我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
回顧我們在AI說書 - 從0開始 - 4中說Transformer的精髓就是考慮「字與字之間的配對關係」，我們稱其為Attention Layer，再搭配我們在機器學習領域中，常用數學向量來表達一個字 (AI只看得懂數學，看不懂文字)，因此如果我定義這個向量的維度是d，而整個Context的長度是n，則Attention Layer的複雜度就是O(n^2 * d)。
那我們來比較，Transformer與其競爭對手 - RNN，這家族裡面，有LSTM、GRU等兩大專門處理自然語言的AI模型，這個RNN家族學習方式是：
- Context裡面的第一個字維度是d
- Context裡面的第二個字維度也是d，再和第一個字的維度d，做複雜運算得出精華
- Context裡面的第三個字維度也是d，再和剛剛的精華，萃取出前三個字的精華
- Context裡面的第四個字維度也是d，再和剛剛的精華，萃取出前四個字的精華
- 以此類推
透過這樣的精神，可以看出它是一種Recurrent的機制，因此Recurrent Layer的複雜度就是O(d^2 * n)。
用一句話來說Attention Layer和Recurrent Layer的精神就是，Attention Layer learns the dimensions with pairwise relationships而Recurrent Layer learns in a sequence。
也因為這樣的差異，可以想像Recurrent Layer一次要學一個Sequence會比較容易忘記前面的字，而Attention Layer就不會有忘記前面的字的問題，因為它是學習字與字間的配對關係。
