Key points are not available for this paper at this time.
기계 지능은 점점 더 자각, 언어 처리 및 자연 언어를 다양한 자극으로 이해하고 변환하는 능력에 대한 주장과 연결되고 있습니다. 우리는 DALL·E 2가 자연 언어 프롬프트를 이미지로 변환하는 능력을 분석합니다. 문법적 전략을 정확하게 표현할 수 있는 능력이 있는지 여부는 여전히 불명확합니다. 우리는 인간 언어에서 널리 퍼져 있는 10가지 현상에 대한 DALL·E 2의 성능을 목표로 합니다: 바인딩 원칙과 공지칭, 수동태, 구조적 모호성, 부정, 조합성과 어순, 수량화, 이중 목적어 구성, 문장 조정, 생략, 비교급. 이러한 작업을 마스터하는 어린 유아들과는 달리 DALL·E 2는 유추된 의미를 정확하게 표현하지 못하며, 무작위 수준에서 성능을 보입니다. 프로그램들은 방대한 수의 단어를 인식하고 단어 시퀀스의 확률을 계산하도록 훈련될 수 있지만, 이러한 결과는 인공적인 인간 언어 이해에 대한 최근 주장에 도전합니다. 테스트된 자료의 전체 세트와 출력물은 향후 테스트를 위한 기준으로 제공됩니다.
Leivada et al. (Sun,)는 이 질문을 연구했습니다.