注意力不是你想的那样

2017 年那篇论文的标题起得太好了：Attention Is All You Need。八年过去，它成了整个大模型时代的地基。但我越读越觉得，这句话说的不只是机器。

机器的注意力

Transformer 的注意力机制，本质是一个加权系统：面对一句话里的每个词，模型会计算「此刻我应该看谁」。「猫追老鼠，它跑得很快」——「它」指谁？模型用注意力权重投票：老鼠得 0.7，猫得 0.2，其余瓜分剩下的。

# 注意力的骨架，一行公式
# Q: 我在找什么   K: 每个词是什么   V: 每个词携带的信息
attention = softmax(Q @ K.T / sqrt(d)) @ V
# softmax 保证权重加起来是 1 ——
# 注意力是零和的：多看一个词，就少看其他所有词

注意这个细节：权重之和恒等于一。注意力是守恒的、零和的。机器不能「多注意一点」，它只能重新分配。

人也一样。你的注意力总量也约等于常数，也是零和的。可是我们活得好像它无限：二十个标签页，三个屏幕，播客开着倍速。每一样都分到一点权重，softmax 之后，每一样都约等于零。

推荐系统的目标函数是占据你的注意力，而你的人生目标函数需要你分配注意力。这两个优化问题，方向相反。

所以「Attention Is All You Need」对人也成立，只是含义反过来：机器靠聚合注意力变得聪明，人靠守住注意力活得完整。

写这篇的时候我刚开始学着做减法：卸了两个 App，退了十几个群。半年后回看，减法还在做，但对象已经变了——现在做减法的是人生选项本身。