DNN と word embedding

【 embeddingの不思議 】

このセッションから Tai-Danaeらの論文の "Embeddings in Natural Language Processing" 「自然言語処理でのembedding」セクションの紹介に入ります。

ここ10年、計算言語学と自然言語処理（NLP）の研究者たちは、当初はアルファベット順に並べられた集合の構造しか持たなかった単語を、ベクトルに置き換えるというステップを踏んできました。

語をベクトルで置き換えるというステップは、人工知能分野における現在の進歩の主な原動力のひとつです。

もちろん、こうした変化を引き起こした最大の転換点は「Word2Vec」論文の発表なのですが、Tai−Danaeの論文が興味深いのは、この変化を引き起こした背景を分析していることです。

 画像認識や音声認識で大きな成功を収めてきたDeep Learning 技術が、次のターゲットとして向かったのは自然言語処理の世界でした。


【 DNNの働きの定式化 】

当時、Deep Learning 技術の発祥の地とも言える、Deep Neural Network の理論的な定式化が進みます。（ DNN = Deep Neural Network は、"feed forward network" とか "full connect network" とか、いろんな名前を持っているのですが、それらはみな同じものです。)

それは、DNNは、ベクトル空間からベクトル空間への関数の連続した合成、しかもある同一の特徴で記述できる関数の連続した合成として記述できるという認識です。

この認識は、Deep Learning のシステムを構築を支援する様々なフレームワーク（TensorFlow, Keras 等々）登場の基礎として、実践的には非常に大きな意味を持ちました。


【 ある発見 】

そうしたなか、経験的なものですが、ある驚くべき発見がありました。Tai−Danaeの表現を引用します。

「ある言語タスク用に学習を済ましたモデルの第1層（先の図の𝑓_1）を、別の言語タスクを対象とした別のDNNの第1層として使用すると、この二つ目のタスクの性能が大幅に向上するのである。」

Word2Vecは、おそらく、こうした背景の中で生まれたものです。

こうして、現代なら、Pre−Trainingでもっぱらembedding を計算し、Fine-Tuning でそのembedding を、様々なタスクで使い回すというスタイルは、当たり前の、しかし基本的な「アーキテクチャー」として認識されていると思いますが、その萌芽的な認識が生まれたのです。


【 Word2Vec の登場の意味 】

語のベクトル表現は、そのベクトル上の演算が、予期していなかった言語学的意味を持つことで、大きなインパクトを与えました。

　● 2つのベクトル間の内積は意味的類似度と高い相関を示す。
　● 二つのベクトルの足し算と引き算は、それらが表す単語間の類似関係と相関している。

こうしたことから、語の意味ベクトルは、個々の単語が点として埋め込まれた意味空間のようなものに存在していることがわかったのです。こうした認識は、言語の意味にアプローチする上で、今日でも最も基本的なものです。


【 embedding の不思議 】

ただ、語のベクトル表現がすべて、言語学的意義を持つわけではないのです。

3万の語彙を持つ言語を考えましょう。この言語の語のベクトル表現で、一番簡単な選択は、一つの語に一対一で対応する、互いに独立するベクトル を3万個用意することです。 要素の一箇所だけが1で残り全部が0であるベクトルを 1−hot ベクトルと言いますが、このやり方で、3万個の語に対応するベクトルはすぐ作れます。

ただ、この1−hot ベクトルによる語のベクトル表示には、大きな問題があります。
そこでは、二つの語のベクトルの内積は、いつも0になります。二つのベクトルの和も差も、意味のあるものになりません。

1-hotベクトルには、語埋め込みの意味的性質は存在しないのです。

言語学的に重要な特性は、埋め込みマップ 𝜎 と合成した後の、低次元で密なベクトルで、初めて現れるのです。それは不思議なことです。

私たちは、そのことの合理的な解釈を与えることがまだできていません。

Tai−Danaeの論文は、この不思議に数学的に挑戦するものです。

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

ショートムービー「 DNN と word embedding 」を公開しました。
https://youtu.be/uG4mqUgU3Wk?list=PLQIrJ0f9gMcOJYKeUN_8q2K-yxtTfbIoB

「 DNN と word embedding 」のpdf資料
https://drive.google.com/file/d/1F3boJTSJgPNTUlgHZSUVQIJ0HTiik1YG/view?usp=sharing

blog 「 embeddingの不思議 」
https://maruyama097.blogspot.com/2024/02/dnn-word-embedding.html

「言語の意味の数学的構造」まとめページ
https://www.marulabo.net/docs/embedding-dnn/

ショートムービーの再生リスト
https://www.youtube.com/playlist?list=PLQIrJ0f9gMcOJYKeUN_8q2K-yxtTfbIoB 

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