[논문 리뷰] Construction Grammar and Artificial Intelligence

Katrien Beuls, Paul Van Eecke|arXiv (Cornell University)|2023. 08. 31.

Natural Language Processing Techniques인용 수 4

한 줄 요약

이 논문은 구성문법(CxG)과 인공지능(AI)이 언어를 동적인, 사용 기반의, 의사소통에 기반한 체계로 모델링하는 데 근본적인 공감대를 공유하고 있다고 주장한다. AI 기법이 CxG의 구현 및 확장성을 향상시키는 방식을 보여주며, CxG의 통찰이 더 견고하고 기반화되며 일반화 가능한 AI 시스템을 구축하는 데 기여함으로써 상호 이득이 나타나는 바, Fluid Construction Grammar와 FrameNet 프로젝트 같은 프레임워크에서 이를 확인할 수 있다.

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.

연구 동기 및 목표

• 구성문법과 인공지능 간의 역사적·개념적 연속성을 확립함으로써, 언어를 의사소통 중심, 사용 기반, 인지에 기반한 체계로 보는 공통된 시각을 기반으로 한다.
• 논리 프로그래밍, 신경 히우리스틱, 진화 모델링과 같은 AI 기법이 구성주의 언어 모델의 구현, 검증, 확장성 향상에 어떻게 기여하는지 보여준다.
• 틀 의미론과 구성망과 같은 구성문법의 통찰이 인간과 유사한 언어 이해 및 생성 능력을 갖춘 더 견고하고 기반화되며 일반화 가능한 AI 시스템 개발에 어떻게 기여하는지 보여준다.
• CxG와 AI 간의 깊은 통합이 진정으로 지능적이고 인간다운 언어 처리 시스템을 향한 두 분야의 발전을 위해 필수적임을 주장한다.
• Fluid Construction Grammar, Talking Heads 실험, FrameNet을 포함한 사례 연구를 통해 이 이중적 영향과 공통된 인지 메커니즘을 강조한다.

제안 방법

• Fillmore, Wilensky, Norvig, Schank, Minsky 등의 핵심 저작물에 대한 역사적 및 텍스트 분석을 통해 의사소통, 기반화, 사용 기반 학습에 기반한 공통된 개념 뿌리를 추적한다.
• 논리 프로그래밍과 통합을 사용해 이중 방향 언어 처리와 구성의 일치를 모델링하는 Fluid Construction Grammar(FCG)와 같은 계산 프레임워크를 적용한다.
• 스틸즈의 Talking Heads 실험과 같은 진화적·발달적 로봇공학 접근법을 활용해, 지각과 행동에 기반한 상호작용을 통해 언어적 구조의 기원을 시뮬레이션한다.
• 틀 의미론과 FrameNet을 언어 이론과 AI 응용 사이의 다리로 통합하여 지식 기반의 언어 이해를 가능하게 한다.
• 신경 히우리스틱과 메타레벨 문제 해결 기법(Van Eecke 등)을 활용해 구성문법 처리의 확장성을 높이며 일반화 및 효율성을 향상시킨다.
• 다중 수준의 일치와 구성망 의존 모델(van Trijp & Steels)을 사용해 진화하는 언어 체계에서 체계성과 일관성을 유지한다.

실험 결과

연구 질문

• RQ1 구성문법과 인공지능은 어떻게 언어를 의사소통 중심, 사용 기반, 기반화된 체계로 모델링하는 데 공통된 개념적 기반을 공유하고 있는가?
• RQ2 논리 프로그래밍, 신경 히우리스틱, 진화 모델링과 같은 AI 기법이 구성문법 프레임워크의 구현 및 확장성 향상에 어떻게 기여하는가?
• RQ3 틀 의미론과 구성망과 같은 구성문법의 통찰은 언어 이해 및 생성을 위한 더 견고하고 일반화 가능한 AI 시스템 개발에 어떻게 기여하는가?
• RQ4 CxG와 AI 간의 이중적 영향에 대한 증거는 무엇이며, 구성망 일치와 지각 기반화와 같은 공통된 메커니즘은 어떻게 이 상호 발전을 지원하는가?
• RQ5 Fluid Construction Grammar와 같은 계산적 구성문법은 어떻게 상호작용적이고 기반화된 환경에서 문법과 의미의 공시적 습득을 모델링할 수 있는가?

주요 결과

• 구성문법과 인공지능은 언어를 인지와 지각에 기반한 동적인, 의사소통 중심, 사용 기반의 체계로 보는 데 깊이 있는 역사적·개념적 유산을 공유한다.
• 논리 프로그래밍과 신경 히우리스틱과 같은 AI 기법은 구성문법 모델의 확장성과 구현 능력을 크게 향상시키며, 효율적인 분석, 생성, 일반화를 가능하게 한다.
• 필모어의 틀 의미론에 영향을 받은 FrameNet 프로젝트는 구성문법 통찰이 직접적으로 AI 시스템의 자연어 이해에 영향을 주었음을 보여주며, 초기 AI 교과서의 표준 구성 요소가 되었다.
• Talking Heads 프로젝트와 같은 진화적 로봇공학 실험은 언어적 구조—예를 들어 문법과 의미—가 상호작용을 통해 기원할 수 있음을 보여주며, 언어가 정황에 기반한 의사소통 경험을 통해 습득된다는 개념을 지지한다.
• Fluid Construction Grammar와 같은 계산적 구성문법은 이중 방향 처리와 구성망 일치를 지원하여, 같은 표현을 사용해 언어를 이해하고 생성할 수 있는 에이전트를 가능하게 한다.
• 구성문법을 AI와 통합함으로써 언어를 추론, 시각, 사회적 조율와 같은 더 넓은 인지 과정에 통합함으로써 진정으로 지능적인 에이전트를 구축하는 목표가 향상된다.