Grounding vs. Compositionality: On the Non-Complementarity of Reasoning in

요약

본 연구는 신경상징적 AI 분야의 핵심 가정인 '성공적인 상징 grounding이 곧 구성적 추론 능력을 가져올 것'이라는 가설에 도전한다. 저자들은 다단계 추론을 위한 미분 가능한 아키텍처($i$LTN)를 도입하여, 단순히 지각적 grounding만으로 훈련된 모델은 일반화가 불가능함을 입증했다. 결론적으로, 상징적 grounding과 구성적 추론 능력은 별개의 능력이며, 후자를 위해서는 명시적인 학습 목표 설정이 필요하다는 것을 보여준다.

핵심 포인트

• 신경상징적 AI의 핵심 가설(Grounding $ ightarrow$ Compositionality)에 대한 체계적인 경험적 분석을 제시함.
• 다단계 추론을 위한 완전히 미분 가능한 아키텍처인 Iterative Logic Tensor Network ($i$LTN)를 개발 및 사용함.
• 단순히 grounding 목표만으로 훈련된 모델은 새로운 엔티티, 관계 조합 등에서 일반화되지 않음을 입증함.
• 성공적인 추론(reasoning) 능력은 단순히 지각적 grounding에 의존하는 것이 아니라, 명시적인 학습 목표가 필요한 별개의 능력이기 때문에 공동 훈련이 필수적임.