Core Concepts
ULLER은 신경-기호 학습 및 추론을 위한 통합 언어로, 다양한 의미론을 지원하여 기존 신경-기호 프레임워크 간 지식 공유와 비교를 용이하게 한다.
Abstract
이 논문은 신경-기호 인공지능(NeSy) 분야에서 최근 크게 성장한 다양한 프레임워크들의 이질성 문제를 해결하기 위해 ULLER이라는 통합 언어를 제안한다. ULLER은 다음과 같은 특징을 가진다:
첫째, ULLER은 배경 지식을 표현하고 신경망과 관련짓는 데 사용되는 다양한 언어를 통합한다. 이를 통해 초보자의 접근성을 높이고 다른 NeSy 프레임워크 간 비교를 용이하게 한다.
둘째, ULLER은 고전 논리, 퍼지 논리, 확률 논리 등 다양한 의미론을 지원한다. 이를 통해 기존 NeSy 시스템에서 사용할 수 있는 지식을 표현할 수 있다.
셋째, ULLER은 신경망을 함수로 취급하여 데이터 샘플링 및 처리 파이프라인을 다루기 쉽게 한다. 또한 변수 범위와 메모화 가정을 명시적으로 제어할 수 있다.
넷째, ULLER은 학습과 추론을 위한 프레임워크를 제공한다. 사용자는 ULLER로 지식을 표현하고, 이를 다양한 NeSy 시스템에 적용할 수 있다.
이를 통해 ULLER은 NeSy 연구의 접근성과 비교 가능성을 높이고, 다양한 의미론, 지식베이스, NeSy 시스템에 걸쳐 학습과 평가를 간소화할 수 있는 라이브러리 개발의 기반이 될 것으로 기대된다.
Stats
신경-기호 인공지능 분야에는 다양한 프레임워크가 존재하며, 각각 고유의 언어로 배경 지식을 표현한다.
이로 인해 초보자의 접근성이 낮고 다른 프레임워크와의 비교가 어렵다.
Quotes
"ULLER은 신경-기호 학습 및 추론을 위한 통합 언어로, 다양한 의미론을 지원하여 기존 신경-기호 프레임워크 간 지식 공유와 비교를 용이하게 한다."
"ULLER은 신경망을 함수로 취급하여 데이터 샘플링 및 처리 파이프라인을 다루기 쉽게 하고, 변수 범위와 메모화 가정을 명시적으로 제어할 수 있다."