Self-Attentionとは？

まずは「全員が見える会議室」でイメージする

セルフアテンションは、長い文を読むとき、1語が前後の語を順番に見ていくのではなく、同じ文にいる全員の発言に一度に目を通すイメージです。

たとえば「猫が席を立って、彼は驚いた」の文で、AIが「彼」の指す相手を探します。セルフアテンションなら、「彼」が「猫」「席」「立って」「驚いた」などの重要度を同時にスコアづけできるのが基本です。

つまり、セルフアテンションは、文の中の各語が全体を見て「どの情報が自分の理解に大事か」を重みとして持つ仕組みです。

業務でAIに長文を渡すとき、セルフアテンションは「どの部分に集中させるか」を決める下ごしらえになります。たとえば、次のような場面で働いています。

ここで気づくといいのは、セルフアテンションは「正解を出す頭脳」ではなく、文脈の重みを整える「下書きの線引き」に近い、という点です。

関連用語で混同しやすいのがマルチヘッドアテンション（multi-head attention）です。セルフアテンションは「1語が他の語の重要度を見る」こと自体を指します。

つまり、セルフアテンションは「見るという行為」、マルチヘッドアテンションは「複数の目で見ながら見るしくみ」です。

セルフアテンションは、G検定でTransformer（深層学習モデルの一種）や注意機構（attention mechanism）の流れで出題されやすい概念です。単に暗記するより、「文脈全体を見て重みをつける」点を押さえると理解しやすくなります。

自分の言葉で説明できるか、次の3語だけで言えるか確認しましょう。

この3語を、誰かに教えるつもりで言えると、試験直前でもすっと整理できます。

📚 さらに理解を深めたい方には、G検定の公式テキストがお薦めです！

リンク

セルフアテンションは、文の中の各語が全体を見て重みを持つ仕組みです。AIが「どの情報に注目するか」を決める土台として、Transformer時代の自然言語処理を支えています。

※ここからは検証コンテンツです。
画像内の説明には誤りが含まれる可能性があるため、本文の解説とは分けています。

Self-Attentionの『全要素を同時に参照する』が、中央球からの放射状光線で直感的に伝わり映え度は高いです。一方で、各要素が互いに見る双方向性が弱く星型構造に留まっている点は改善余地があります。