本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
Transformer背后的计算模型是什么？
就是最资深的炼丹er，也很难直观地解释这一结构中的信息如何流动，数据又是如何计算的。
但现在，只要写上几行代码，就能将Transformer的流程可视化。
△RASP代码被编译成一个两层三头的Transformer架构。
这就是RASP，以色列科学家最新研发的一种简单的序列处理语言。
他们希望通过这一语言去计算和解决更高层次的抽象问题。
热心网友立马点赞：
我爱这篇论文，因为我在阅读机器学习论文时老是有“可视化Transformer”的想法，现在终于可以拿这个去玩儿了。而且用的都是一些简单的高阶函数，估计移植到Python或者放在Jupyter上跑也不难。
那么，这个叫做RASP的语言到底如何“像Transformer一样思考”的呢？
这门新方法是怎么形成的
让我们先追溯到上个世纪，RNN被抽象成为有限状态自动机（Finite State Automata）这一计算模型的例子。
这一例子说明了RNN与自动机之间存在着非常直观的相似性。
经过这种抽象之后，围绕RNN架构的变体或训练模型就展开了更为直观的讨论和思考。
而Transformer就不够直观，因为它在处理序列时拥有独特的信息流约束。
到了2020年，出现了基于Transformer提出的可以识别Dyck-k语言的构架。
这时的Transformer网络在一阶段的逻辑公式中作为输入时，能够学习并展现出一种多步骤的逻辑推理。
这就对研究团队产生了启发：能不能编写一种程序，对输入表达式也进行类似的逻辑推理呢？
RASP（Access Sequence Processing Language）就这样诞生了。
将Transformer编码器的基本组件：注意力（attention）和前馈计算层（feed-forward computation）映射到简单的原语（primitives）中，然后围绕它们形成一种新的编码语言。
这就是RASP，全称限制性访问序列处理语言。
当然，你也可以将RASP认为是一种Transformer结构的计算方法：
将Transformer网络的技术细节抽象而出，使其支持符号化程序，然后“编译”到Transformer硬件上，再定义一系列的注意力和多层感知器操作。
这就是像Transformer一样思考。
怎样一个计算模型
好，现在来看看这个RASP到底是由什么构成的：
- 内置的序列操作符（built-in s-ops）
在RASP中编程的目标就是将这些序列操作符组合成起来，去计算最终的目标任务。
- 元素性操作（Elementwise Operations）
反映了Transformer的前馈子层。
- 其他操作
所有除元素性操作之外的操作，比如宽度选择（selector_width operation）。
而Transformer的核心是什么？注意力机制。
RASP允许每个输入定义选择一种注意力模式，再通过加权平均，将输入值混合成一个新的输出。
那么它是如何进行编译呢？
当你输入这样3行代码：
RASP就能将序列操作符和输入对的编译流程可视化：
可以看到，第一层的头并不均匀地关注整个序列，而是在序列的最后位置上展示出了偏向性。
而Transformer第二层的注意头与程序中的反转选择器（flip selector）的行为完全对应：
表现怎么样？
RASP能够有效地预测一个Transformer解决某任务所需的最大层数和头数吗？
研究者在每个任务上训练4个规定大小的Transformer，然后测试它们的准确性：结果是大多数Transformer都达到了99.5%以上的准确率。
这让RASP可以作为一种用来推断Transformer擅长哪些任务，或其架构如何影响这些任务的工具。
而在根据RASP预测尺寸训练的Transformer减少它的头数和层数时，准确率会发生大幅下降**。
△用L、H表示编译的RASP程序所预测的层数和头数。
这也表示RASP拥有非常严格的约束性，在边界的紧密性（Tightness of the bound）上达到了极高的精度。
团队介绍
论文一作Gail Weiss是以色列理工学院的博士生，目前在学院内的计算机科学系中工作。
其中二作Yoav Goldberg来自以色列的巴伊兰大学，目前就职于艾伦人工智能研究院（Allen Institute for Artificial Intelligence）。
论文地址：
https://arxiv.org/abs/2106.06981
下载：
https://github.com/tech-srl/RASP
参考链接：
https://news.ycombinator.com/item?id=27528004
