备受关注的大语言模型，核心是自然语言的理解与文本内容的生成，对于此，你是否好奇过它们究竟是如何理解自然语言并生成内容的，其工作原理又是什么呢？

要想了解这个，我们就不得不先跳出大语言模型的领域，来到机器翻译这里。传统的机器翻译方式，还是采用 RNN 循环神经网络。

就“我画一幅画”这句话而言，它会先将其拆分为“我”、“画”、“一幅”、“画”四个词，然后递进式一个词一个词对这句话进行理解翻译，像是：

然后输出：I have drawn a picture.

这种方式简单直接，但因为 RNN 自身的线性结构导致其无法对海量文本进行并行处理，运行缓慢，另外还会有“读到后面忘了前面”，使 RNN 在处理长序列时会出现梯度消失或爆炸的状况。

直到2017年，Google Brain 和 Groogle Research 合作发布了一篇名为《Attention Is All You Need》的论文，该论文为机器翻译处理提供了一个崭新的方式，同时起了一个与《变形金刚》相同的名字——Transformer。

Transformer 能对海量文本进行并行处理，因为它使用的是一种特殊的机制，称为自注意力(self-attention)机制。就像我们在进行长阅读时，大脑会依靠注意力选择重点词进行关联，从而“略读”后对文章更好的理解，该机制的作用就是赋予AI这项能力。

同样还是“请注意垃圾分类”这句话，同样是被分成“我”、“画”、“一幅”、“画”四个词，在 Transformer 中它们会经历输入、编码器（encoder）、解码器（decoder）、输出四个阶段。

具体来看，当句子拆解后输入到编码器（encoder）中，编码器会先对每个词的生成一个初始表征，可简单理解为对每个词的初始判断，比如“画”是名词，也可以是动词。

然后，利用自注意力(self-attention)机制计算词与词之间的关联程度，可以理解为进行打分，比方第一个“画”与“我”的关联程度高就给打6分，第二个“画”与“一幅”的关联也高打8分，“我”与“一幅”没什么关联就打-2分。

接着，根据打分对先前生成的初始表征进行加工，第一个“画”与“我”的关联程度高，那就可以降低表征中对名词词性的判断，提升动词词性的判断；第二个“画”与“一幅”的关联程度高，那就可以降低表征中对动词词性的判断，提升名词词性的判断。

最后，将加工过的表征输入到解码器（decoder），解码器（decoder）再根据对每个词的了解结合上下文，再输出翻译。在这期间，每个词与词之间都可以同时进行，大大提高了处理速率。

可这样的 Transformer 和大语言模型有什么关系呢？

大语言模型本就是指使用大量文本数据训练的深度学习模型，而 Transformer 正好能为大量文本数据训练提供足够的动力。另外，在加工过的表征输入到解码器（decoder）后，能依靠这些表征推断下一个词出现的概率，然后从左到右逐字生成内容，在这个过程中还会不断结合先前已生成的这个词共同推断。

比如根据“一幅”、“画”这两个词推断出下一个词是“风格”的概率最大，再兼顾“一幅”、“画”与“风格”推断下下个词是“水墨”，以此类推再下下下个词，下下下下个词，这才有了我们看到的大语言模型的内容生成。

这也是为什么大家普遍认为，大语言模型的诞生起点，就是 Transformer。

那么，Transformer 中最关键的自注意力(self-attention)机制是如何知道“打多少分”的呢？

这是一套比较复杂的计算公式：

作简单理解的话，可以想想数学课本上关于向量的知识，当两个向量 a 和 b 同向，a.b=lallb|；当 a 和 b 垂直，a.b=0；当 a 和 b 反向，a.b=-lallbl。

如果把这里的 a、b 两个向量，看作是“我”、“画”、“一幅”、“画”四个词当中的两个在空间中的投射，那 a 乘 b 的数值就是打分。

只是这是简单理解，在现实中还需要一套纷繁复杂的计算过程，并且还需要多次的重复，才能获取到更加准确的信息，确定每个词符合上下文语境的含义。

以上就是大语言模型的工作原理了，强大 Transformer 的实用性还不止于在自然语言处理领域，包括图像分类、物体检测和语音识别等计算机视觉和语音处理任务也都有它的身影，可以说 Transformer 就是是今年大模型井喷式爆发的关键。

当然，Transformer 再强也只是对输入的处理过程，要想生成式 AI 生成的内容更符合我们的需求，一个好的输入是重要前提，所以下一期我们就来聊聊什么是好的输入，Prompt 又是什么？