Transformer（トランスフォーマー）

📖 もうちょい詳しく

何が新しいの？

Transformer（トランスフォーマー）は、文章のような「ならんだデータ」を扱うために2017年に提案された、 AIの設計（モデルの構造）です。
それまでは、文章を先頭から一語ずつ順番に読んでいく方式が主流でした。ただ、この読み方だと処理を並行して進めにくく、離れた言葉どうしのつながりも見落としやすい弱点がありました。Transformerは「Attention（アテンション、注意）」というしくみを中心にすえて、この弱点を大きく改善しました。

どうやって動いてるの？

Transformerの中心にあるのが、Attention（注意）という計算です。
これは、文中のそれぞれの言葉が「ほかのどの言葉と関係が深いか」を点数づけして、関係の強い言葉ほど重く見る、という仕組みです。たとえば「それ」が何を指すかを、文全体を見わたしながら判断できます。しかも全部の言葉を一度に見くらべるので、順番待ちが減り、計算をまとめて速く進められます。

つまり「順番に読む」のではなく「文全体を見わたして関係をつかむ」ことで、意味を取りやすくしているわけです。

何ができるの？

いまよく使われる対話型AIや翻訳、要約、文章生成の多くは、このTransformerを土台にしています。
名前のよく知られたGPTやBERTといったモデルも、Transformerをもとに作られています。言葉だけでなく、画像や音声を扱うAIにも応用が広がっています。

一方で、扱う文章が長くなるほど計算量がふくらみやすく、動かすのにそれなりの計算資源が必要になることが多いです。

🌱 身近なたとえ

Transformerで例えると、長い文章を読むときの「目線の配り方」に似ています。
わたしたちは「彼」と出てきたとき、前のほうに戻って誰のことかを確かめますよね。文を頭から一字ずつなぞるのではなく、関係しそうな場所へ視線をさっと向けます。Transformerも同じように、いまの言葉と関係の深いところへ注意を集める、という読み方をしています。

✅ まず覚えるポイント

• Transformerは、ならんだデータを扱うAIの設計（モデル構造）
• 中心にあるのは「Attention（注意）」という計算
• 文中の言葉どうしの関係を点数づけして意味をつかむ
• 全体を一度に見るので処理をまとめて速く進めやすい
• いまのLLMや対話型AIの土台になっている

🧭 よくある勘違い

TransformerとChatGPTは同じもの？

同じではありません。Transformerは「設計図」にあたる仕組みの名前です。
ChatGPTやGPTは、その設計図をもとに大量のデータで学ばせて作った、具体的な製品やモデルのことを指します。土台と完成品、という関係だと捉えると分かりやすいです。

文章を前から順番に読んでいるの？

学習のときは、文全体を一度に見わたして関係を計算しています。
ただし、文章を生成するときは、すでに出した言葉をもとに次の一語を予測する、という形で一語ずつ進めることが多いです。「読み」と「書き」で動き方が少し違う、と覚えておくと正確です。

Attentionがあれば必ず正しく答える？

そうとは限りません。Attentionは関係の強さを推測する計算であって、事実の正しさを保証するものではありません。
もっともらしい間違い（ハルシネーション）は起こりえるので、大事な内容は別途確かめる使い方が安全です。

🧩 関連して覚えると楽な言葉

• LLM: Transformerを土台にして作られる、言葉を扱う大きなモデル
• ディープラーニング: Transformerが属する、層を深く重ねて学ぶ手法
• ニューラルネットワーク: Transformerの部品になっている、脳をまねた計算のしくみ
• エンベディング: 言葉を数字の列に変えて、Transformerに渡す前の下ごしらえ

🏁 ひとことでまとめ

Transformerは、文全体を見わたして言葉どうしの関係をつかむ「Attention」を中心にした、AIの設計です。
順番に読むのではなく、関係の深いところへ注意を向ける——この発想が、いまの対話型AIの広がりを支えています。