析。但這究竟是如何做到的，或者這種說法是否是理解 Transformer 的正確方式，都還不清楚。我們知道「成分」，但卻不了解「配方」。
現在，Anthropic 公司的研究人員進行的兩項研究試圖從根本上探究 Transformer 在處理和生成文本時會做什麽。Anthropic 公司成立於 2021 年 5 月，團隊主要由一批前 OpenAI 核心員工組成，致力於提高 AI 的安全性及可解釋性。
第一篇論文 發表於 2021 年的 12 月，作者著眼於架構的簡化版本，並充分解釋了它們的功能。以色列理工學院的 Yonatan Belinkov 表示：「這些簡化架構很好地描述了 Transformer 在非常簡單的情況下是如何工作的。我對這項工作非常感興趣。它很有趣，同時很有前途，也比較獨特和新穎。」
論文連結：https://transformer-circuits.pub/2021/framework/index.html
作者還表明，簡單的 Transformer 具備從學習基本語言模式到語言處理的一般能力。「你會看到能力的飛躍」，哈佛大學的 Martin Wattenberg 說道。研究團隊已經開始破解 Transformer 的「配方」了。
在 2022 年發表的第二篇論文中，研究者表明，負責這種能力的相同元件在最復雜的 Transformer 中也能發揮作用。雖然這些模型背後的數學原理在很大程度上仍然難以理解，但該研究的結果提供了一種理解途徑。「他們在簡化版模型中發現的東西可以遷移到更大的模型中」，Conjecture 公司和研究小組 EleutherAI 的 Connor Leahy 說道。
論文連結：https://transformer-circuits.pub/2022/in-context-learning-and-induction-heads/index.html
理解 Transformer 的難點在於它們的抽象。傳統程式遵循可理解的過程，例如每當看到「green」一詞時，就輸出「grass」一詞，而 Transformer 將「green」一詞轉換為數碼，然後將它們與某些值相乘。這些值（也稱為參數）決定下一個單詞是什麽。Transformer 在訓練的過程中得到微調，模型能夠學會產生最佳輸出，但目前尚不清楚模型學習的是什麽。
大多數機器學習程式將數學打包為模組化的神經元。Transformer 則加入了一種額外的成分，稱為註意力頭（attention head），這些頭分層排列（就像神經元一樣）。但是頭的運算方式與神經元不同。頭的作用通常被理解為「允許程式記住輸入的多個單詞」，但這種解釋並不確切。
「註意力機制顯然是有效的。它取得了很好的效果，」Wattenberg 說。「但問題是它在做什麽？我的猜測是它正在做很多我們不知道的事情。」
為了更好地理解 Transformer 的工作原理，Anthropic 的研究人員簡化了架構，去掉了所有的神經元層和除了一層或兩層註意力頭之外的所有層。這讓他們發現了 Transformer 和簡化模型之間的聯系。
理解 Transformer
先假設一種最簡單的語言模型，稱為「二元模型」，它再現了基本的語言模式。例如在大型文本上訓練時，二元模型會記下單詞「green」之後最常出現的單詞（例如「grass」）並記住它。然後，在生成文本時，它會重現相同的模式。透過為每個輸入單詞記住一個相關的後續單詞，它可以獲得非常基本的語言知識。
研究人員表明，具有一層註意力頭的 Transformer 模型做了類似的事情：它再現了所記憶的內容。假設你給它一個特定的輸入，比如「Doctor Smith went to the store because Doctor …」這個輸入被稱為 prompt 或上下文。對我們來說，下一個詞是顯而易見的 ——Smith。
在訓練好的單層模型中，註意力頭可以分兩步進行此預測。首先，它檢視上下文中的最後一個詞（Doctor），並在它（訓練期間）已經學習的上下文中搜尋一個特定的詞以與最後一個詞相關聯。然後，對於找出的單詞，尋找另一個它已知相關聯的單詞，就像二元模型一樣。最後將這個關聯的詞移動到模型的輸出中。
對於這個例子，研究人員表示，根據最後一個詞「Doctor」，註意力頭從訓練中知道：要搜尋一個通用名稱的詞。在句子前面找到名字「Smith」時，註意力頭會檢視它學到的與「Smith」相關聯的內容，並將該詞移動到輸出。（在這種情況下，模型已經學會將同一個詞「Smith」與找到的詞「Smith」相關聯。）整個過程的凈效果是模型將「Smith」這個詞從上下文復制到輸出。
研究作者：Chris Olah（左）、Catherine Olsson（中）和 Nelson Elhage（右）
「在這裏，我們實際上可以理解註意力的作用，」研究的共同作者之一 Chris Olah 說。
但這種「記憶」只能幫模型到這裏了。思考一下，當史密斯的名字變成一個虛構的名字時會發生什麽，比如「Gigamuru」。對我們來說，句子如何完成仍然很簡單 ——Gigamuru，但模型在訓練期間不會看到虛構的詞。因此，它不可能記住它與其他詞之間的任何關系，也不會生成它。
當研究一個更復雜的模型 —— 一個有兩層註意力頭的模型時，Anthropic 團隊找到了一種解決方案。該方案依賴於註意力頭獨有的能力：它們不僅可以將資訊移動到輸出上，還可以移動到上下文中的其他地方。
借助這種能力，第一層的頭部學習利用前驅詞的資訊來註釋上下文中的每個詞。然後，第二個頭可以搜尋以單詞 「Doctor」（在本例中為 「Gigamuru」）之前的單詞，並像單層模型中的頭一樣，將其移動到輸出上。研究人員將與前一層中頭協作的後一層中的註意力頭稱為感應頭（induction head）。感性頭不僅有記憶的功能，而且可以做一些類似於抽象推理或實作演算法的事情。
感應頭能讓兩層模型做到更多的事情，但它們與全尺寸 Transformer 的相關性尚不清楚，它們有數百個註意力頭協同工作。在第二篇論文中，研究人員發現這些結果得到了延續：感應頭似乎對一些最復雜多層架構的顯著行為做出了重大貢獻。
在這些行為中，算術的能力得到彰顯，因為模型只被訓練來完成文本。例如，如果給出重復 prompt：「問：48 加 76 等於多少？答：124；問：48 加 76 等於多少？A：___」一個完整的模型會得到正確的答案，並且在獲得足夠多的非重復 promp 後，它就能正確回答它從未見過的算術問題。這種從上下文中明顯學習新能力的現象稱為「上下文學習」。
這種現象令人費解，因為從上下文中學習是不可能的。這是因為決定模型效能的參數僅在訓練期間進行調整，而沒有在模型處理輸入上下文時進行調整。
感應頭至少解決了部份難題。它們解釋了上下文學習的簡單、重復形式的可能性，同時提供了所需要的 —— 復制模型未經訓練使用的新詞（如「Gigamuru」或「124」）的能力。
論文作者之一、Anthropic 團隊成員 Catherine Olsson 表示：「感應頭更可能適應各種模式，即使它有些許奇怪或新奇。」
該研究進一步在多層模型中套用感應頭，表明感性頭能夠參與更新穎的上下文學習形式，例如學會轉譯語言。
該研究為理解 transformer 提供了一個新的視角。它們不僅在獲取知識，而且還在學習處理根本沒有學過的東西。這或特許以解釋 transformer 現在的「霸主」地位。
原文連結：https://www.quantamagazine.org/researchers-glimpse-how-ai-gets-so-good-at-language-processing-20220414/
© THE END
轉載請聯系本公眾號獲得授權
電腦視覺研究院學習群等你加入！
電腦視覺研究院 主要涉及 深度學習 領域，主要致力於 人臉檢測、人臉辨識，多目標檢測、目標跟蹤、影像分割等 研究方向。 研究院 接下來會不斷分享最新的論文演算法新框架，我們這次改革不同點就是，我們要著重」 研究 「。之後我們會針對相應領域分享實踐過程，讓大家真正體會 擺脫理論 的真實場景，培養愛動手編程愛動腦思考的習慣！
電腦視覺研究院
公眾號ID ｜ ComputerVisionGzq
🔗
