답변:
여전히 개념 의존성 이론을 사용하는 사람이 있습니까?
예. 많은 사람. 개념 의존성은 자연 언어로 아이디어를 전달하는 데 핵심입니다.
다음은 Schank의 작업을 기반으로하거나 관련 분야에서 그의 방향과 병행하여 여행하는 세기의 간행물입니다.
저는 1992 년 하트 포드에서 로저 ank 크를 유나이티드 테크놀로지스 리서치 센터의 AI 연구소와이 지역의 다른 Fortune 500 대 기업이 후원하는 강의 시리즈에서 만났습니다. 그의 전체 강의는 AI 연구에서 일련의 이야기였습니다. 26 년 후의 모든 이야기를 기억합니다.
현재 현장에서 볼 수있는 완구 NLP 구현은 Schank 박사가 인간의 보컬 커뮤니케이션에 대한 관찰에 대한 가능한 설명으로 제시 한 스토리 기반 추론 및 메모리 시스템과 비교할 때 창백합니다.
그가 교육으로 이주한 이유를 쉽게 추측 할 수 있습니다. 그의 자연어와 인공 지능 아이디어는 약 1 세기 초 나와 함께 강의를하는 대부분의 사람들의 머리 위에있었습니다.
당신과 나는 그의 이야기 기반 추론과 기억 제안이 매력적이라고 생각한다면, 우리는 아마도 현재의 NLP 분야에서 대부분의 시대를 넘어서서 너무 일찍 일어 났을 것입니다. 1980 년대 실험실에있는 대부분의 사람들은 Schank가 짜증을 내고 오늘날의 기술 문화에 편안하게 적응하는 사람들은 그를 무관하게 여깁니다.
앤아버에있는 미시간 대학교 (University of Michigan)의 프로젝트에서 제가 상호 작용 한 것들 중 일부는 그의 작업이 관련이 없다는 것을 발견하지 못했으며 그들의 작업은 그가 지시 한 방향에 있습니다. 불행히도 클라이언트 NDA는 해당 프로젝트에 대해 더 이상 언급하지 않습니다.
우리가 이야기에서 의사 소통한다는 생각을 포기해서는 안되고 궁극적으로 포기하지 않아야하는 이유는 그것이 정확하기 때문입니다. 어떤 사람이 "나를 속이고 싶다"또는 "나도 당신을 사랑합니다"라고 말할 때, "현대적인"기술을 사용한 문장의 직접적인 해석은 생각의 올바른 재구성과 밀접한 관련이 없습니다. 스피커. 두 문장 모두 우리가 이야기라고 부르는 상호 의존적 인 개념을 말합니다.
Borgore 콘서트의 레이디스 룸에 두 명의 "파티 소녀"가 있고, "롤 나에게 손을 줘"라고 말하면 "롤"이라는 단어의 해석은 개념에 따라 다릅니다. 스피커가 실속에 있으면 한 가지를 의미합니다. 싱크대에 있으면 다른 것을 의미합니다.
이것을 이해하는 연구 커뮤니티의 일부가 항상있을 것입니다. 비즈니스 전화 통화에 응답 할 수있는 돈을 절약 할 수있는 자동 판매기를 구성하지 않을 수도 있지만 정책 문제를 가리키는 고객 관계 패턴에 대한 정보는 제공하지 않습니다.
Schank 박사가 제안한 기능을 개발할 때까지이 완구 NLP 요원은 고객과의 전화 대화를 통해 제품 또는 서비스 향상이 악용되기를 기다리는 기회임을 인식하지 못하며 귀하를 설득시킬 이야기를 말하지 않을 것입니다 기회를 가장 먼저 활용하는 것이 좋습니다.
이 모델이 NLP와 NLU에 대한 현재의 이해에 기여하는 데 중요한 역할을했지만 생산 시스템에는 더 이상 유용하지 않으며 현재이 방식을 따르는 성공적인 상용 제품은 없습니다.
CDT에서 목표는 문장에서 논리적으로 추론 할 수있는 AI 시스템을 설계하는 것이 었습니다. 이 시스템의 목표는 입력에 사용 된 단어와 독립적 인 의미를 만드는 것이 었습니다.
CDT는 위치, 시간, 실제 행동 및 실제 물체와 같은 토큰을 사용하여 문장을 모델링했습니다. 그러나 계산 능력이 점점 일반화되고 비용이 낮아짐에 따라 기존 규칙 기반 시스템보다 성능이 우수한 통계 모델로 관심이 전환되었습니다.
CDT와 같은 규칙 기반 접근 방식의 문제점은 비용이 많이 들고 일반적으로 다른 언어로 잘 일반화되지 않는 언어 규칙을 수동으로 개발해야한다는 것입니다.
한편, 통계적 접근법은 인적 자원 (다국어 텍스트 코포 라)을보다 효율적으로 사용합니다. 통계 모델은 규칙 기반 접근 방식을 사용하지 않고 입력 데이터를 구성하는 피처에 실제 가중치를 첨부하여 소프트 확률 적 결정을 내립니다. (위키 백과 NLP)
이와 같이 인적 자원을 효율적으로 사용하면 특히 오류가 포함 된 익숙하지 않은 입력 또는 입력이 제공 될 때 더욱 정확하고 강력한 모델이 만들어집니다. 통계 모델은 다른 언어에도 잘 일반화됩니다.