![cover image](https://wikiwandv2-19431.kxcdn.com/_next/image?url=https://upload.wikimedia.org/wikipedia/commons/thumb/b/bc/Architecture_d%2527un_Transformeur.png/640px-Architecture_d%2527un_Transformeur.png&w=640&q=50)
Transformeur
architecture d'apprentissage automatique / De Wikipedia, l'encyclopédie encyclopedia
Cher Wikiwand IA, Faisons court en répondant simplement à ces questions clés :
Pouvez-vous énumérer les principaux faits et statistiques sur Transformeur?
Résumez cet article pour un enfant de 10 ans
Pour les articles homonymes, voir transformer.
Un transformeur (ou modèle auto-attentif) est une architecture d'apprentissage profond introduite en 2017[1]. Elle est principalement utilisée dans le domaine du traitement automatique des langues (TAL) en servant de base aux grands modèles de langage[2], mais peut aussi servir à traiter d'autres modalités comme les images[3], les vidéos ou le son, parfois simultanément[4].
Type |
Réseau de neurones artificiels, deep learning model (d) ![]() |
---|---|
Décrit par |
Attention Is All You Need (en) ![]() |
À l'instar des réseaux de neurones récurrents (RNN pour recurrent neural network en anglais), les transformeurs sont conçus pour gérer des données séquentielles, notamment du texte, pour des tâches telles que la traduction et la génération de texte. Cependant, contrairement aux RNN, les transformeurs ne nécessitent pas un traitement séquentiel des données.Ainsi, pour une phrase en entrée, le transformeur peut analyser simultanément différentes parties du texte, sans devoir commencer par le début. Cette caractéristique permet aux transformeurs d'offrir une parallélisation nettement supérieure à celle des RNN, réduisant ainsi considérablement le temps d'entraînement des modèles.
Les transformeurs sont rapidement devenus le modèle de choix pour les problèmes de TAL, remplaçant les anciens modèles de réseaux de neurones récurrents tels que le LSTMLong_short-term_memory (Long Short-Term Memory). Étant donné que le modèle transformeur facilite davantage la parallélisation pendant l'entraînement, celui-ci peut s'effectuer sur des ensembles de données plus volumineux. Cela a conduit au développement de systèmes pré-entraînés tels que BERT (Bidirectional Encoder Representations from Transformers) et GPT (Generative Pre-Trained Transformer), qui ont été entraînés sur d'énormes ensembles de données textuelles, incluant des sources diverses telles que Wikipédia, et peuvent être affinés pour réaliser des tâches linguistiques spécifiques.