---
id: ATTENTION-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 1.0
tags: [ai, nlp, transformer, attention, deep-learning]
last_reinforced: 2026-04-26
---

# NLP Attention Mechanisms (어텐션 메커니즘)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "중요한 것에 집중하고 나머지는 무시하라" — 문장 내의 각 단어가 다른 단어들과 어떤 연관성을 가지는지 계산하여, 맥락을 파악할 때 중요한 정보에 더 높은 가중치를 부여하는 메커니즘.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** 입력 시퀀스의 모든 부분 중에서 현재 처리 중인 정보와 가장 관련이 깊은 부분에 '주의(Attention)'를 기울여 가중 평균값을 계산하는 정보 추출 패턴.
- **세부 내용:**
    - **Self-Attention:** 하나의 문장 안에서 단어들 간의 관계를 파악 (예: '그'가 가리키는 대상을 문맥 속에서 찾음).
    - **Query, Key, Value:** 정보를 찾는 주체(Query), 정보의 식별자(Key), 정보의 실질적 내용(Value)으로 데이터를 분해하여 연산.
    - **Multi-Head Attention:** 여러 개의 어텐션 루프를 병렬로 실행하여 다양한 측면(문법, 의미, 거리 등)에서 문맥 분석.
    - **Evolution:** 고정된 길이의 벡터에 정보를 압축해야 했던 기존 모델의 한계를 극복하고 트랜스포머 아키텍처의 핵심이 됨.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 초기에는 RNN의 보조 도구로 등장했으나, 현재는 "Attention is All You Need"라는 논문 제목처럼 모델 아키텍처 그 자체가 됨.
- **정책 변화:** Antigravity 에이전트는 어텐션 맵 분석을 통해 사용자의 질문에서 가장 핵심적인 키워드를 식별하고 답변의 초점을 맞춤.

## 🔗 지식 연결 (Graph)
- [[Transformer-Architecture|Transformer-Architecture]], [[LLM|LLM]], Neural-Networks-Foundations, Mechanistic-Interpretability
- **Raw Source:** 10_Wiki/Topics/AI/NLP-Attention-Mechanisms.md