論文の概要: Construction Grammar and Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2309.00135v1
- Date: Thu, 31 Aug 2023 21:15:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-04 15:09:21.644654
- Title: Construction Grammar and Artificial Intelligence
- Title（参考訳）: 建設文法と人工知能
- Authors: Katrien Beuls and Paul Van Eecke
- Abstract要約: 我々は,現代建築文法学者にとって,建設文法研究と人工知能研究の強い関係を深く理解することは有益であると主張する。
これらの関係は、人間のコミュニケーションや言語に対する共通の態度に根ざしていることを示す。
我々は、この関係の更なる解明が、建設文法の分野の将来を形作る上で重要な役割を果たしていると結論づける。
- 参考スコア（独自算出の注目度）: 2.864550757598007
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this chapter, we argue that it is highly beneficial for the contemporary
construction grammarian to have a thorough understanding of the strong
relationship between the research fields of construction grammar and artificial
intelligence. We start by unravelling the historical links between the two
fields, showing that their relationship is rooted in a common attitude towards
human communication and language. We then discuss the first direction of
influence, focussing in particular on how insights and techniques from the
field of artificial intelligence play an important role in operationalising,
validating and scaling constructionist approaches to language. We then proceed
to the second direction of influence, highlighting the relevance of
construction grammar insights and analyses to the artificial intelligence
endeavour of building truly intelligent agents. We support our case with a
variety of illustrative examples and conclude that the further elaboration of
this relationship will play a key role in shaping the future of the field of
construction grammar.
- Abstract（参考訳）: 本章では,現代建築文法学者にとって,建設文法研究と人工知能の強い関係を深く理解することが極めて有益である,と論じる。
まず2つの分野間の歴史的なつながりを解明し、それらの関係が人間のコミュニケーションと言語に対する共通の態度に根ざしていることを示す。
次に,人工知能の分野における洞察と技術が,言語に対する構築主義的アプローチの運用,検証,スケールアップにおいて重要な役割を果たすか,特に注目する。
次に第2の方向に進み、建設文法の洞察と分析が真にインテリジェントなエージェントを構築するための人工知能の努力に結びつくことを強調する。
我々は, 様々な実例で事例を支援し, この関係の更なる解明が, 建設文法の分野の将来を形作る上で重要な役割を果たしていると結論づける。
関連論文リスト
- Finding Structure in Language Models [3.882018118763685]
この論文は、言語モデルが人間のものと似た文法構造を深く理解しているかどうかに関するものである。
我々は,大規模言語モデルの複雑な性質の理解を深める新しい解釈可能性技術を開発する。
論文 参考訳（メタデータ） (2024-11-25T14:37:24Z) - Constructive Approach to Bidirectional Causation between Qualia Structure and Language Emergence [5.906966694759679]
本稿では,言語出現と主観的経験の関連構造との双方向因果関係について考察する。
我々は、個人間の内部表現を整合させる過程を通じて、たとえば構文・意味構造のような分布意味を持つ言語が出現したかもしれないと仮定する。
論文 参考訳（メタデータ） (2024-09-14T11:03:12Z) - Language Models: A Guide for the Perplexed [51.88841610098437]
このチュートリアルは、言語モデルを学ぶ人と、興味を持ち、もっと学びたいと思う人とのギャップを狭めることを目的としています。
実験を通して学ぶことができる質問に焦点を当てた科学的視点を提供する。
言語モデルは、現在、その開発に繋がる研究の文脈に置かれています。
論文 参考訳（メタデータ） (2023-11-29T01:19:02Z) - Igniting Language Intelligence: The Hitchhiker's Guide From
Chain-of-Thought Reasoning to Language Agents [80.5213198675411]
大規模言語モデル(LLM)は言語知能の分野を劇的に拡張した。
LLMは興味をそそるチェーン・オブ・シークレット(CoT)推論技術を活用し、答えを導き出す途中の中間ステップを定式化しなければならない。
最近の研究は、自律言語エージェントの開発を促進するためにCoT推論手法を拡張している。
論文 参考訳（メタデータ） (2023-11-20T14:30:55Z) - Construction Grammar and Language Models [4.171555557592296]
近年のディープラーニングの進歩は、主にクローゼのようなタスクで訓練された強力なモデルを生み出している。
この章は、自然言語処理と構築文法の分野における研究者間のコラボレーションを促進することを目的としている。
論文 参考訳（メタデータ） (2023-08-25T11:37:56Z) - DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。
そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
論文 参考訳（メタデータ） (2023-06-15T10:41:23Z) - Knowledge-enhanced Agents for Interactive Text Games [16.055119735473017]
テキストベースのゲームにおいてエージェントの機能的接地を改善するための知識注入フレームワークを提案する。
学習に基づくエージェントに注入するドメイン知識の2つの形態について考察する。
我々のフレームワークは、強化学習エージェントと言語モデルエージェントの2つの代表的なモデルクラスをサポートしている。
論文 参考訳（メタデータ） (2023-05-08T23:31:39Z) - Knowledge Engineering in the Long Game of Artificial Intelligence: The
Case of Speech Acts [0.6445605125467572]
本稿では,知識工学の原則と実践について述べる。
我々は,言語学,認知モデル,統計自然言語処理において広く追求されている課題である対話行動モデリングに注目した。
論文 参考訳（メタデータ） (2022-02-02T14:05:12Z) - ERICA: Improving Entity and Relation Understanding for Pre-trained
Language Models via Contrastive Learning [97.10875695679499]
そこで本研究では, ERICA という新たなコントラスト学習フレームワークを提案し, エンティティとその関係をテキストでより深く理解する。
実験の結果,提案する erica フレームワークは文書レベルの言語理解タスクにおいて一貫した改善を実現することがわかった。
論文 参考訳（メタデータ） (2020-12-30T03:35:22Z) - Improving Machine Reading Comprehension with Contextualized Commonsense
Knowledge [62.46091695615262]
我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。
構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。
我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
論文 参考訳（メタデータ） (2020-09-12T17:20:01Z) - Exploiting Structured Knowledge in Text via Graph-Guided Representation
Learning [73.0598186896953]
本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。
エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。
既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
論文 参考訳（メタデータ） (2020-04-29T14:22:42Z)
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。