陳丹琦團(tuán)隊(duì)揭Transformer內(nèi)部原理：另辟蹊徑，從構(gòu)建初代聊天機(jī)器人入手

2024-07-18 12:58:03

事實(shí)上，除了上述具體發(fā)現(xiàn)，該項(xiàng)目最大貢獻(xiàn)是給研究自動(dòng)可解釋性提供了新思路。自動(dòng)可解釋性是指系統(tǒng)能夠自動(dòng)生成解釋其決策過程的能力，這對(duì)于提高人工智能系統(tǒng)的透明度和可信度非常重要。

好家伙！為了揭秘Transformer內(nèi)部工作原理，陳丹琦團(tuán)隊(duì)直接復(fù)現(xiàn)——

第一個(gè)經(jīng)典聊天機(jī)器人ELIZA。

圖片

ELIZA編寫于20世紀(jì)60年代，主要用于心理治療，在當(dāng)時(shí)似乎已經(jīng)能“聽懂”人說話。

比如下面這個(gè)例子：

圖片

可以看出，ELIZA的對(duì)話方式“有點(diǎn)狡猾”，像極了看似認(rèn)真實(shí)則敷衍的好閨蜜好兄弟~

由于表現(xiàn)出了早期語言模型行為，且算法簡單，團(tuán)隊(duì)通過成功“復(fù)現(xiàn)”ELIZA揭開了Transformer的神秘面紗。

他們在研究中發(fā)現(xiàn)：

Transformer模型傾向于使用注意力機(jī)制來識(shí)別和復(fù)制序列中的特定模式，而非嚴(yán)格按照詞的位置來復(fù)制
即使沒有特別為記憶設(shè)計(jì)的工具，模型也能通過自己的計(jì)算過程來實(shí)現(xiàn)記憶效果

更多詳情接下來一睹為快。

復(fù)現(xiàn)經(jīng)典聊天機(jī)器人ELIZA

動(dòng)手前第一步，先來簡單了解下ELIZA算法。

ELIZA同時(shí)使用本地模式匹配和兩種長期記憶機(jī)制（循環(huán)遍歷響應(yīng)和記憶隊(duì)列）。

圖片

簡單來說，本地模式匹配是指ELIZA有一套關(guān)鍵詞和規(guī)則，當(dāng)它看到用戶說的話里包含這些關(guān)鍵詞時(shí)，就能按照規(guī)則給出回應(yīng)。

而且，ELIZA會(huì)記住以前是怎么回答類似問題的，然后換著花樣給出不同的回答。

甚至它還有自己的小本本（記憶隊(duì)列），可以把用戶說過的重要事情記下來。當(dāng)用戶提到以前的事情時(shí)，ELIZA就可以翻翻筆記本，然后根據(jù)記得的內(nèi)容給出回應(yīng)。

摸清了上述原理，團(tuán)隊(duì)通過4個(gè)子任務(wù)來實(shí)現(xiàn)ELIZA算法。

其核心是使用一組模式匹配規(guī)則（稱為分解模板）和相應(yīng)的轉(zhuǎn)換規(guī)則（稱為重組規(guī)則）來生成響應(yīng)。

圖片

第一步，將輸入分成多個(gè)段落。

這里輸入的是對(duì)話歷史，包括用戶的輸入（標(biāo)記為“u：”）和ELIZA的響應(yīng)（標(biāo)記為“e：”）。

在多輪對(duì)話中，用戶輸入和ELIZA響應(yīng)會(huì)形成一個(gè)連續(xù)的序列，然后Transformer模型使用自注意力機(jī)制來處理這些輸入。它能夠通過注意力權(quán)重來識(shí)別對(duì)話中的重要部分，并據(jù)此生成響應(yīng)。

接下來，團(tuán)隊(duì)利用無星號(hào)正則表達(dá)式（Star-Free Regular Expression）來構(gòu)建ELIZA的模板匹配機(jī)制。

左側(cè)為分解模板，告訴我們機(jī)器人如何識(shí)別用戶說的話。比如，如果規(guī)則是“你 0 我”，那么“你討厭我”和“你覺得我怎么樣”都會(huì)被識(shí)別。

右側(cè)為重組規(guī)則，告訴機(jī)器人如何回應(yīng)。比如，如果規(guī)則是“你 0 我”，那么機(jī)器人可能會(huì)回應(yīng)“你為什么認(rèn)為我討厭你？”這里的“0”會(huì)被替換成用戶實(shí)際說的話。

模型嘗試將每個(gè)用戶輸入與一個(gè)“分解模板”匹配。這個(gè)過程是并行進(jìn)行的，意味著模型會(huì)同時(shí)比較每個(gè)用戶輸入與所有可能的模板，以找到最合適的匹配。

第三步，模型識(shí)別出得分最高的模板。在選擇轉(zhuǎn)換規(guī)則時(shí)，模型不僅考慮模板的匹配度，還會(huì)考慮這個(gè)模板在對(duì)話中較早匹配的次數(shù)。這可能有助于模型更準(zhǔn)確地理解對(duì)話的上下文。

最后，在識(shí)別出匹配的模板后，模型需要生成一個(gè)合適的響應(yīng)。

這一過程涉及到兩種主要的復(fù)制機(jī)制：基于內(nèi)容的注意力（感應(yīng)頭）和基于位置的注意力。前者通過識(shí)別輸入序列中的模式來復(fù)制詞，而后者則依賴于詞在輸入中的具體位置。

為了模擬ELIZA的長期記憶功能，團(tuán)隊(duì)還引入了循環(huán)遍歷重組規(guī)則和記憶隊(duì)列機(jī)制。

比如前者，一種方法是通過計(jì)算模板被匹配的次數(shù)，并使用模運(yùn)算來選擇重組規(guī)則（模塊化前綴和）；另一種方法是通過檢查模型之前的輸出來決定下一次的回應(yīng)（中間輸出）。

再比如后者，一種實(shí)現(xiàn)記憶隊(duì)列的方法是使用一個(gè)自動(dòng)機(jī)，它可以通過增加或減少狀態(tài)來跟蹤隊(duì)列中的記憶（Gridworld automaton）；另一種方法是通過分析模型之前的輸出來確定何時(shí)從記憶隊(duì)列中檢索記憶（中間輸出）。

通過以上幾個(gè)步驟，團(tuán)隊(duì)成功復(fù)現(xiàn)了ELIZA模型。

實(shí)驗(yàn)結(jié)論

為了測試效果，團(tuán)隊(duì)用新模型生成了合成的ELIZA數(shù)據(jù)集，這些數(shù)據(jù)集包括多輪對(duì)話，每輪對(duì)話最多包含512個(gè)詞。

然后，基于這些合成數(shù)據(jù)，團(tuán)隊(duì)使用GPT-2從頭訓(xùn)練了新的Transformer模型。

新模型包含8層解碼器，每層有12個(gè)注意力頭，隱藏維度為768。

通過觀察模型在學(xué)習(xí)過程中的表現(xiàn)，團(tuán)隊(duì)進(jìn)一步分析Transformer模型在處理對(duì)話任務(wù)時(shí)的行為和學(xué)習(xí)機(jī)制。

研究顯示，Transformer模型能夠快速學(xué)會(huì)識(shí)別正確的重組規(guī)則，但需要更長時(shí)間來正確實(shí)施轉(zhuǎn)換。特別是在多輪對(duì)話和內(nèi)存隊(duì)列示例中，準(zhǔn)確性略低。

圖片

另外，團(tuán)隊(duì)進(jìn)一步分析了模型的錯(cuò)誤，發(fā)現(xiàn)模型在精確復(fù)制方面存在困難，尤其是當(dāng)需要復(fù)制的標(biāo)記數(shù)量較多時(shí)。同時(shí)，模型在處理內(nèi)存隊(duì)列時(shí)也遇到了挑戰(zhàn)，尤其是當(dāng)前回合與目標(biāo)內(nèi)存之間的距離較遠(yuǎn)時(shí)。

圖片

最重要的是，研究發(fā)現(xiàn)Transformer模型傾向于根據(jù)對(duì)話內(nèi)容的相似性（Induction Head）來選擇回答，而非嚴(yán)格按照詞出現(xiàn)的位置來復(fù)制；而且，通過調(diào)整數(shù)據(jù)屬性可以影響模型學(xué)習(xí)的機(jī)制。

圖片