トランスフォーマーの機械的解釈性を数学的に解明するフレームワーク

GPT-3 などの大規模言語モデルの内部動作を逆向きに解析する数学的枠組みが提示された。研究者は層数が少ないシンプルなモデルを調査し、注意機構がどのように動作するかを詳細に分解する方法論を開発した。

Nelson Elhage らの研究者らは、トランスフォーマー言語モデルの詳細な計算を逆向きに解析する機械的解釈性の研究として、2層以下の注意機構のみで構成されたモデルを通じた数学的フレームワークを提示した。GPT-3、LaMDA、Codex、Meena、Gopher といった最新の大規模言語モデルが広く実用化される一方で、訓練後数年で新たな能力や問題のある振る舞いが発見されることが多い現状がある。

モデルの層数別機能

研究フレームワークが明らかにした各層の機能は次の通りである。層のない（ゼロ層）トランスフォーマーは重みから直接アクセス可能な 2 語の統計（バイグラム）をモデル化し、1 層の注意機構のみのトランスフォーマーはバイグラムとスキップトリグラムモデルのアンサンブルとして動作する。2 層の注意機構のみのトランスフォーマーはより複雑なアルゴリズムを実装し、特に注意ヘッドの合成により「帰納ヘッド（induction head）」を形成して文脈内学習を実現する。

残差ストリームと注意ヘッドの構造

研究は、トランスフォーマーの内部処理を線形操作として再概念化した。残差ストリームは非線形活性化関数を含まない完全に線形の構造であり、各注意ヘッドの出力は独立して残差ストリームに加算される。個々の注意ヘッドは大きく独立した 2 つの計算、すなわち QK 回路と OV 回路に分解される。W_Q と W_K は常に一体として動作し、W_O と W_V も同様である。通常、個別の注意ヘッドの部分空間は 64 ～ 128 次元のサイズを持つ。

より大規模なモデルへの応用可能性

研究が調査した小規模な注意機構のみのモデルに対し、実際の大規模言語モデルは大きく異なる。GPT-3 は 96 層を持ち、多くのモデルで MLP 層は残差ストリーム次元より 4 倍多くのニューロンを持つ。たとえば 50 層トランスフォーマーの第 25 層では、残差ストリームは前後のニューロン数に比べて 100 倍多く存在する。一部の MLP ニューロンと注意ヘッドは「メモリ管理の役割を担う可能性がある」とされ、一部の MLP ニューロンは「負のコサイン類似度に基づいて情報削除を示唆する可能性がある」とみられる。本フレームワークが「大規模モデルに対しても少なくとも部分的には関連性がある」ことが今後の論文で示されるとされている。

筆者の見立て

• 機械的解釈性が実現可能であれば、安全性問題の説明と将来のモデルの潜在的な安全性課題の予測に対して、より体系的なアプローチを提供「する可能性がある」と論じている
• 小規模なモデルの研究を積み上げることにより、より大規模で複雑なモデルへの知見を応用できるようになる「と予想している」
• 残差ストリームの線形で加算的な構造は「重要な含意を持つ」と解釈している
• 残差ストリームの帯域幅は「極めて高い需要がある」と解釈している
• ボトルネックのような活性化パターンは「解釈が極めて困難」「と予想している」

この記事は元記事の事実のみに基づいて自動生成されました。

出典

A Mathematical Framework for Transformer Circuits https://transformer-circuits.pub/2021/framework/index.html （Distill Circuits thread および InceptionV1 Circuits work の報道による）