大数据文摘出品
AI圈炸了！微软推出的 LONGNET 成功将Transformer的Token处理能力扩展到了10亿+。
图片
要知道，之前大家一直夸Transformer的理解能力和短序列生成能力，对长序列一直“有心无力”。
微软这一次操作相当于让一个短跑冠军拥有了极速跑马拉松的能力。毕竟，处理长序列的同时，处理短序列任务时依然保持优秀的性能。
LONGNET is a Transformer variant that can scale sequence length to more than 1 billion tokens, with no loss in shorter sequences.
图片
对此，网友评论：这是一场革命！
因为，这项工作为建模长序列提供了新的思路和可能，未来，甚至有望将整个互联网语料视为一个Token。同时，意味着更复杂的 AI 互动成为可能。
LONGNET解封序列长度
Transformer 模型是许多AI系统的核心架构，工作原理是处理由Tokens组成的信息序列，从而理解或生成文本。
注：Token可以是简短的单词或者完整的句子。
全局注意力机制
全局注意力（global attention）是Transformer理解能力的关键所在，它允许一个Token与其他所有Token进行“互动”。序列一旦变得越长，互动次数呈指数级增长，大大增加了计算复杂性。
上段内容有点抽象，解释一下：想象一下，你试图与房间里的每一个人分别进行对话。如果只有几个人，这是可以应对的。但随着人数的增加，很快就变得难以承受。
ChatGPT就是 OpenAI 基于Transformer开发的，大家在使用它进行上下文对话的时候，会发现它会经常“忘”了你之前给他说过的话。
以后，有了LONGNET 就解锁了ChatGPT无限对话能力，它会记起你最开始的提问。
LONGNET的核心：扩张注意力的力量
图片
在LONGNET这项工作中，微软的研究员将一种称为“扩张注意力”（dilated attention）的新颖概念引入到Transformer 模型中，从根本上改变了模型处理序列的方式。
扩张注意力的妙用在于，距离增大时能够关注更多的Token，而无需让每个序列与其他所有序列互动。
就像，在人群中既能关注到附近的人，也能关注到远离的人，但不需要与每个人单独交谈。
图注：扩张注意力在 LONGNET 中使用的构建模块。包括一系列用于建模短程和长程依赖关系的注意力模式。注意力模式的数量可以根据序列长度进行扩展。
这和稀疏注意力模式很像，但借鉴了线段树的思想。能让与序列长度成指数关系增长的互动次数变为线性增长。话句话说，随着序列变得越来越长，计算工作量的增加变得更容易应对。
扩张注意力不仅让 LONGNET 更高效，还让其更具灵活性。因为不需要与每个序列互动，还可以根据任务调整关注焦点，这使得它能够有效处理短序列和长序列。
LONGNET在通用语言任务方面也表现出色。这意味着它不仅是一种专门用于长序列的工具，而且是一种能够处理许多任务的稳健且灵活的模型。
图注：不同方法之间计算复杂性的比较。N 是序列长度，d 是隐藏层的维度。
此外，研究人员将 LONGNET 与传统的 Transformer 和稀疏 Transformer 进行了对比。为了进行比较，他们将这些模型的序列长度从 2,000 个标记（2K）扩展到 32,000 个标记（32K）。为了确保比较的公平性，他们调整了各模型的参数。尽管在计算上有一定限制，但实验结果仍然非常出色。
同时，增加模型参数从1.2亿到27亿，随着LongNet的计算量增加，在测试集上的PPL也随之降低。这体现出，LongNet同样满足scaling law。训练更大的语言模型可能能取得更好的表现。
LONGNET并非没有局限，例如虽然扩张注意力机制将计算复杂性降低到低于标准 Transformer 模型的水平，但处理超过 10 亿个标记的序列仍然需要大量资源。此外，虽然有强大的性能，但可能仍需要进行更多的测试和验证。
微软也提出了关于LONGNET的未来研究方向：如何进一步优化扩张注意力机制？是否有其他序列处理技术可以与扩张注意力相辅相成？如何将LONGNET 有效地整合到现有的 AI 系统（如 ChatGPT）中？
论文地址：
https://arxiv.org/abs/2307.02486
参考来源：
© 版权声明
文章版权归作者所有，未经允许请勿转载。
