Attention 파악하기 A-Z

• 참고 자료 : <김진솔님 블로그>
• 참고 영상 : <Aladdin youtube>

어텐션 모델

• seq2seq의 문제점을 해결하기 위한 모델이 Attention 모델이다.
• 어텐션은 중요한 부분에 더 집중을 하자는 요지로 만들어진 모델이며, 간단히 말해서 인코딩의 모든 은닉층의 정보를 디코더로 전달하는 것이다.
• 단어에 가중치를 주는 레이어가 추가됨(seq2seq에 어텐션 레이어가 추가됨)

마스크(Mask)란?

• Masking 라는 의미는 가린다는 의미이다.
• 디코더(Decoder)에서의 Self-Attention Layer 는 반드시 자기 자신 보다 앞쪽에 포지션에 해당하는 토큰들의 어텐션 스코어만 볼수있다.
• 아웃풋들이 주어졌을 때 뒤에 나오는 단어들은 볼 수 없다. (transformer도 같음)
• Masking을 수학적으로 구현할 때는 Score 값을 -inf (마이너스 무한대) 값으로 표기함으로써 구현할 수 있습니다.
  (값을 구하고 이를 -inf 값으로 변경)

MLM(Masked Language Model)

• MLM은 마스크가 무엇인지 명료하게 알려주는 모델입니다.
• 입력 문장에서 임의로 Token을 마스킹(masking), 그 Token을 맞추는 방식인 MLM 학습 진행
• 문장의 빈칸 채우기 문제를 학습
• 생성 모델 계열은(예를 들어 GPT) 입력의 다음 단어를 예측
• MLM은 문장 내 랜덤한 단어를 마스킹 하고 이를 예측
• 입력의 15% 단어를 [MASK] Token으로 바꿔주어 마스킹
• 이 때 80%는 [MASK]로 바꿔주지만, 나머지 10%는 다른 랜덤 단어로, 또 남은 10%는 바꾸지 않고 그대로 둠
• 이는 튜닝 시 올바른 예측을 돕도록 마스킹에 노이즈를 섞음

Scaled Dot Product Attention(흔히 어텐션으로 알려진 Attention)

• 입력값은 Q(query), K(key), V(value) 그리고 attention mask로 구성 되어 있습니다.
• 입력값 중 K, V는 같은 값 이어야 합니다.
• Q까지 K, V와 동일한 경우는 self attention이라 합니다.
• Query : 찾고자 하는 대상
• Key : 저장된 데이터를 찾고자 할 때 참조하는 값
• Value : 저장되는 데이터

# dictionary 구조를 생각하시면 됩니다
{
    'key1' : 'value1',
    'key2' : 'value2'
}
# query의 값으로는 'key1' 또는 'key2'가 될 수 있습니다.
# 이때 query와 같은 key값을 선택할 지 또는 가장 유사한 key값을 선택할 지는 문제에 따라 달라지게 됩니다.

• 여기서 중요한 점은 Q와 Key값들이 얼마나 유사한지 계산하는 것입니다.
  
  • 즉, (softmax를 적용하여 총 합이 1인) Key값들과 Value의 값을 곱한 후 모두 더하면 Attention value가 되는 원리입니다.
  • Query는 Decoder의 은닉층(hidden state)가 됩니다.
  • Attention에서는 Encoder의 hidden state를 Key와 Value로 사용합니다.
    
    (앞서 말한 self attention) 즉, Key와 Value는 같고 단어의 갯수 만큼 Key 값을 가집니다.

원-논문에서 Compare는 Fully Connected 방식의 연산을 이용하였고

Aggregate의 경우 모든 key-value에 대하여 벡터의 element-wise multiplication 연산을 한 후
element-wise sum을 하여 Attention Value를 생성합니다.
수식은 아래와 같습니다.

$$ \text{Compare}(q, k_{j}) = q \cdot k_{j} = q^{T}k_{j} $$

$$ \text{Aggregate}(c, V) = \sum_{j} c_{j}v_{j} $$

요약

• 아래 그림들로 요약을 하겠습니다.
• Encoder의 hidden state는 (Key, Value)로 사용됩니다. 아래의 그림에서 h는 Key와 Value로 사용됩니다.
• Decoder의 hidden state는 Query로 사용됩니다.

• Decoder에서 s라는 Query가 입력되고 그 Query와 모든 key 값인 h (아래 그림에서는 $$ h_{0}, h_{1}, h_{2} $$)와 Comparison 연산을 통하여 유사도를 구합니다. 값은 softmax를 거치기 때문에 확률 값처럼 총 합이 1이 됩니다.
• 그러면 Value에 해당하는 h와 유사도를 곱하고 결과들을 합하여 최종적으로 a 라는 Attenen value를 출력합니다.
• 수식으로 표현하면 다음과 같습니다.

$$ c_{i} = \text{softmax}(s_{i}^{T}h_{j}) $$

$$ a_{i} = \sum_{j}c_{i}h_{j} $$

• 그리고 Decoder의 은닉층은 RNN(또는 LSTM)에서 연산하여 $$ s_{i} $$ → $$ s_{i+1} $$로 만듭니다.
• 그 후 $$ a_{i} $$와 $$ s_{i+1} $$을 합하고 ($$ v_{i} = [s_{i}; a_{i-1}] $$) 하여 $$ v_{i+1} $$을 만듭니다. 이 값을 FC layer와 Softmax를 거쳐서 최종 출력인 $$ y_{i} $$를 출력합니다.

attention에서 Query, Key, Value를 사용하지 않고 다른 방법으로 사용도 가능합니다.

바다나우 어텐션 vs Dot_Product_Attention

• 컨텍스트 벡터(context vector)

바다나우: 컨텍스트 벡터를 구할 때 이전 시점의 은닉 상태를 사용한다.
Dot_Product_Attention: 컨텍스트 벡터를 구할 때 현재 시점의 은닉 상태 st를 사용한다.

• 출력

바다나우: 현재 시점의 은닉 상태로부터 출력이 나온다.
Dot_Product_Attention: 현재 시점의 은닉 상태는 RNN의 은닉 상태 역할만 하고, 새로운 벡터를 사용한다.

• 계산 속도

바다나우: 디코더의 은닉 상태를 구할 때 컨텍스트 벡터가 사용되므로 RNN의 재귀 연산이 수행될 때 컨텍스트 벡터가 구해질 때까지 기다려야 한다. 계산이 느림
Dot_Product_Attention: 계산이 빠름

• 인코더의 은닉 상태 사용

바다나우: 인코더의 모든 은닉 상태의 벡터를 본다.
Dot_Product_Attention: 특정 하이퍼파라미터 D에 대해 (2D+1)개의 부분집합 벡터만 본다.

셀프 어텐션이란?

• 같은 문장 내의 두 token 사이의 Attention을 계산하는 방식은, Self-Attention이라고 부른다.
• Q, K, V 형태가 동일
• 반면, 서로 다른 두 문장에 각각 존재하는 두 token 사이의 Attention을 계산하는 것을 Cross-Attention이라고 부른다.