論文の概要: Understanding Natural Language Understanding Systems. A Critical Analysis

• arxiv url: http://arxiv.org/abs/2303.04229v1
• Date: Wed, 1 Mar 2023 08:32:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-12 03:42:04.029193
• Title: Understanding Natural Language Understanding Systems. A Critical Analysis
• Title（参考訳）: 自然言語理解システム。 批判的な分析
• Authors: Alessandro Lenci
• Abstract要約: 自然言語理解システム(Natural Language Understanding (NLU) system)としても知られる usguillemotright(英語版) のようなギユモトレフトークを持つ機械の開発は、人工知能の聖杯(英語版) (AI) である。 しかし、Gillemottalking machineguillemotrightを構築することができるという信頼は、次世代のNLUシステムによってもたらされたものよりも強かった。 私たちは新しい時代の夜明けに、ついに砂利が我々に近づいたのか?
• 参考スコア（独自算出の注目度）: 91.81211519327161
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The development of machines that {\guillemotleft}talk like us{\guillemotright}, also known as Natural Language Understanding (NLU) systems, is the Holy Grail of Artificial Intelligence (AI), since language is the quintessence of human intelligence. The brief but intense life of NLU research in AI and Natural Language Processing (NLP) is full of ups and downs, with periods of high hopes that the Grail is finally within reach, typically followed by phases of equally deep despair and disillusion. But never has the trust that we can build {\guillemotleft}talking machines{\guillemotright} been stronger than the one engendered by the last generation of NLU systems. But is it gold all that glitters in AI? do state-of-the-art systems possess something comparable to the human knowledge of language? Are we at the dawn of a new era, in which the Grail is finally closer to us? In fact, the latest achievements of AI systems have sparkled, or better renewed, an intense scientific debate on their true language understanding capabilities. Some defend the idea that, yes, we are on the right track, despite the limits that computational models still show. Others are instead radically skeptic and even dismissal: The present limits are not just contingent and temporary problems of NLU systems, but the sign of the intrinsic inadequacy of the epistemological and technological paradigm grounding them. This paper aims at contributing to such debate by carrying out a critical analysis of the linguistic abilities of the most recent NLU systems. I contend that they incorporate important aspects of the way language is learnt and processed by humans, but at the same time they lack key interpretive and inferential skills that it is unlikely they can attain unless they are integrated with structured knowledge and the ability to exploit it for language use.
• Abstract（参考訳）: 自然言語理解(英語版)(nlu)システムとしても知られるus{\guillemotrightのような「guillemotleft」トークのような機械の開発は、人工知能(ai)の聖杯であり、言語は人間の知能の五分の一である。 AIと自然言語処理(NLP)におけるNLU研究の短命だが激しい生活は、上昇と下降に満ちている。 しかし、"guillemotleft}トーキングマシンである{\guillemotright"を構築できるという信頼は、前世代のnluシステムによって囲まれているものよりも強かった。 しかし、AIの輝きは金なのか? 最先端のシステムは人間の言語知識に匹敵するものを持っていますか? 我々は新しい時代の夜明けか? ついに聖杯が我々に近づいたか? 実際、aiシステムの最近の成果は、真の言語理解能力に関する激しい科学的な議論のきっかけとなった。 計算モデルがまだ示している限界にもかかわらず、私たちは正しい軌道にいるという考え方を擁護する人もいる。 現在の限界は単にNLUシステムの一時的な問題であるだけでなく、認識論的および技術的なパラダイムが根底にある本質的な不適切さの兆候である。 本稿では,最新のNLUシステムにおける言語能力の批判的分析を行うことで,このような議論に寄与することを目的とする。 言語が人間によって学習され、処理される方法の重要な側面を取り入れていると私は主張するが、同時に、構造化された知識とそれを言語利用に活用する能力がなければ達成できない、重要な解釈と推論のスキルが欠如している。

関連論文リスト

• Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
  AIシステムは知恵を欠いている。 AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。 メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
  論文  参考訳（メタデータ） (2024-11-04T18:10:10Z)
• Cognition is All You Need -- The Next Layer of AI Above Large Language Models [0.0]
  我々は,大規模言語モデル以外のニューロシンボリック認知のためのフレームワークであるCognitive AIを紹介する。 我々は、認知AIがAGIのようなAI形態の進化に必須の先駆者であり、AGIは独自の確率論的アプローチでは達成できないと主張する。 我々は、大規模言語モデル、AIの採用サイクル、および商用の認知AI開発に関する議論で締めくくります。
  論文  参考訳（メタデータ） (2024-03-04T16:11:57Z)
• AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
  数学は人間によって開発された最も強力な概念体系の1つである。 AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
  論文  参考訳（メタデータ） (2023-10-19T02:00:31Z)
• Large Language Models for Scientific Synthesis, Inference and Explanation [56.41963802804953]
  大規模言語モデルがどのように科学的合成、推論、説明を行うことができるかを示す。 我々は,この「知識」を科学的文献から合成することで,大きな言語モデルによって強化できることを示す。 このアプローチは、大きな言語モデルが機械学習システムの予測を説明することができるというさらなる利点を持っている。
  論文  参考訳（メタデータ） (2023-10-12T02:17:59Z)
• A Review on Objective-Driven Artificial Intelligence [0.0]
  人間は、コミュニケーションにおける文脈、ニュアンス、微妙な手がかりを理解する能力を持っている。 人間は、世界に関する論理的推論と予測を行うのに役立つ、常識的な知識の広大なリポジトリを持っています。 機械はこの本質的な理解に欠けており、人間が自明に感じる状況を理解するのに苦労することが多い。
  論文  参考訳（メタデータ） (2023-08-20T02:07:42Z)
• Getting from Generative AI to Trustworthy AI: What LLMs might learn from Cyc [0.0]
  ジェネレーティブAI(Generative AI)は、AIに対して最もポピュラーなアプローチであり、必ずしも正しいとは限らないアウトプットを生成するために訓練された大規模な言語モデル(LLM)で構成されている。 我々は、現在のアプローチに関連する多くの制限を理論的に解決できるAIに代わるアプローチについて議論する。
  論文  参考訳（メタデータ） (2023-07-31T16:29:28Z)
• Towards AGI in Computer Vision: Lessons Learned from GPT and Large Language Models [98.72986679502871]
  大規模言語モデル(LLM)を利用したチャットシステムが出現し、人工知能(AGI)を実現するための有望な方向へと急速に成長する しかし、コンピュータビジョン(CV)におけるAGIへの道のりは未だに不明である。 CVアルゴリズムを世界規模で対話可能な環境に配置し、その動作に関する将来のフレームを予測するための事前トレーニングを行い、さまざまなタスクをこなすための命令で微調整するパイプラインを想像する。
  論文  参考訳（メタデータ） (2023-06-14T17:15:01Z)
• Mindstorms in Natural Language-Based Societies of Mind [110.05229611910478]
  ミンスキーの「心の社会」とシュミットフーバーの「思考の学習」は、大規模なマルチモーダルニューラルネットワーク(NN)の多様な社会に刺激を与えた。 最近のNNベースの心の社会の実装は、大きな言語モデル(LLM)と、自然言語インタフェースを介してコミュニケーションする他のNNベースの専門家で構成されている。 これらの自然言語に基づく心の社会(NLSOMs)では、新しいエージェント(全員が同じ普遍的なシンボル言語を介して通信する)がモジュール化された方法で簡単に追加される。
  論文  参考訳（メタデータ） (2023-05-26T16:21:25Z)
• Talking About Large Language Models [7.005266019853958]
  より適応的な大きな言語モデルが増えればなるほど、人類同型への脆弱さが増す。 本稿は,LLMとその構成するシステムがどのように機能するかを思い出すために,繰り返し遡るプラクティスを提唱する。 科学的精度の向上は、人工知能に関する議論において、より哲学的なニュアンスを促進することを期待している。
  論文  参考訳（メタデータ） (2022-12-07T10:01:44Z)
• Is Neuro-Symbolic AI Meeting its Promise in Natural Language Processing? A Structured Review [2.064612766965483]
  Neuro-Symbolic AI(NeSy)の支持者は、ディープラーニングとシンボリック推論を組み合わせることで、AIがより強くなると主張している。 我々はNLPのためのNeSyを実装した研究の構造化されたレビューを行い、課題と今後の方向性について述べる。 我々は、NeSyがその約束を本当に満たしているかどうか、すなわち、推論、アウト・オブ・ディストリビューションの一般化、解釈可能性、小さなデータからの学習と推論、新しいドメインへの転送可能性という疑問に答えることを目指している。
  論文  参考訳（メタデータ） (2022-02-24T17:13:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。