NeSyCat: 신경상징주의 ULLER 프레임워크에 대한 모나드 기반 범주론적 의미론

요약

NeSyCat은 신경상징주의 시스템에서 지식 베이스를 통합적으로 사용할 수 있도록 하는 ULLER(LEarning and Reasoning 통합 언어) 프레임워크를 소개합니다. 이 프레임워크는 고전적, 퍼지, 확률적 등 다양한 의미론을 모나드 기반의 범주론적 구조로 통일하여 모델링함으로써, 새로운 의미론의 추가와 기존 의미론 간의 체계적인 변환을 가능하게 합니다. 특히 Giry 모나드를 확장하여 일반화된 양화를 논리 텐서 네트워크에 적용하는 방법을 제시하며, Python과 Haskell에서 구현 가능한 모듈식 접근 방식을 제공합니다.

핵심 포인트

• ULLER는 신경상징주의 시스템을 위한 통합 1차 논리(FOL) 문법을 제공한다.
• 다양한 의미론(고전적, 퍼지, 확률적 등)을 모나드 기반의 범주론적 프레임워크로 통일하여 모델링한다.
• 이 접근 방식은 새로운 의미론의 모듈식 추가와 체계적인 변환을 가능하게 한다.
• Giry 모나드를 확장하여 일반화된 양화를 논리 텐서 네트워크(LTN)에 적용하는 방법을 개요한다.
• Python과 Haskell에서 ULLER의 모듈식 구현이 가능하며, 초기 버전이 공개되었다.