LLMと意味の理論モデル概説 −− 概要紹介

【 LLMと意味の理論モデル概説 −− 概要紹介 】

【 LLMと意味の理論モデルの新しい展開 】

LLMの言語の意味理解能力の獲得と驚異的な言語運用能力の実現という現実の進行を目の当たりにして、それを説明しようとする問題意識と理論が次々に生まれています。

MaruLaboでは、この夏以降しばらくの間、「LLMの理論モデルの新しい展開」という共通テーマで、複数のセミナーを連続して開催しようと思っています。

今回のセミナーは、今後予定している一連の「LLMの理論モデルの新しい展開」セミナーの全体の概要を紹介するものです。

理論モデルの新しい展開については、音声による概要まとめを用意しました。ぜひ、こちらをご利用ください。

Deep Dive Audio 20250816
https://www.marulabo.net/docs/dda20250816/

【  新しい展開の背景を探る 】

LLMの数学的構造の新しい知見の現在の展開には、理論的背景があります。

現在の展開を理論的に支えた代表的な先行研究が二つあります。

一つは、Tai-Danae Bradleyらの「米田埋め込み」にインスパイアされた enriched copresheaf 意味論で、もう一つは、Bob Coeckeらの「言語はそもそも量子論的だ」というQNLPです。

これらについては、Part 3 と Part 4で、少し詳しく説明しています。

【 Bradleyの理論の発展をたどる 】

今回のセミナーの目的は、今後の個別のセミナーを理解するのに必要な基本的な準備をすることにあります。

いろいろ語るべきことは多いのですが、基本的な情報は、意味の理論モデルの発展が辿ってきた道だと思います。

意味の理論モデルの発展をたどった道を、基本的な情報として共有しようということで、今回のセミナーがとったやり方は、少しかたよったものに見えるかもしれません。

このセミナーの Part 3, Part 4では、意味の理論モデルの発展一般ではなく、Bradleyの理論の発展にフォーカスしています。

【 Bradleyのcopresheaf意味論 】

特に、2021年の論文は重要です。

大規模言語モデルが見せる驚くべき能力を目の当たりにして、なぜ、そんなことが可能なのかと真剣に考え始め、それに理論的に答えようとして書かれたものです。

AIは素晴らしいという情報は多いですし、AIはブラックボックスだと批判する議論も少なくないのですが、その謎に正面から挑戦した論文は、意外と少ないものです。

彼女の理論的取り組みは、貴重なものだと思います。

【 セミナーの構成 】

今回のセミナーのアジェンダは、次のようになっています。

　● Part 1　LLMの理論モデルの新しい展開
　● Part 2　新しい展開の背景を探る
　● Part 3  Bradleyの理論の発展をたどる 
　● Part 4  Bradleyのcopresheaf意味論

【 セミナーのお申し込みについて 】

マルレク「LLMと意味の理論モデル概説」は、本日 8月16日開催です。
セミナー開始直前の 19:00まで申し込みを受け付けています。

興味のある方、次のページから、ぜひ、お申し込みください。
https://mathmeaning.peatix.com/view

申し込んだ方には、セミナー開始直前に、YouTubeでの限定公開 でコンテンツを配布します。

本日すでに予定が入っている人も、ここ当面忙しい人も、コンテンツを受け取ると、後日ご自身の都合のいい時間で、何回でもセミナーを視聴できます。遠慮なくお申し込みください。

ただ、申し込みシステムの仕様で、セミナー開始時間の7月5日19:00 を過ぎますと申し込みができなくなりますのでご注意ください。

−−−−−−----−−−−--−−−−-−−

セミナー申し込みページ

blog 「LLMと意味の理論モデル概説 −− 概要紹介 」
https://maruyama097.blogspot.com/2025/08/llm_01846089191.html

スライド「LLMと意味の理論モデル概説 −− 概要紹介」のpdf ファイルhttps://drive.google.com/file/d/1XnXgm4JyustavO9udHddFitRSfrtld0f/view?usp=sharing

ショートムービー「LLMと意味の理論モデル概説 −− 概要紹介」
https://youtu.be/BHpTgh0DDu8?list=PLQIrJ0f9gMcOZLKdK6IfNYLNClKCYoYWb

コメント

コメントを投稿

このブログの人気の投稿

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

密度行列とは何か？

これまで、量子の状態をベクトルで表現してきました。例えば、量子ビットの状態は、状態ベクトルで表せば、|qubit> = a|0>+b|1> と、二つの状態ベクトルの「重ね合わせ」（ベクトルの和です）で表現されました。 それに対して、密度行列は、量子のシステムの状態を行列で表現したものです。では、どの　ようにしてベクトルで表される量子の状態を、行列で表すのでしょう？ 次のように考えます。ある量子システムで、状態|ψ_i>である確率をp_iとしましょう。この時、確率p_iを成分とする行列を考えます。 |qubit> = a|0>+b|1> の場合なら、|0>である確率p_0は |a|^2で、|1>である確率p_1は |b|^2になりますので、p_0とp_1、すなわち、|a|^2と|b|^2を成分とする行列を考えることにします。 ここでは、ベクトルの外積が行列になることを利用します。それでは、外積で作られる行列のどこにこの成分を割り当てるか考えましょう。うまい方法があります。 外積 |0><0|は、0行0列目の成分だけが1で、残りの成分は全て0の行列です。同様に、外積|1><1|は、1行1列目の成分だけが1で、残りの成分は全て0の行列です。 この時、p_0|0><0| + p_1|1><1|という行列として密度行列を定義します。0行0列目の成分がp_0で、1行1列目の成分がp_1の行列です。 　● 状態ベクトルを使った表示 　　　|qubit> = a|0>+b|1> 　● 密度行列を使った表示 　　　ρ = p_0|0><0| + p_1|1><1| = |a|^2|0><0| + |b|^2|1><1| 状態ベクトルを使った表示に出てくる a, bは複素数ですが、密度行列を使った表示に出てくる p_0, p_1 は、確率ですので 0と1の間に値を持つ実数です。これは、二つの表示スタイルの大きな違いです。 密度行列を作るのに利用した、確率 p_iと状態|ψ_i>のペア { p_i, |ψ_i> }の集まりを、「pureな状態のアンサンブル」といいます。その意味は、この量子システムで、状態|ψ_...
続きを読む

「複雑性理論」は「複雑系」の議論とは別のものです

イメージ
「複雑性理論」を、以前に少し流行したことのある「複雑系」の議論と同じものだろうと誤解されていることに、最近気づきました。当然ありうる誤解なのに、迂闊でした。 確かに、対象が「複雑さ」だと思えば、一部分は重なるところもあるのですが、「複雑性理論」と「複雑系」の議論は、まったく違うものです。 現在の「複雑性理論」の歴史をたどると、二つの起源にたどり着きます。 一つは、20世紀初頭からの数学の基礎付けをめぐる探求です。ヒルベルトの「有限の立場」にはじまり、ゲーデルの「不完全性定理」が衝撃を与え、「チャーチ＝チューリングの提言」で「実効的な」「計算可能性」概念が、いったん定式化されるといった一連の流れです。 もう一つは、20世紀の中盤以降、コンピュータ技術が爆発的に発達する中で生まれた「計算量理論」「計算複雑性理論」です。そこでの最大の気づきは、「実際に」コンピュータで計算できるものを考えると、「多項式」で表現される計算時間と、「指数関数」で表現される計算時間とには、「質的」な違いがあるのではというものでした。（この計算複雑性理論の中心的な問題である「P=NP？問題」は、今に至るも解決されていません。） 二つの流れは、別々のものでした。 前者は、人間の数学的認識の原理的「限界」に関わるもので、後者はコンピュータによる計算の具体的「限界」に関わるものです。 ただ、人工知能をめぐる基本的な問題が、最終的には、人間の知能の機械による実現は可能かということであるなら、両者は結びつきます。なぜなら、人工知能は人間の数学的認識をも実現するものでなければならないし、それはまた、実際のコンピュータ上で実装されなければならないからです。 人間の知能の本質を、「計算」として捉える立場を、「計算主義」と言います。それは、現在のディープラーニング技術が、よって立つ、「コネクショニズム」とは異なる立場です。僕は、人工知能論では、この「計算主義」の立場に立っています。それは、コネクショニズムは、数学的認識に関しては、無力だと考えているからです。 現代の複雑性理論には、第三の起源があります。 理論史的には、それは、ファインマンによる「量子コンピュータ」の提唱にはじまるものです。 ただ、その背景には、とても重大な認識の発展があります。それは、全ての情報過程が...
続きを読む