[論文レビュー] An Atlas of Cultural Commonsense for Machine Reasoning.

Anurag Acharya, Kartik Talamadupula+1 more|arXiv (Cornell University)|Sep 11, 2020

Topic Modeling参考文献 57被引用数 12

ひとこと要約

本稿では、米国、インド、フィリピンにおける成人式、結婚式、葬儀などの儀礼的知識を収集・分析することで、文化的に配慮された常識的推論フレームワークを提案する。既存のクラウドソーシング手法を拡張して文化的に特異な関係性を捉えることで、文化的差が常識的知識に顕著に影響することを示し、文脈的・文化的に感受性のあるNLPシステムの構築という目標を前進させる。

ABSTRACT

Existing commonsense reasoning datasets for AI and NLP tasks fail to address an important aspect of human life: cultural differences. In this work, we introduce an approach that extends prior work on crowdsourcing commonsense knowledge by incorporating differences in knowledge that are attributable to cultural or national groups. We demonstrate the technique by collecting commonsense knowledge that surrounds three fairly universal rituals---coming-of-age, marriage, and funerals---across three different national groups: the United States, India, and the Philippines. Our pilot study expands the different types of relationships identified by existing work in the field of commonsense reasoning for commonplace events, and uses these new types to gather information that distinguishes the knowledge of the different groups. It also moves us a step closer towards building a machine that doesn't assume a rigid framework of universal (and likely Western-biased) commonsense knowledge, but rather has the ability to reason in a contextually and culturally sensitive way. Our hope is that cultural knowledge of this sort will lead to more human-like performance in NLP tasks such as question answering (QA) and text understanding and generation.

研究の動機と目的

• 既存の常識的推論データセットに見られる文化的多様性の欠如、特に米国中心のバイアスを是正すること。
• 普遍的な儀礼（成人式、結婚、葬儀など）に関して、文化的・民族的グループがどのように常識的知識を異なる形で持っているかを調査すること。
• 標準的なイベント関係タイプ（例：原因、防止）を超えて、文化的に特異な関係性を含めるように、既存の常識的知識収集手法を拡張すること。
• 普遍的で西洋中心のフレームワークを仮定するのではなく、文化的に感受性のある知識を用いて推論を行うNLPシステムの基盤を構築すること。
• QAやテキスト理解タスクにおける人間らしいAI性能を支援する、文化的に根ざした常識的知識を収集するパイロットデータセットおよびメソッドを寄与すること。

提案手法

• 米国、インド、フィリピンの3か国の民族的グループを対象に、成人式、結婚、葬儀の3つの普遍的儀礼に焦点を当てたクラウドソーシングによるデータ収集を実施する。
• 標準的な常識的カテゴリ（例：原因、防止）を超えた新しい関係タイプを設計・適用し、社会的義務、宗教的慣習、地域的慣習といった文化的に特異なつながりを捉える。
• 構造化されたアノテーションプロトコルを用いて、各文化的グループの現地話者から知識を収集し、現地の規範や伝統を反映させる。
• 収集された知識を3か国の民族的グループ間で分析・比較し、儀礼がどのように理解され、体験されているかの体系的な違いを同定する。
• 得られたデータセットを、普遍的でない文脈に配慮した常識的知識を用いた機械推論を支援するフレームワークに統合し、一様な常識モデルを超える。
• データセットを活用して、儀礼的イベントにおける文化的差異を推論できるモデルを訓練・評価し、NLPタスクにおける文脈的・文化的感受性を強化する。

実験結果

リサーチクエスチョン

• RQ1 文化的・民族的グループは、成人式、結婚、葬儀といった普遍的儀礼に関して、どのように常識的知識を異なる形で持っているか。
• RQ2 従来の西洋中心のデータセットで特定されたものとは異なる、多様な文化的文脈において収集された常識的知識から、どのような新しい関係タイプが出現するか。
• RQ3 文化的規範や地域的慣習は、日常的な社会的儀礼について人々がどのように推論しているかに、どの程度影響を与えているか。
• RQ4 文化的に配慮された常識的知識ベースは、質問応答やテキスト生成などのNLPタスクにおけるシステム性能を向上させることができるか。
• RQ5 普遍的で西洋中心の人類の知識モデルを仮定せずに、文化的多様性を常識的推論フレームワークに統合するにはどうすればよいか。

主な発見

• 米国、インド、フィリピンの3か国で、成人式、結婚、葬儀といった一般的な儀礼についての理解や関係性に顕著な文化的差が観察された。
• 収集されたデータから、宗教的義務、家族の役割、地域的慣習といった文化的特異性を反映する新しい関係タイプが出現し、従来の西洋中心のデータセットには欠落していた。
• 普遍的に認識される儀礼に対しても、関連する社会的・感情的・実務的側面が文化的に大きく異なることが、収集された知識から明らかになった。
• パイロット研究により、文化的に根ざした常識的知識を的確なクラウドソーシングによって体系的に収集できることを実証し、このアプローチの実現可能性を裏付けた。
• このデータセットは、普遍的でない仮定にとらわれない常識的推論を可能にするNLPモデルの訓練基盤を提供する。
• 結果から、常識的知識に文化的多様性を組み込むことで、質問応答やテキスト生成といったNLPタスクにおける人間らしい性能向上が可能であることが示唆された。