Transformers es un modelo de aprendizaje profundo para el procesamiento del lenguaje natural (PLN) que utiliza una arquitectura de atención basada en transformadores. Fue introducido en el 2017 por los investigadores de Google AI, Vaswani et al.

La arquitectura Transformer se basa en una red neuronal de codificador-decodificador que se utiliza para tareas de PLN, como la traducción automática, la generación de texto y el reconocimiento de voz. A diferencia de otros modelos de PLN, como las redes neuronales recurrentes (RNN) y las redes neuronales convolucionales (CNN), los Transformers no requieren de una secuencia fija de entrada y pueden manejar entradas de longitud variable.

La atención es un componente clave en la arquitectura Transformer y permite al modelo centrarse en partes específicas de la entrada durante el proceso de codificación. El modelo también utiliza capas de normalización de la entrada y la salida, y utiliza la técnica de preentrenamiento del lenguaje para mejorar su capacidad de generalización.

Transformers ha sido utilizado en una variedad de aplicaciones de PLN, incluyendo la generación de lenguaje natural, el reconocimiento de entidades y la clasificación de texto. Su arquitectura ha demostrado ser altamente efectiva en tareas de PLN, y es uno de los modelos más populares y ampliamente utilizados en la actualidad.