인공 지능에서 인공 지혜로의 모색
From Artificial Intelligence to Artificial Wisdom
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
이 논문은 자연 지능의 지식 및 지혜 습득의 본질을 더 잘 반영하는 인공 지능의 구현을 모색한다. 일반적으로 알려진 것처럼, 현재의 인공 지능은 이미지 데이터뿐만 아니라 텍스트 데이터, 즉 코퍼스를 활용하여 데이터와 정보를 학습하고 축적한다. 결과적으로, 현재의 인공 지능은 자연 지능과 유사하게 생각하는지에 관하여 부족한 점 혹은 문제점 등이 종종 지적되곤 한다. 우리가 이 논문에서 제안하는 것은 새로운 형태의 인공 지능이 사람, 특히 어린 아이들이 세계에 대한 지식과 지혜를 획득해 가는 습득 과정을 모방하고 혹은 이보다 효과적인 방법을 취하여야 한다는 점이다. 이상적인 측면에서, 본고가 제안하는 것은 예를 들어, 대화 혹은 문답 형식으로 생각의 교류를 이루는 소위 소크라테스의 문답형 변증법을 구현하는 것이다. 이를 통하여, 인공 지능이 스스로 발전하면서 그리고 자기의 앎을 성찰하면서 데이터나 정보뿐만 아니라 지식과 지혜를 습득해 나아가는 것이다. 인공지능이 지식과 지혜에 대해 사람과 같은 능력을 정말로 도달할 수 있는지의 가능성에 관하여 최근 새롭게 도입되는 지식 및 지혜를 습득하는 모델로서 ‘설명 가능한’ 인공지능(X-able AI) 그리고 의미 파서(Semantic Parser)를 재검토하면서 추가 논의를 진행하였다.
Abstract
This paper proposes a more reality-reflecting implementation of artificial intelligence (AI). The current form of AI generally learns or accumulates data or information on the basis of corpora or textual data on top of image data. Thus, the net result is that it has many things to be desired in human-like performance. We suggest that the learning procedure for the new form of AI needs to simulate or emulate the human or children’s learning trajectory of acquiring knowledge, and furthermore, wisdom about the world. Ideally, the suggested learning procedure implements, for example, the so-called Socratic method using dialogues or question-answer exchanges, thus the self-developing and introspective AI acquiring not just data and information but also knowledge and wisdom. As a newly advanced knowledge-acquiring model, Explainable-AI and Semantic Parsing are reviewed and discussed in regard to the potential to truly attain the human-like ability in knowledge and wisdom.
참고문헌 (19)
- 힐쉬베르거, 요한네스, "서양철학사 1" (2008), 이문출판사
- 위스망, 데니, "인간학·철학·형이상학" (1999), 삼협종합출판부
- Alex Wang, "GLUE: A multi-task benchmark and analysis platform for natural language understanding", Proceedings of the Workshop: Analyzing and Interpreting Neural Networks for NLP (BlackboxNLP@EMNLP 2018) (2018)
- Alex Warstadt, "BLiMP: A benchmark of linguistic minimal pairs for English", Proceedings of the Society for Computation in Linguistics (2020)
- Andrew Carnie, "Syntax: A Generative Introduction" (2012), Wiley-Blackwell
- Candace Ross, "Grounding language acquisition by training semantic parsers using captioned videos", Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing, pp.2647~2656 (2018), Association for Computational Linguistics
- David Beaver, "A uniform analysis of before and after", Semantic Linguistic Theory, 8, pp.37~54 (2003)
- Dzmitry Bahdanau, "Neural machine translation by jointly learning to align and translate", Proceedings of International Conference on Learning Representations 2015 (2015)
- G. Elizabeth, "Before and after", The Philosophical Review, 74, pp.3~24 (1964)
- Jennifer Hu, "A systematic assessment of syntactic generalization in neural language models", Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, pp.1725~1744 (2020), Association for Computational Linguistics
- John Rupert Firth, "Studies in Linguistic Analysis", pp.1~32 (1957), Philological Society
- Kelvin Xu, "Show, attend and tell: Neural image caption generation with visual attention", arXiv: 1502.03044, ~ (2015)
- Noam Chomsky, "Knowledge of Language: its Nature, Origin and Use" (1985), Praeger
- Orvokki Heinämäki, "Before", pp.139~151 (1972), University of Chicago
- Pedro Domingos, "The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World" (2015), Basic Books
- Russell Ackoff, "From data to wisdom", Journal of Applied Systems Analysis, 16, pp.3~9 (1989)
- Stuart Russell, "Artificial Intelligent: A Modern Approach" (2010), Prentice Hall
- Tsung-Hsien Wen, "Semantically conditioned LSTM-based natural language generation for spoken dialogue systems", EMNLP 2015: Conference on Empirical Methods in Natural Language Processing (2015)
- 유용석, "Semantics of Before and After in Korean", 언어연구, 35(2), pp.259~274 (2019), 한국현대언어학회[DOI]