如何理解AI模型的“注意力”？

Ilya Sutskever，OpenAI的前首席科学家，曾经在一次演讲中公开提到——

在人工智能的发展中，注意力的出现是最令人兴奋的一项技术进步，并且这项技术将长期存在于AI的基础算法架构中，很难被替代。

很明显，Ilya Sutskever 预言了这项技术的重要性。

这项技术之所以如此重要，很大程度上是因为——

注意力机制的来源，就是人类的天生感觉。AI 的注意力，模拟的是人类感官的第一性。

你可以观察上面的图像，然后思考一下：在观察这只狗的时候，你的注意力（眼睛观察的焦点）最开始放在了图像的什么地方？

这里暂停一下，请观察一下上图。

观察完毕后，请你继续往下看。

人类的视觉注意力，通常会用“高分辨率”关注自己感兴趣的区域（比如你的第一眼可能会落在上图中小狗的耳朵和鼻子上）。

同时用“低分辨率”感知周围的图像（比如你观察了好几遍之后，可能才会注意到雪地背景和小狗身上穿的衣服）。

在这种情况下，眼睛会不断地调整焦点，然后对图像进行推理，得出结论——

图像中是一只小狗（第一反应），披着衣服（可能是第二反应），站在雪地上（可能是第三反应）。

这便是典型的人类视觉系统的注意力机制。

这种机制可以帮助你快速从图像中获取关键信息，同时，以关键信息为基础进行更多的推理。

以上图为例，当你注意到小狗的鼻子和眼睛以及右侧的耳朵（红色框标识）后，你会自然而然的认为，在小狗的左侧会有一只类似右侧尖尖的耳朵存在（黄色框标识）。

这说明，鼻子、右侧的耳朵和嘴巴，对于推理出左侧的耳朵的存在非常重要。

这其中，右侧的耳朵可能更加重要，因为它可以直接给出左侧耳朵的形状和大致轮廓（镜像）。

而小狗身上穿着的衣服，对于推理出小狗左侧的耳朵形状这件事貌似没有太大帮助。

这便是注意力在图像推理中所展现的作用。

更多关于注意力的介绍，可以查看《Transformer最后一公里》专栏。