文献

J-GLOBAL ID：202002259129655026   整理番号：20A2487591

統合理解システムにおける言語の配置:ニューラル言語モデルにおける人間レベルパフォーマンスに向けた次のステップ【JST・京大機械翻訳】

Placing language in an integrated understanding system: Next steps toward human-level performance in neural language models

著者 (6件)： McClelland James L. (Department of Psychology, Stanford University, Stanford, CA 94305) ,  McClelland James L. (DeepMind, London N1C 4AG, United Kingdom) ,  Hill Felix (DeepMind, London N1C 4AG, United Kingdom) ,  Rudolph Maja (Bosch Center for Artificial Intelligence, Renningen 71272, Germany) ,  Baldridge Jason (Google Research, Austin, TX 78701) ,  Schuetze Hinrich (Center for Information and Language Processing, Ludwig Maximilian University of Munich, Munich 80538, Germany)
資料名： Proceedings of the National Academy of Sciences of the United States of America  (Proceedings of the National Academy of Sciences of the United States of America)
巻： 117  号： 42  ページ： 25966-25974  発行年： 2020年 
JST資料番号： D0387A  ISSN： 0027-8424  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 言語は,人間の知能にとって極めて重要であるが,その役割は,その役割である。言語は,状況を理解し,通信するためのシステムの一部である。ヒトでは,これらの能力は経験から徐々に出現し,生物学的ニューラルネットワークのドメイン-一般原理に依存する:接続ベース学習,分散表現,およびコンテキスト感受性,相互制約充足ベース処理。現在の人工言語処理システムは,人工ニューラルネットワークに具体化された同じドメイン一般原理に依存する。実際,この分野における最近の進展は,質問ベース注意に依存し,これらのシステムの能力を拡張し,コンテキストを活用し,顕著なブレークスルーに寄与した。それにもかかわらず,ほとんどの現在のモデルは,言語-内部タスクに専ら焦点を当て,理解状況に依存するタスクを実行する能力を制限する。また,これらのシステムは固定文脈スパンの外の事前状況のコンテンツに対するメモリを欠いている。記憶問題を扱う高速学習システムを含む,脳分散理解システムの組織化を述べた。認知神経科学と人工知能に等しく描画を理解し,問い合わせベースの注意を利用する将来のモデルのためのフレームワークをスケッチした。関連する現在の方向を強調し,計算システムにおける人間レベルの言語理解を完全に捉えるのに必要な更なる発展を考察する。Copyright 2020 The Author(s). Published by PNAS. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  学習 ,  計算機システム ,  *言語 ,  スパン ,  ニューラルネットワーク ,  ヒト ,  人工知能 ,  言語理解 ,  制約充足問題 ,  コンテンツ ,  *言語モデル
準シソーラス用語： 学習支援システム , 【Automatic Indexing@JST】

著者キーワード (5件)： 自然言語理解 ,  深層学習 ,  状況モデル ,  認知神経科学 ,  人工知能

分類 (2件)： 中枢神経系  (EJ12030F) ,  応用心理学  (AE02000A)

タイトルに関連する用語 (6件)： 統合 ,  理解 ,  言語 ,  言語モデル ,  人間 ,  パフォーマンス