[논문 리뷰] The BLue Amazon Brain (BLAB): A Modular Architecture of Services about the Brazilian Maritime Territory

Paulo Pirozelli, Ais B. R. Castro외 20명|arXiv (Cornell University)|2022. 09. 06.

Topic Modeling인용 수 4

한 줄 요약

BLue Amazon Brain (BLAB)는 브라질의 해양 영토인 블루 아메리카에 대한 인식을 향상시키고 지능형 서비스를 제공하기 위해 설계된 모듈식 AI 아키텍처이다. 대화형 에이전트(BLAB-Chat)와 자연어 처리 모듈, 데이터 레이크, 전문 서비스인 BLAB-Reporter 및 BLAB-Wiki를 통합하여, 데이터 부족과 포르투갈어 전문 분야 언어 모델링의 과제에도 불구하고 복잡한 질문에 대한 답변과 정보 유통을 가능하게 한다.

ABSTRACT

We describe the first steps in the development of an artificial agent focused on the Brazilian maritime territory, a large region within the South Atlantic also known as the Blue Amazon. The "BLue Amazon Brain" (BLAB) integrates a number of services aimed at disseminating information about this region and its importance, functioning as a tool for environmental awareness. The main service provided by BLAB is a conversational facility that deals with complex questions about the Blue Amazon, called BLAB-Chat; its central component is a controller that manages several task-oriented natural language processing modules (e.g., question answering and summarizer systems). These modules have access to an internal data lake as well as to third-party databases. A news reporter (BLAB-Reporter) and a purposely-developed wiki (BLAB-Wiki) are also part of the BLAB service architecture. In this paper, we describe our current version of BLAB's architecture (interface, backend, web services, NLP modules, and resources) and comment on the challenges we have faced so far, such as the lack of training data and the scattered state of domain information. Solving these issues presents a considerable challenge in the development of artificial intelligence for technical domains.

연구 동기 및 목표

• 브라질 해양 영토로 알려진 블루 아메리카에 초점을 맞춘 통합적이고 모듈식 AI 아키텍처를 개발하여, 그 생태학적, 경제적, 전략적 중요성을 공공 및 과학계의 인식을 향상시키는 것.
• 산재하고 산발적인 해양학적 데이터 문제를 해결하기 위해 자연어 이해 및 생성 능력을 갖춘 중심집중식 서비스 기반 시스템을 구축하는 것.
• 제한된 학습 데이터와 저자원 언어 제약 조건에도 불구하고, 질문 응답, 요약, 지식 그래프 구축과 같은 포르투갈어 전문 NLP 도구를 개발하고 구현하는 것.
• 확장 가능한 인프라를 조성하여 데이터 레이크, 대화형 에이전트, 자동 뉴스 생성, 주제별 위키를 결합하여 환경 교육 및 의사결정 지원에 기여하는 것.
• 도메인 특화 데이터셋과 자원을 촬영하여 향후 예측 모델링(해양 현상 예측)과 온톨로지 기반 추론을 위한 기반을 마련하는 것.

제안 방법

• BLAB는 질문 응답 시스템, 다중 문서 요약기, 자연어에서 SQL로의 변환기, 지식 그래프 생성기 등 다양한 NLP 모듈을 조율하는 컨트롤러 기반 아키텍처를 사용한다.
• 시스템은 내부 및 제3자 데이터베이스를 포함한 데이터 레이크와 통합되어, 블루 아메리카의 해양학적, 환경적, 경제적 정보를 다양한 소스에서 접근 가능하게 한다.
• BLAB-Chat는 복잡한 사용자 생성 질문에 자연어로 응답하기 위해 파araphraser, 주제 모델 빌더, 자연어 생성기 등의 NLP 구성 요소 파이프라인을 활용한다.
• 특화된 서비스로는 자동 뉴스 생성기인 BLAB-Reporter와 블루 아메리카 도메인 전용으로 총집된 주제별 지식 기반인 BLAB-Wiki가 있다.
• 시스템은 사전 학습된 다국어 모델과 포르투갈어에 맞춰 맞춤형으로 학습된 모델을 모두 활용하며, 저자원 기술 도메인에 적합하도록 조정하는 데 중점을 둔다.
• 아키텍처는 향후 추론 모듈(예: 논쟁자, 계획 수립자)과 메토오션 데이터 기반 수치 예측 시스템(예: 조수 및 해류 예측)의 통합을 지원하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 블루 아메리카와 같이 데이터가 부족한 복잡한 도메인에 대해 다양한 NLP 기능을 통합할 수 있는 모듈식이고 서비스 기반의 AI 아키텍처를 어떻게 설계할 수 있는가?
• RQ2 해양 과학과 같은 전문적이고 저자원 도메인에서 포르투갈어를 위한 효과적인 NLP 모델을 훈련시키는 데 있어 핵심 과제는 무엇인가?
• RQ3 산만하고 이질적인 해양학적 데이터는 어떻게 통합하고 대화형 AI 인터페이스를 통해 접근 가능하게 할 수 있는가?
• RQ4 대화형 에이전트는 해양 생태계와 해양 정책에 관한 복잡한 기술적 질문에 대해 얼마나 정확하고 맥락 인식이 가능한 응답을 제공할 수 있는가?
• RQ5 정제된 데이터셋과 도메인 특화 지식 자원은 환경 도메인에서 AI 시스템의 성능과 신뢰성을 향상시키는 데 어떤 역할을 할 수 있는가?

주요 결과

• BLAB-Chat 시스템은 질문 응답, 요약, 지식 그래프 생성 등의 다양한 NLP 모듈을 하나의 대화형 인터페이스로 통합하여 블루 아메리카 도메인에 성공적으로 적용하였다.
• 학습 데이터가 제한되어 있음에도 불구하고, 정교한 데이터 촬영과 모델 적응 전략을 통해 포르투갈어라는 저자원 언어에서 도메인 특화 NLP 서비스를 구현할 수 있음을 입증하였다.
• 블루 아메리카를 위한 두 개의 새로운 QA 데이터셋과 대규모 문서 코퍼스 개발이 NLP 모델 훈련 및 평가에 크게 기여하였다.
• 시스템 아키텍처는 확장성을 갖추고 있으며, 향후 논증 추론기, 순차적 계획 수립자, 메토오션 예측기 등의 모듈 통합 계획이 수립되어 있다.
• BLAB-Wiki와 BLAB-Reporter의 구축은 체계적이고 재사용 가능한 지식과 자동 콘텐츠 생성을 가능하게 하여 대중의 해양학적 정보 접근성을 향상시켰다.
• 현재 AI 모델이 전문 도메인에 적용될 때의 핵심 한계를 드러내었으며, 특히 산만하고 정제되지 않은 지식 자료를 처리하기 위한 보다 우수한 기법의 필요성이 강조되었다.