문장 속 각 토큰이 다른 토큰을 얼마나 눈여겨볼지 정하는 계산이에요.
어텐션은 단어 하나가 문장 속 다른 단어들을 얼마나 세게 쳐다볼지 점수로 정하는 계산이에요. 점수는 정해진 몫을 나눠 갖는 방식이라, 한쪽을 세게 보면 다른 쪽은 약해져요. 시선이 몰리는 곳을 보고 '그것'이 무엇을 가리키는지 같은 뜻이 잡혀요.
어텐션은 2014년 번역 연구에서 크게 주목받았어요. 번역할 때 원문의 어디를 볼지 정하는 장치였죠. 2017년 트랜스포머는 이 어텐션만으로 문장 전체를 읽는 구조를 만들었고, 이를 셀프 어텐션이라고 불러요.
글이 길어질수록 서로 쳐다봐야 하는 짝이 크게 늘어나서 계산도 많아져요. 컨텍스트 창을 늘리기가 쉽지 않은 까닭 중 하나예요.
비유로 보면
시끄러운 급식실에서도 내 이름이 들리면 그쪽으로 귀가 확 쏠리죠. 한쪽에 귀를 기울이면 다른 소리는 작게 들려요. 어텐션은 단어마다 '지금 누구 말에 귀 기울일지'를 나눠 정하는 일이에요.
예를 들면
'민지가 가방을 챙겼는데, 그것은 무거웠다'에서 '그것'은 '민지'보다 '가방'에 시선을 더 많이 줘요.
이 낱말과 이어진 기록
출처로 확인한 AI 역사 속 장면이에요.
Google (Vaswani 외)
Transformer 논문 Attention Is All You Need 공개
순환 없이 self-attention만으로 병렬 학습이 가능해져 대규모 사전학습의 구조적 전제가 성립
Dzmitry Bahdanau·Kyunghyun Cho·Yoshua Bengio
Neural Machine Translation by Jointly Learning to Align and Translate arXiv 공개
고정 길이 벡터 병목을 어텐션으로 푼 논문. Transformer 셀프어텐션의 직접 선행