この動画で学べること

• Transformerの目的（次単語予測）と“単語→ベクトル（埋め込み）”の復習。3Blue1Brown

• アテンションの計算手順：Q・Kのドット積→スケーリング→Softmax→Vの重み付き和、という一連の流れ。視覚化で“重み”の意味が腑に落ちます。 3Blue1Brown

• マルチヘッドの役割（異なる視点で同時に文脈を捉える）と、アテンションマップの見方。

• 文脈依存の意味解消（例：「mole」）が、アテンションでどう実現されるか。

• （触りだけ）残差接続や正規化など、ブロック周辺の要素の位置づけ。