クエリ・キー・バリュー (Query / Key / Value)
解説：AIによる「脳内検索システム」
Attention（注意機構）の計算プロセスは、よく「辞書検索」や「ファイルの検索システム」に例えられます。入力されたデータをそのまま使うのではなく、役割の異なる3つのベクトル（Q、K、V）に変換してから処理を行います。
これを「図書館で本を探すとき」に例えると、以下のような役割分担になります。
図書館での検索イメージ
- Query（クエリ）： 「検索したい内容（質問）」
探している人の頭の中にある要望です。
（例：「猫の生態について知りたい！」） - Key（キー）： 「背表紙のラベル（見出し）」
本棚に並んでいる本が、何の本かを示すタグです。
（例：本の背表紙に書かれた「犬」「猫」「鳥」などのタイトル） - Value（バリュー）： 「本の中身（コンテンツ）」
実際に手に入れたい情報そのものです。（例：本の中に書かれている「猫は夜行性で…」という文章データ）
Attentionの計算ステップ
AIはこの3つを使って、以下の手順で「重要な情報」を合成します。
- マッチング（Q × K）：
「探しているもの（Q）」と「背表紙（K）」を照らし合わせます。
（「猫」×「犬」→ 関連度・低、「猫」×「猫」→ 関連度・高！） - 重み付け（Softmax）：
マッチングの結果（内積）を確率（%）に変換します。
（この本は重要度90%、あの本は重要度5%…） - 情報の取り出し（Weight × V）：
重要度に応じて、「中身（V）」を取り出して混ぜ合わせます。
（関係ない本の情報は無視し、関係ある本の情報だけを濃く取り出す）
G検定対策
出題ポイント
- 役割分担：「Q（質問）」と「K（索引）」で重要度を計算し、その度合いに応じて「V（中身）」を取得する。
ひっかけ対策
- × クエリ(Q)とバリュー(V)を掛け合わせて重みを決める
重み（関連度）を決めるのは「QとK」の相性です。Vは最後に掛け合わせる中身です。 - × Q, K, Vは人間が手動で設定する
これらは学習によって自動的に調整されるパラメータ（重み行列による変換結果）です。
