[논문 리뷰] Commonsense Reasoning, Commonsense Knowledge, and The SP Theory of Intelligence

J. Gerard Wolff|arXiv (Cornell University)|2016. 09. 25.

Bayesian Modeling and Causal Inference참고 문헌 34인용 수 15

한 줄 요약

이 논문은 SP 지능 이론을 SP 컴퓨터 모델을 통해 구현함으로써, 패턴 통합, 단순화, 강력한 추론을 위해 SP-다중정렬을 활용하여 일반지각 추론(CSR)과 일반지각 지식(CSK)을 통합된 프레임워크로 모델링할 수 있음을 제안한다. SP 시스템은 *The Godfather*의 말머리 장면처럼 은유적이거나 정서적으로 빗나간 장면을 압축된 지식과 함께 유연하고 맥락 민감한 추론을 통해 해석함으로써 복잡한 CSR 과제를 해결할 수 있음을 보여준다.

ABSTRACT

This paper describes how the "SP Theory of Intelligence" with the "SP Computer Model", outlined in an Appendix, may throw light on aspects of commonsense reasoning (CSR) and commonsense knowledge (CSK), as discussed in another paper by Ernest Davis and Gary Marcus (DM). In four main sections, the paper describes: 1) The main problems to be solved; 2) Other research on CSR and CSK; 3) Why the SP system may prove useful with CSR and CSK 4) How examples described by DM may be modelled in the SP system. With regard to successes in the automation of CSR described by DM, the SP system's strengths in simplification and integration may promote seamless integration across these areas, and seamless integration of those area with other aspects of intelligence. In considering challenges in the automation of CSR described by DM, the paper describes in detail, with examples of SP-multiple-alignments. how the SP system may model processes of interpretation and reasoning arising from the horse's head scene in "The Godfather" film. A solution is presented to the 'long tail' problem described by DM. The SP system has some potentially useful things to say about several of DM's objectives for research in CSR and CSK.

연구 동기 및 목표

• 인공지능에서 실제 맥락에 의존하는 상황에서 지속적으로 발생하는 일반지각 추론과 지식 자동화의 곤경을 해결하기 위해.
• 현재의 AI 능력 이상의 서사적 또는 정서적 맥락에서의 복잡하고 직관적인 추론을 모델링할 수 있도록 SP 시스템이 어떻게 작용할 수 있는지 보여주기 위해.
• 정보 압축과 패턴 정렬을 통해 추론, 지식 표현, 학습을 통합하는 통합된 프레임워크를 제공하기 위해.
• 다양하고 낮은 빈도의 일반지각 상황에서 스케일링 가능하고 맥락 민감한 추론을 가능하게 하여 CSR의 '긴 尾' 문제를 해결하기 위해.
• SP 시스템의 비지도 학습이 외부 감독 없이도 원시 입력에서 효과적인 문법과 지식 구조를 생성할 수 있음을 보여주기 위해.

제안 방법

• 다양한 도메인에서 강력하고 단순화된 추론을 가능하게 하기 위해, 다수의 지식 패턴을 통합하고 압축하는 데 SP-다중정렬을 활용한다.
• 완전한 검색을 피하면서도 높은 품질의 패턴 매칭을 유지하기 위해, 양호한 SP-다중정렬을 점진적으로 구축하기 위해 히우리스틱 검색을 적용한다.
• 원시 입력 데이터에서 SP-문법을 유도하기 위해 비지도 학습을 활용하며, 새로운 SP-패턴의 매칭 및 매칭되지 않은 부분으로부터 옛 SP-패턴을 형성한다.
• 문장을 새로운 SP-패턴으로 인코딩하고, 기존의 옛 SP-패턴 세트(문법적 및 의미적 구조를 나타냄)와 정렬함으로써 자연어 이해와 추론을 모델링한다.
• 다양한 추상 수준에서 문법적, 의미적, 구조적 정보를 모두 포함할 수 있는 일반적이고 유연한 형식으로 지식을 표현한다.
• 정보 압축을 통합 원칙으로 사용한다: 패턴 집합이 정렬을 통해 얼마나 많이 압축될 수 있는지가, 결과적으로 유의미하고 일관된 추론 또는 지식 구조의 정도를 결정한다.

실험 결과

연구 질문

• RQ1 SP 시스템은 *The Godfather*의 말머리 장면처럼 맥락이 풍부한 복잡한 상황에서 일반지각 추론을 어떻게 모델링할 수 있는가?
• RQ2 SP 시스템은 희귀하거나 낮은 빈도의 추론이 자동화하기 어려운 '긴 尾' 문제를 효과적으로 다룰 수 있는가?
• RQ3 SP-다중정렬은 추론, 지식 표현, 학습을 통합된 프레임워크에서 얼마나 잘 통합할 수 있는가?
• RQ4 SP 시스템의 비지도 학습 메커니즘은 비정형 입력에서 효과적인 문법과 지식 구조를 어떻게 생성하는가?
• RQ5 SP 시스템의 정보 압축과 패턴 정렬 접근 방식은 기존의 AI 방법보다 더 강력하고 확장 가능한 CSR 및 CSK의 기반을 제공할 수 있는가?

주요 결과

• SP 시스템은 SP-다중정렬을 사용하여 *The Godfather*의 말머리 장면을 성공적으로 모델링함으로써, 상징적 행동 뒤에 숨은 위협적 의도를 추론함으로써 맥락적이고 정서적인 추론 능력을 입증한다.
• SP 시스템은 다양한 낮은 빈도의 일반지각 패턴을 압축함으로써 스케일링 가능하고 맥락 민감한 추론을 가능하게 하여 '긴 尾' 문제에 대한 해결책을 제공한다.
• SP-다중정렬은 추론, 지식 표현, 학습의 원활한 통합을 가능하게 하여 AI 하위 분야 간의 분열을 줄인다.
• 시스템의 비지도 학습 메커니즘은 외부 감독이나 강화 없이도 원시 입력에서 효과적인 SP-문법을 생성하고, 구조화된 지식을 형성할 수 있다.
• SP 시스템의 정보 압축 접근 방식은 복잡한 언어적 및 개념적 패턴을 경제적인 방식으로 압축하여 강력하고 일반화 가능한 추론을 지원한다.
• 이 프레임워크는 패턴 정렬과 압축이라는 단일 통합 원칙 아래에서 자연어 처리, 패턴 인식, 계획 수립 등의 광범위한 인지 기능을 지원한다.