第1部 「意味の分散表現論の系譜」の概要

【 研究では、問題の立て方が重要であること 】

今回のセミナー「ことばと意味の数学的構造」の第1部「意味の分散表現論の系譜」では、「意味の分散表現論」がどのように生まれ、どのように発展してきたかを、実装と理論の二つの面から、振り返ってみたいと思います。

第1部「意味の分散表現論の系譜」は、次のような構成を考えています。

　1. Bengioの「次元の呪い」からSentence to Sentence まで
　2. Google機械翻訳からBERT Transformer まで
　3. DisCoCat の登場 – ことばと意味の「構成性」
　4. DisCoCat の変化 – Coecke と Tai-Danae

1-1章と1-2章は、「意味の分散表現」にフォーカスして、大規模言語モデルにいたる実装レベルでの興味深い取り組みを、コンパクトに紹介したものです。

この章の内容は、2023年1月に行ったマルレク「AIは意味をどのように扱っているのか？ -- ChatGPT の不思議」を短くまとめたものです。 https://www.marulabo.net/docs/meaning/

1-3章の「DisCoCat の登場 – ことばと意味の「構成性」」は、実践的な第1章とは少し違った切り口、理論的な面から「意味の分散表現」論にアプローチしたものです。

ここで取り上げたDisCoCatの最大の貢献は、ことばと意味の「構成性」の問題に、あらためて焦点をあて、さらにカテゴリー論的アプローチを言語理解に取り入れたことにあります。

この章の内容は、2022年12月のマルレク「ことばと意味の「構成性」について」を短くまとめたものです。 https://www.marulabo.net/docs/discocat/　

1-4章の「DisCoCat の変化 – Coecke と Tai-Danae」は、2010年の論文発表以来の、「カテゴリー論的構成的分散意味論」 Distributional Compositional Categorical Semantics の変化を、量子論的アプローチをとるBob Coecke と数学的アプローチを取るTai-Danae Bradley の立場の違いにフォーカスしてまとめたものです。

この章は、今回のセミナー全体、第2部、第3部への導入になっています。

　【 なぜ、Tai-Danaeの議論に注目するのか 】

今回のセミナーは、基本的には、Tai-Danae Bradleyの2021年11月の次の論文の紹介を目指したものです。

　Language Modeling with Reduced Densities

この論文の数学的基礎については、2023年2月のマルレク 「密度行列 ρ で理解する確率の世界」がその解説になっています。https://www.marulabo.net/docs/density2/　

なぜ、DisCoCatの流れの中で、Tai-Danae の議論に注目するのでしょうか？この論文の冒頭で、彼女はこう言っています。

「この研究は、今日の最先端の統計的言語モデルが、その性能において印象的であるだけでなく、より本質的に重要なことは、それが構造化されていないテキストデータの相関関係から完全に構築されているという観察から生まれたものです。」

彼女の関心は、現在の「大規模言語モデル」の「印象的」な成功に向けられています。彼女はそれがDisCoCatモデルとは少し異なる言語モデルであることも知っています。その上で、その背後にあるものを探り出そうとしているのです。

　【 Tai-Danaeの問題の立て方 】

僕にとって印象的だったのは、彼女が次々と問題を立てることでした。答えの前には、もちろん、問題があります。ただ、答えを見つける条件が成熟するというのは、正しく問題をたてることができるということです。

　○ 自然言語における表現の意味をとらえる数学的構造は何か？
　○ この構造は、テキスト・コーパスを用いてどの程度まで十分に検出できるのか？
　○ 抽象的な概念とその相互関係を自然に掘りだす方法はあるのか？
　○ 論理と命題の連関はどのようにして生まれるのか？

こうして、彼女は、次の二つが基本的な問題だとします。 

　● どのような数学的構造が、構造化されていないテキストデータには存在するのか？
　● どのようにして、テキストの情報は、カテゴリー構造を維持したまま保存され、モデル化することができるのか。

先の論文は、この問題に対する彼女の答えを述べたものです。

彼女の答えは数学的に表現されたものなのですが、すくなくとも彼女の「問題意識」は、わかりやすいものだと思います。

-------------------------------------

「 第1部 「意味の分散表現論の系譜」の概要 」を公開しました。
https://youtu.be/1T5vJUUPwxI?list=PLQIrJ0f9gMcMpryyqVYL-T8Z4zQ-ejvpF

資料pdf
https://drive.google.com/file/d/1EL1n3OnOZpuRbh1JhjUJTk-DV2cMuPeJ/view?usp=sharing

blog：「研究では、問題の立て方が重要であること」
https://maruyama097.blogspot.com/2023/04/1.html

「ことばと意味の数学的構造」まとめページ
https://www.marulabo.net/docs/math-structure/

「ことばと意味の数学的構造」セミナー申し込みページ

コメント

コメントを投稿

このブログの人気の投稿

マルレク・ネット「エントロピーと情報理論」公開しました。

イメージ
前回の秋葉原でのマルレクのネット配信が始まりました。 https://crash.academy/class/156 タイトルを「エントロピーと情報理論 -- 量子情報理論入門 -- 」に変更しました。最初の30分は、無料です。 次回のマルレク「量子コンピュータとは何か？」の導入となるコンテンツです。 講演資料は、こちらです。 https://goo.gl/CKayix  あわせて、ご利用ください。 　　　--------------------------------- 　　　マルレク・ネット　ビデオ・コンテンツ　 　　　--------------------------------- 　「エントロピーと情報理論」 　　　　 https://crash.academy/class/156 　「人工知能の歴史を振り返る」 　　　　 https://crash.academy/class/139/ 　「ニューラル・コンピューターとは何か？」 　　　　 https://crash.academy/class/101/ 　「Google ニューラル機械翻訳」 　　　　 https://crash.academy/class/76/ 　「RNNとLSTMの基礎」 　　　　 https://crash.academy/class/66/
続きを読む

初めにことばありき

旧約の「創世記」の「光よあれ」は、ビッグバンを思わせて、物理学者はちょっと萌えるかもしれないのだが、新約の「ヨハネによる福音書」には、言語学者が喜びそうなフレーズがある。 「初めに言があった。言は神と共にあった。言は神であった。」 僕が知っていたのは、「はじめにことばありき」という訳だったのだが。この口語訳での「言」は、英訳だとこうなっている。 "In the beginning was the Word, and the Word was with God, and the Word was God." 「言」= "Word" である。はじめにあったのは、Wordであって、Language ではない。だから、新しい口語訳では、普段、あまり馴染みない「言」という訳語を使ったのかも。「初めに語があった」では、なんかしまらないんだろうな。（僕は、「はじめにことばありき」というフレーズの方が好きだ。） ちなみに、「ヨハネによる福音書」は、英語では、"Gospel of John" という。「ジョンのゴスペル」である。でも、そう日本語に訳してしまうと、ジョン・レノンがバラードではなく、ゴスペルを歌っているようで、まずいんだろうな。 「ことば」・「言」・"Word" と訳されている、元々の言葉を調べてみると面白い。 キリスト教のオーソドックスな原典であるラテン語訳聖書では、この部分は、こうなる。 "In principio erat Verbum, et Verbum erat apud Deum, et Deus erat Verbum" 「イン・プリンキピオー・エラト・ウェルブム」 英訳 Word のラテン語の原語は、Verbum である。この単語、英語に直訳すれば、Verbである。「初めに、動詞があった。」　言語学の「従属性文法 (Dependency Grammar) 」理論の人たち、喜びそう。 もっとも、英語のVerbは、元々は、動詞というより広く言葉全体をさしてたらしい。そのことは、「ノンバーバル・コミュニケーション (Non-Verbal Communication) 」というのが、動詞を使わないコミュニケーション
続きを読む

人間は、善と悪との重ね合わせというモデルの失敗について

人間は善と悪との「重ね合わせ」だという前回の話は、人間の本性の複雑さを語るのには、ありうる喩えなのかもしれないが、量子の「重ね合わせ」の喩えとしては、実は、二つの点で失敗しているのだ。 一つには、複雑な善と悪との重ね合わせから情報を引き出す「簡単・粗野」な方法として、善か悪かの判断のみを下す「善悪測定器」を、便宜的に導入したのだが、これがマズイ。 複雑な量子の状態を「測定」した時に、我々は、その状態を複雑なまま見いだすことは出来ないのだ。量子が、善と悪との状態の重ね合わせだとしたら、測定によって我々が見いだすのは、必ず、善か悪か、どちらかの状態の量子を見いだす。 もしも、量子が、善悪二つの状態の重ね合わせではなく、もっと沢山の状態（例えば、100個の状態）の重ね合わせの場合でも、我々が「測定」で得られるのは、その中の、たった一つの状態である。 だから、量子の世界では、善か悪かの判断のみを下す「善悪測定器」は、決して「便宜的」なものではなく、これ以外の測定はできないという意味で、「原理的」な制約を表現しているのである。そのことが、先の喩えでは、うまく表現されていない。 量子の不思議さを、「重ね合わせ」の状態が不思議だと思っている人も多いのだが、それは違うと思う。 善と悪との重ね合わせの前回の例もそうだし、波だって、フーリエ変換だって、我々の日常に、たくさん「重ね合わせ」の現象は存在する。それは、ちっとも不思議なことではないし、表象するのも簡単である。 不思議なのは、「重ね合わせ」ではなく、量子に対する「測定」の方なのだ。それは、我々が「測定」に対してもつイメージとは、かけ離れている。量子力学の基礎の部分を構成しているのは、この不思議な「測定」の形式化・数式化なのである。（そして、それは、難しいものではない。今度の「紙と鉛筆」の演習に来て。） 二つ目の失敗も、実は、「測定」の扱いに関係している。 先の例では、丸山は、1,000回ほど「善悪測定器」にかけられ、その結果で、70% 悪人で、30% 善人 だと判定されるみたいな話をした。それが違うのである。 我々が「測定」で得られるのは、「重ね合わせ」を構成する複数の状態の中のたった一つの状態であると書いたのだが、それだけではないのだ。「測定」によって、量子の状態は、「測定」された一
続きを読む