Meta Semantics: Towards better natural language understanding and reasoning

要約

タイトル： メタセマンティック：より良い自然言語理解と推論に向けて

要約：

– 自然言語理解は人工知能の中でも最も難しい課題の一つである。
– 特にChatGPTやGPT-3などの大規模言語モジュール（LLM）による深層ニューラルネットワーク手法は、非形式的なテキストを受け入れる柔軟性に優れるが、論理的な推論に弱く、外れ値（OOV）の問題に苦しむ。
– 一方で、Mathematica、セマンティックウェブ、そしてLeanなどのルールベースの手法は推論に優れているが、複雑で変化しやすい非形式的なテキストを扱うことができない。
– 言用理論と構造主義からインスピレーションを得て、OOV問題を解決するための2つの戦略と、より良い自然言語理解と推論のためのセマンティックモデルを提案する。

要約(オリジナル)

Natural language understanding is one of the most challenging topics in artificial intelligence. Deep neural network methods, particularly large language module (LLM) methods such as ChatGPT and GPT-3, have powerful flexibility to adopt informal text but are weak on logical deduction and suffer from the out-of-vocabulary (OOV) problem. On the other hand, rule-based methods such as Mathematica, Semantic web, and Lean, are excellent in reasoning but cannot handle the complex and changeable informal text. Inspired by pragmatics and structuralism, we propose two strategies to solve the OOV problem and a semantic model for better natural language understanding and reasoning.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI