您的当前位置:首页 > 知识 > Transformer全新里程碑!诞生6年,开山之作被引近8万 正文
时间:2025-03-17 20:50:58 来源:网络整理 编辑:知识
编辑:桃子 好困【新智元导读】Transformer,6岁了!2017年,Attention is All You Need奠基之作问世,至今被引数近8万。这个王者架构还能继续打多久?2017年6月1
编辑:桃子 好困【新智元导读】Transformer,新里6岁了 !程碑2017年 ,诞生Attention is 年开All You Need奠基之作问世,至今被引数近8万 。作被这个王者架构还能继续打多久 ?2017年6月12日,引近Attention is 新里All You Need,一声炸雷 ,程碑大名鼎鼎的诞生Transformer横空出世。
它的年开出现,不仅让NLP变了天 ,作被成为自然语言领域的引近主流模型,还成功跨界CV,新里给AI界带来了意外的程碑惊喜。到今天为止,诞生Transformer诞生6周年 。而这篇论文被引数高达77926。英伟达科学家Jim Fan对这篇盖世之作做了深度总结:1. Transformer并没有发明注意力,而是将其推向极致 。第一篇注意力论文是在3年前(2014年)发表的 。这篇论文来自Yoshua Bengio的实验室,而标题并不起眼「Neural Machine Translation by Jointly Learning to Align and Translate」 。它是「RNN+上下文向量」(即注意力)的组合 。或许很多人都没有听说过这篇论文,但它是NLP中最伟大的里程碑之一 ,已经被引用了29K次(相比之下,Transformer为77K) 。2. Transformer和最初的注意力论文,都没有谈到通用序列计算机。相反 ,两者都为了解决一个狭隘而具体的问题 :机器翻译。值得注意的是,AGI(不久的某一天)可以追溯到不起眼的谷歌翻译。3. Transformer发表在2017年的NeurIPS上 ,这是全球顶级的人工智能会议之一 。然而,它甚至没有获得Oral演讲,更不用说获奖了。那一年的NeurIPS上有3篇最佳论文 。截止到今天,它们加起来有529次引用。Transformer这一经典之作却在NeurIPS 2017没有引起很多人的关注。对此 ,Jim Fan认为,在一项出色的工作变得有影响力之前,很难让人们认可它。我不会责怪NeurIPS委员会——获奖论文仍然是一流的 ,但影响力没有那么大。一个反例是ResNet。何凯明等人在CVPR 2016年获得了最佳论文。这篇论文当之无愧 ,得到了正确的认可。2017年 ,该领域聪明的人中,很少有人能够预测到今天LLM革命性的规模。就像20世纪80年代一样 ,很少有人能预见自2012年以来深度学习的海啸 。OpenAI科学家Andrej Karpathy对Jim Fan第2点总结颇感兴趣,并表示,介绍注意力的论文(由@DBahdanau , @kchonyc , Bengio)比 「Attention is All You Need」的论文受到的关注要少1000倍 。而且从历史上看,这两篇论文都非常普通,但有趣的是恰好都是为机器翻译而开发的。你只需要注意力 !Transformer诞生之前,AI圈的人在自然语言处理中大都采用基于RNN(循环神经网络)的编码器-解码器(Encoder-Decoder)结构来完成序列翻译 。然而,RNN及其衍生的网络最致命的缺点就是慢 。关键问题就在于前后隐藏状态的依赖性,无法实现并行。Transformer的现世可谓是如日中天,让许多研究人员开启了追星之旅。2017年,8位谷歌研究人员发表了Attention is All You Need 。可以说 ,这篇论文是NLP领域的颠覆者。论文地址:https://arxiv.org/pdf/1706.03762.pdf它完全摒弃了递归结构,依赖注意力机制,挖掘输入和输出之间的关系 ,进而实现了并行计算 。甚至 ,有人发问「有了Transformer框架后是不是RNN完全可以废弃了?」JimFan所称Transformer当初的设计是为了解决翻译问题,毋庸置疑。谷歌当年发的博客,便阐述了Transformer是一种语言理解的新型神经网络架构 。文章地址:https://ai.googleblog.com/2017/08/transformer-novel-neural-network.html具体来讲 ,Transformer由四部分组成:输入、编码器、解码器,以及输出 。输入字符首先通过Embedding转为向量,并加入位置编码(Positional Encoding)来添加位置信息。然后,通过使用多头自注意力和前馈神经网络的「编码器」和「解码器」来提取特征,最后输出结果。如下图所示 ,谷歌给出了Transformer如何用在机器翻译中的例子。机器翻译的神经网络通常包含一个编码器 ,在读取完句子后生成一个表征。空心圆代表着Transformer为每个单词生成的初始表征。然后,利用自注意力 ,从所有其他的词中聚合信息,在整个上下文中为每个词产生一个新表征,由实心圆表示。接着 ,将这个步骤对所有单词并行重复多次,依次生成新的表征 。同样,解码器的过程与之类似,但每次从左到右生成一个词。它不仅关注其他先前生成的单词,还关注编码器生成的最终表征。2019年,谷歌还专门为其申请了专利 。自此 ,在自然语言处理中 ,Transformer逆袭之路颇有王者之风 。归宗溯源 ,现在各类层出不穷的GPT(Generative Pre-trained Transformer) ,都起源于这篇17年的论文 。然而,Transformer燃爆的不仅是NLP学术圈。万能Transformer:从NLP跨到CV2017年的谷歌博客中,研究人员曾对Transformer未来应用潜力进行了畅享 :不仅涉及自然语言,还涉及非常不同的输入和输出 ,如图像和视频。没错 ,在NLP领域掀起巨浪后 ,Transformer又来「踢馆」计算机视觉领域。甚至,当时许多人狂呼Transformer又攻下一城。自2012年以来,CNN已经成为视觉任务的首选架构 。随着越来越高效的结构出现 ,使用Transformer来完成CV任务成为了一个新的研究方向,能够降低结构的复杂性 ,探索可扩展性和训练效率。2020年10月 ,谷歌提出的Vision Transformer (ViT),不用卷积神经网络(CNN),可以直接用Transformer对图像进行分类。值得一提的是,ViT性能表现出色,在计算资源减少4倍的情况下 ,超过最先进的CNN 。紧接着 ,2021年,OpenAI连仍两颗炸弹,发布了基于Transformer打造的DALL-E,还有CLIP。这两个模型借助Transformer实现了很好的效果。DALL-E能够根据文字输出稳定的图像 。而CLIP能够实现图像与文本的分类。再到后来的DALL-E进化版DALL-E 2,还有Stable Diffusion,同样基于Transformer架构 ,再次颠覆了AI绘画。以下,便是基于Transformer诞生的模型的整条时间线。由此可见 ,Transformer是有多么地能打。2021年 ,当时就连谷歌的研究人员David Ha表示,Transformers是新的LSTMs。而他曾在Transformer诞生之前,还称LSTM就像神经网络中的AK47。无论我们如何努力用新的东西来取代它,它仍然会在50年后被使用 。Transformer仅用4年的时间 ,打破了这一预言 。新硅谷「七叛徒」如今,6年过去了,曾经联手打造出谷歌最强Transformer的「变形金刚们」怎么样了?Jakob Uszkoreit被公认是Transformer架构的主要贡献者。他在2021年中离开了Google,并共同创立了Inceptive Labs,致力于使用神经网络设计mRNA 。到目前为止,他们已经筹集了2000万美元,并且团队规模也超过了20人。Ashish Vaswani在2021年底离开Google,创立了AdeptAILabs。可以说 ,AdeptAILabs正处在高速发展的阶段。目前 ,公司不仅已经筹集了4.15亿美元,而且也估值超过了10亿美元。此外,团队规模也刚刚超过了40人。然而,Ashish却在几个月前离开了Adept。在Transformers论文中,Niki Parmar是唯一的女性作者 。她在2021年底离开Google,并和刚刚提到的Ashish Vaswani一起 ,创立了AdeptAILabs。不过,Niki在几个月前也离开了Adept 。Noam Shazeer在Google工作了20年后,于2021年底离开了Google。随后,他便立刻与自己的朋友Dan Abitbol一起,创立了Character AI。虽然公司只有大约20名员工,但效率却相当之高。目前,他们已经筹集了近2亿美元,并即将跻身独角兽的行列。Aidan Gomez在2019年9月离开了Google Brain,创立了CohereAI。经过3年的稳定发展后 ,公司依然正在扩大规模——Cohere的员工数量最近超过了180名 。与此同时 ,公司筹集到的资金也即将突破4亿美元大关。Lukasz Kaiser是TensorFlow的共同作者人之一,他在2021年中离开了Google ,加入了OpenAI 。Illia Polosukhin在2017年2月离开了Google,于2017年6月创立了NEAR Protocol。目前 ,NEAR估值约为20亿美元。与此同时 ,公司已经筹集了约3.75亿美元,并进行了大量的二次融资。现在,只有Llion Jones还在谷歌工作。在论文的贡献方面,他风趣地调侃道:「自己最大的意义在于——起标题。」网友热评走到现在 ,回看Transformer,还是会引发不少网友的思考。AI中的开创性论文。马库斯表示 ,这有点像波特兰开拓者队对迈克尔·乔丹的放弃。这件事说明了,即使在这样的一级研究水平上 ,也很难预测哪篇论文会在该领域产生何种程度的影响。这个故事告诉我们 ,一篇研究文章的真正价值是以一种长期的方式体现出来的 。哇 ,时间过得真快 !令人惊讶的是,这个模型突破了注意力的极限 ,彻底改变了NLP 。在我攻读博士期间,我的导师 @WenmeiHwu 总是教育我们,最有影响力的论文永远不会获得最佳论文奖或任何认可,但随着时间的推移,它们最终会改变世界 。我们不应该为奖项而奋斗,而应该专注于有影响力的研究!参考资料:https://twitter.com/DrJimFan/status/1668287791200108544https://twitter.com/karpathy/status/1668302116576976906https://twitter.com/JosephJacks_/status/1647328379266551808举报/反馈国内首次!可复用火箭复用飞行成功马伟明说中美国超级航母痛点 上百亿航母现在烂尾 花费将近8600亿2025-03-17 20:17
原创 正式确定!CBA潜力锋线加盟天津男篮,帮助张庆鹏冲击季后赛2025-03-17 20:17
中铁快运推出“高铁急送”效率:跨城当日达,已经拆穿困绕 88 个都市2025-03-17 20:09
中超第10轮,上海申花-河南,前瞻:轮战上海滩2025-03-17 19:56
错失绝平良机 青岛海牛客场1-2不敌上海上港她是央视最穷酸的主持人,工作22年不涨工资,43岁才凑够首付买房2025-03-17 19:40
湖人如何杀出西部?美媒送4大妙计:寻找替补中锋 重签奇兵排第二2025-03-17 19:21
德甲-多特蒙德VS美因茨比赛分析:关键战,多特蒙德获胜便可夺冠2025-03-17 19:12
新氧宣告2023年Q1财报:付用度户数与总支出实现双削减2025-03-17 19:12
轰31+34+41!恭喜快船赌赢,排队向威少道歉吧,但哈登还蒙在鼓里2025-03-17 18:52
国家网信办宣告《数字中国睁开陈说(2022年)》2025-03-17 18:09
美媒给联盟球队实力分档:勇士五档,湖人四档,森林狼绿军一档2025-03-17 20:17
德甲 | 柏林联合平拜仁 法兰克福大胜莱比锡日本杀人犯因长得帅收获无数女粉,狱中躺着赚上千万,真是没天理2025-03-17 20:09
记者:巴黎圣日耳曼妄想续约里科,各方都在自动2025-03-17 20:09
原创 再见尼克斯?裁他省190万!火箭引援目标高度集中,1号位2留1走?2025-03-17 20:06
原创 再见,曼联乱了,9000万核心走人,拉爵士下通牒,利物浦幕后赢家2025-03-17 20:00
中西两座足球都市的友好情缘2025-03-17 19:55
津门虎梯队首战山东泰山队2025-03-17 19:11
76人无意顶薪续约哈登 名记质疑抬价用力过猛时隔60年,梦露的露背钻石裙,如今依旧美丽动人,相比梦露缺少了一些韵味2025-03-17 18:58
湖人赢步行者内幕?跟浓眉哥关系不大?到底发生了什么?真相大白2025-03-17 18:55
皇马以1亿欧元签贝林厄姆2025-03-17 18:26