はてなブックマーク

はじめに この記事は、鈴木大慈先生の論文[1]の付録部分についての備忘録です。 Transformerをベースとした生成AIに多額のお金が投資されてます。また、Transformerをベースとした日本語に対応したLLMがリリースされるたびにニュースで取り上げられるなど注目されています。なぜTransformerがすごいのか？という根拠を、数理工学的に解説した論文[1]は、社会的に価値があると思い、備忘録を公開します。 Transformerは優れたモデルか？ 論文[1]では、「Transformerは、はたして優れたモデルなのか？」を解析しています。 結論から言うと、 無限次元入力のsequence-to-sequence関数に対し、Transformerは近似・推論能力をもつ Attentionは、入力列に応じて重要なトークンを選択することができる C. Auxiliary Lemmas

はじめに 世間では生成AIのニュースで賑やかです。生成AIには、①GAN、②VAE、③Diffusion modelなどがあります。拡散モデル(Diffusion model)を知らなかったので調査しました。本記事では、③Diffusion modelについて簡単に紹介します。 What are Diffusion Models? GANやVAEとなにがちがうの？ 拡散モデルは、データからノイズ(潜在変数)への変換の逆変換と考えるところがGANやVAEと違います。拡散モデルでは、データに徐々にノイズを付加する過程(拡散過程)と、徐々にノイズを除去する過程(逆拡散過程)を考えます。拡散過程を仮定したことで、Encoderのパラメータの学習が不要になりました。 拡散モデルの長所と短所 長所 2乗誤差最小化であるため最適化がシンプルである 多様なデータの生成に強い 理論的な背景が明確 短所 生成