NLP Academy · Lezione

L'idea dell'attention

Permettere al modello di concentrarsi su ciò che conta

L'idea dell'attention è una lezione NLP Academy gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento NLP Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso NLP Academy include 4 lezioni in totale.

Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.

Why Attention?

When you read a sentence, you do not weigh every word equally. Attention gives a model that same power to focus on what matters. 🎯

The Bottleneck Problem

Older models squeezed a whole sentence into one fixed vector. That bottleneck lost detail, especially for long inputs that carry many ideas.

Look Back at Everything

Instead of one summary vector, attention lets the model look back at every input word whenever it needs to, picking what is relevant right now.

Attention as Weights

Attention assigns each word a weight between 0 and 1. Higher weight means more focus; the weights for one step always add up to 1.

A Weighted Average

The output is a weighted average of the input vectors. Words with big weights shape the result; words with tiny weights barely matter.

weights = [0.7, 0.2, 0.1]
output = sum(w * v for w, v in zip(weights, vectors))

Translation Example

Translating "the cat sat" into French, the model can align each output word to the right source word instead of guessing from one blob.

Soft, Not Hard

Attention is soft: it spreads focus across all words by degree, rather than hard-picking just one. That makes it smooth and trainable.

Computing Relevance

To set the weights, the model scores how relevant each word is to the current step, then turns those scores into a probability spread.

Softmax Turns Scores Into Weights

Raw scores can be any number, so softmax squashes them into positive weights that sum to 1 and emphasize the largest score.

import numpy as np
def softmax(s):
    e = np.exp(s - np.max(s))
    return e / e.sum()

Handling Long Inputs

Because it can reach any word directly, attention keeps long-range links intact. The first word can still influence the last with no decay.

Why It Changed NLP

Attention freed models from reading strictly in order. That single idea became the foundation of the Transformer and modern language models. 🚀

Quick Check

Let us check the core intuition behind attention.

Recap

You learned that attention weights every input word by relevance and blends them into a focused output. That focus is what powers modern NLP. ✨

Domande Frequenti

La lezione «L'idea dell'attention» è gratuita?

Sì — il testo completo di «L'idea dell'attention» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso NLP Academy, passa a CoddyKit PRO. Il corso NLP Academy include 4 lezioni in totale.

Cosa imparerò in «L'idea dell'attention»?

Permettere al modello di concentrarsi su ciò che conta Eserciti NLP Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.

Ho bisogno di esperienza per iniziare NLP Academy?

Non è richiesta alcuna esperienza precedente. NLP Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.

Quanto tempo richiede la lezione «L'idea dell'attention»?

La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.

Posso scrivere ed eseguire codice in questa lezione NLP Academy?

Sì. Ogni lezione NLP Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.

Tutte le lezioni di questo corso

← Torna a NLP Academy