추상적 관계 구조를 대조하여 비유를 만드는 법 배우기

비유적 추론은 여러 차례의 AI 연구의 주요 초점이었습니다. 비유는 기계에게 특히 도전적입니다. 이는 관계 구조가 다양한 경험 영역에서 유연하게 적용될 수 있도록 표현되어야 하기 때문입니다. 여기서는 신경망이 원시 시각 데이터를 인지하고 추론하는 법을 배우는 과정에서 비유적 추론이 어떻게 유도될 수 있는지를 연구합니다. 그러한 능력을 유도하는 중요한 요소는 복잡한 아키텍처가 아니라, 데이터 선택 및 이를 모델에 제시하는 방식에 대한 세심한 주의임을 발견하였습니다. 네트워크가 입력 도메인에서 추상적 관계 구조를 대조하면서 비유를 배우게 될 때 가장 탄탄한 비유적 추론 능력이 유도됩니다. 이 훈련 방법은 모델이 중요한 추상적 특성을 배우도록 강제하기 위해 입력 데이터만을 사용합니다. 이 기술을 활용하여 우리는 가장 간단한 신경망 아키텍처에서도 복잡한 시각적 및 상징적 비유 만들기와 일반화의 능력을 보여줍니다.