Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 LLM을 언어학 연구를 위한 양상 모델(modal models)로 정의하고, 과학 철학적 프레임워크를 통해 그 가치를 분석합니다. LLM이 '어떻게 가능한가'에 대한 설명(HPE)은 제공할 수 있으나, '어떻게 실제로 그러한가'에 대한 설명(HAE)으로서의 자격은 아직 부족하다고 주장합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기거대 언어 모델 (LLMs)의 급격한 발전은 언어 이론에 대한 이들의 중요성을 둘러싼 논쟁을 심화시켜 왔습니다. 이러한 논쟁은 일반적으로 세 가지 입장으로 나뉩니다: LLM을 인간의 언어와 무관한 것으로 간주하는 격리주의 (insulationism), LLM이 전통적인 언어 이론을 대체할 수 있다고 주장하는 제거주의 (eliminativism), 그리고 LLM을 언어 연구를 위한 유용한 도구로 보는 화해주의 (conciliationism)입니다. 이러한 입장들을 명확히 하기 위해, 본 논문은 과학 철학의 양상 모델링 (modal modeling) 프레임워크를 적용합니다. 우리는 LLM이 인간 인지와의 구조적 대응 관계가 없더라도, 최소 모델 (minimal models)로서 진정한 인식론적 가치를 지닌다고 주장합니다. 특히, LLM은 언어 습득 및 언어 능력 (linguistic competence)에 관한 양상적 주장 (modal claims)을 테스트함으로써 '어떻게 가능한가'에 대한 설명 (how-possibly explanations, HPEs)을 제공할 수 있습니다. 그런 다음, 우리는 과학적 설명의 기계론적 설명 (mechanistic account)에 근거하여 LLM이 인간 언어에 대한 '어떻게 실제로 그러한가'에 대한 설명 (how-actually explanations, HAEs)으로서 자격을 갖출 수 있는 조건을 검토합니다. 우리는 현재의 LLM이 아직 이러한 요구 사항을 충족하지 못한다고 주장합니다. 이러한 분석을 바탕으로, 우리는 LLM의 설명력을 HPE와 HAE 사이의 연속체 (continuum) 상에 있는 것으로 이해할 것을 제안합니다. 이 프레임워크는 LLM의 설명적 중요성을 과장하거나 과소평가하는 것을 모두 피하며, 언어의 과학적 연구에서 LLM의 역할을 평가하기 위한 더 정밀한 기초를 제공합니다.