[논문 리뷰] Symbol Grounding via Chaining of Morphisms

Ruiting Lian, Ben Goertzel외 3명|arXiv (Cornell University)|2017. 03. 13.

Semantic Web and Ontologies참고 문헌 29인용 수 4

한 줄 요약

이 논문은 카테고리 이론적 프레임워크를 제안하여 상징 기반을 모델링하며, 언어 문법, 논리적 의미론, 인지, 행동을 비대칭 모노이드 및 카테시안 카테고리로 모델링한다. 이러한 카테고리 간의 사상 조합을 통해 자연어를 지각적 및 운동적 구조로 체계적으로 매핑함으로써, 오픈코그 제어 로봇과 같은 인공지능 시스템에서 일관된 기반 형성 가능하다. 사상 조합을 통한 형태적 구성으로 언어, 논리, 지각, 행동 표현 간의 일치가 입증되었다.

ABSTRACT

A new model of symbol grounding is presented, in which the structures of natural language, logical semantics, perception and action are represented categorically, and symbol grounding is modeled via the composition of morphisms between the relevant categories. This model gives conceptual insight into the fundamentally systematic nature of symbol grounding, and also connects naturally to practical real-world AI systems in current research and commercial use. Specifically, it is argued that the structure of linguistic syntax can be modeled as a certain asymmetric monoidal category, as e.g. implicit in the link grammar formalism; the structure of spatiotemporal relationships and action plans can be modeled similarly using "image grammars" and "action grammars"; and common-sense logical semantic structure can be modeled using dependently-typed lambda calculus with uncertain truth values. Given these formalisms, the grounding of linguistic descriptions in spatiotemporal perceptions and coordinated actions consists of following morphisms from language to logic through to spacetime and body (for comprehension), and vice versa (for generation). The mapping is indicated between the spatial relationships in the Region Connection Calculus and Allen Interval Algebra and corresponding entries in the link grammar syntax parsing dictionary. Further, the abstractions introduced here are shown to naturally model the structures and systems currently being deployed in the context of using the OpenCog cognitive architecture to control Hanson Robotics humanoid robots.

연구 동기 및 목표

• 간단한 단어-지각 매핑을 넘어서 상징 기반의 체계적 성격을 다루기 위해.
• 인공지능 시스템에서 언어 문법, 논리적 의미론, 지각, 운동 행동을 통합하기 위한 형식적이고 추상적인 프레임워크를 제공하기 위해.
• 실세계의 감각적 및 운동적 경험에 자연어를 체계적이고 조합적으로 기반화하기 위해.
• 이론적 카테고리 이론을 오픈코그와 같은 실용적 인공지능 아키텍처로 연결하여 인간형 로봇 공학에 응용하기 위해.
• 도메인 간의 확률적 사상으로 언어 지각의 모호성과 불확실성을 모델링하기 위해.

제안 방법

• 링크 문법과 프리그램 문법 형식론을 영감으로 받아 언어 문법을 비대칭 모노이드 카테고리로 모델링한다.
• 이중 진리값을 가진 종속형 타입의 람다 계산을 사용하여 논리적 의미론을 표현하며, 국소적으로 닫힌 카테시안 카테고리로 구성한다.
• 딥 네URAL 네트워크 상태에서 유도된 '이미지 문법'을 통해 지각적 구조를 형식화하며, 물체 유형을 품사로 매핑한다.
• 행동 구조도 유사하게 모델링하며, '애니메이션'을 행동 문법의 품사로 사용한다.
• 언어에서 논리로, 그리고 논리에서 지각/행동로의 사상을 구성하며, 도메인 간의 관계적 구조를 유지한다.
• 사상 조합을 사용하여 자연어 표현을 시공간적 지각과 조율된 행동에 대해 체계적으로 기반화한다.

실험 결과

연구 질문

• RQ1 기반 형성의 체계적 관계를 카테고리 이론을 사용하여 어떻게 형식적으로 모델링할 수 있는가?
• RQ2 인지 시스템에서 문법, 의미론, 지각, 행동을 가장 잘 표현하는 카테고리적 구조는 무엇인가?
• RQ3 언어, 논리, 지각, 행동 간의 사상이 기반 형성 과정에서 관계적 구조를 어떻게 유지하는가?
• RQ4 자연어의 모호성이 사상 매핑에 어떤 영향을 미치며, 이를 어떻게 다룰 수 있는가?
• RQ5 이 프레임워크는 오픈코그와 같은 인공지능 시스템에서 도메인 간 추론과 일반화를 어떻게 지원하는가?

주요 결과

• 논문은 카테고리 이론적 구조를 사용하여 언어 문법, 논리적 의미론, 지각, 행동을 성공적으로 모델링하며, 체계적 기반 형성을 가능하게 하였다.
• 언어 → 논리 → 지각/행동로의 사상이 관계적 분해를 유지함을 보여주었으며, 'Bob에게 미소 지었다' 예시를 통해 네 도메인 간에 확인되었다.
• 이 프레임워크는 자연어의 모호성을 자연스럽게 수용하며, 하나의 언어적 구성이 여러 논리적 또는 지각적 해석으로 매핑될 수 있고, 각각에 확률이 부여됨을 가능하게 한다.
• 오픈코그의 공유된 사상 매핑을 통한 확률적 논리 네트워크(PLN)를 활용해 불확실한 일반화가 도메인 간으로 전파됨을 가능하게 하였다.
• 실세계 인공지능 시스템과의 일치를 입증하였으며, 오픈코그 제어 인간형 로봇에서 실용적 타당성을 보여주었다.
• 추상적 형식론과 구체적 구현 간의 연결을 제공하며, 기반 지능 언어 이해를 위한 확장 가능하고 원칙적인 아키텍처를 제안한다.