자기지도 학습 음성 모델에서 성조 맥락에 대한 지각적 보상

본 연구는 wav2vec2.0 아키텍처가 음운론적 맥락 (phonological context)에 대한 보상 증거를 어느 정도 나타내는지 조사합니다. 우리는 중국어 성조 (Mandarin Chinese tones)에 대한 지각적 보상 실험의 유사 재현 (pseudo-replication)을 수행하였으며, 순수 자기지도 학습 (self-supervised) 사전 학습 모델과 중국어 자동 음성 인식 (ASR)을 위해 미세 조정 (fine-tuned)된 모델 간의 임베딩 유사도 (embedding similarities) 및 프로빙 분류기 (probing classifier) 출력을 비교하였습니다. 순수 사전 학습 모델의 임베딩 유사도에서는 보상의 증거가 발견되지 않았습니다. 프로빙 분류기는 범주화 (categorization)에서의 예상되는 층별 (layer-wise) 개선 외에도 일부 보상의 증거를 보여주었으나, 고립된 테스트 음절 (isolated test syllables)에 대한 인간의 성능을 재현하는 데는 실패했습니다. 우리의 연구 결과는 사전 학습만으로 음운 구조에 대한 민감성이 나타난다는 이전의 보고들과 대조되며, 적어도 일부 유형의 음운론적 규칙성 (phonological regularities)의 추상화를 장려하기 위해서는 지도 학습 목적 함수 (supervised objectives)가 필요할 수 있음을 시사합니다.