https://groups.csail.mit.edu/genesis/research.html
Skip to navigation (Press Enter)
Skip to main content (Press Enter)
기원 이야기
이해그룹
MIT 컴퓨터과학인공지능연구소
어서 오세요
비전
리서치
사람들
관여하다
개관
이야기 이해
캐릭터
특성학습자
멘탈 모델
동작 예측 장치
독자
판독 감정 예측 장치
저자의도검출기
이야기 비교기
질문 응답 장치
학습자
규칙학습자
방법 절차 데이터베이스
위키
HTN 학습자
스토리패턴학습자
.
.
.
문제 해결
시뮬레이션
2D 블록 월드
3차원 언리얼 엔진
테이블 톱 로봇
기획자
HTN플래너
회귀계획자
기억
HTN 생성기
HTN 선택기
이야기 말하기
스토리텔러
스토리요약기
지시적 이야기자
설득력있는 이야기꾼
문자인식스토리텔러
설명
관점설명자
3D 장면 설명자
계획설명자
대화형 플래너
상호 작용
대화형 태스크 학습자
대화형 개념 학습자
주톈 양 (주)2018) 질문을 함으로써 계층적 절차적 지식을 습득하는 제네시스 초보 학습자를 개발하였다. 이 프로그램은 실제 과일 샐러드를 만들고, 아침 시리얼을 만들고, 인간과 대화하여 파스타 한 접시를 양념하는 단계를 배웁니다.
상식규칙
어휘 및 상식 지식의 데이터베이스
원자의
콘셉트넷
워드넷
단어유사성
분류 나사
언어삼중
파서
코어NLP
출발 하다
추론 제작자
.
번역기
발생기
매처
프레임전문가
궤적
인과관계
믿음
전이
스토리얼라이너
개념패턴
멘탈 모델
기억
대체자
프레임조작
프로젝트와 모델
여기 창세기 집단에 의해 개발된 계산 이론과 그 이론들을 바탕으로 구축된 시스템들의 요약이 있다.
주제: 연구원이 모델링하고자 하는 인간의 능력.
비전: 연구가 원하는 행동은 시스템이 하기를 원합니다.
이론: 인간의 행동에 대한 연구의 계산 모델의 주요 아이디어.
기여: 만들어진 시스템과 그들이 보여주는 행동.
저자: 연구자의 이름과 프로젝트를 문서화하는 논문이나 논문의 연결.
current tab:이야기 이해이야기 말하기학습언어비전인간 지능
Story Understanding
제네시스 그룹은 인공지능에 대한 이야기 이해가 필수적이라고 믿고 있다. 여기서 “이야기”는 모든 관련 사건들을 광범위하게 말한다; 전통적인 서사 구조는 필요하지 않다.
창세기 시스템을 기판으로 사용하면 스토리 이해는 2진 분류를 생성하거나 키워드의 조합에 의존하는 것을 넘어선다. 대신, 우리는 이야기 요소에 대한 완전하고 체계적인 해석을 수행하고 모든 단계를 설명할 수 있습니다.
주제 비전 이론 기여 저자
유머 검출 이야기에서 유머를 이해하고 설명하는 시스템을 개발한다. 유머를 탐지하기 위해서는, 프로그램은 배경 지식, 상식적인 규칙, 그리고 이야기 요소에 대한 기대를 설명하는 방법을 사용하여 청취자의 정신적 궤적을 모형화해야 한다. 유머 전문가, 오류 식별과 해상도를 바탕으로 이야기에서 유머를 감지하는 프로그램. 이 프로그램은 전문가로 구성된 시스템으로 구성되어 있습니다: 일부 깃발은 등장인물의 상태와 예상치 못한 사건을 추적합니다. 일부 사람들은 이러한 잠재적 변칙을 설명하고 해결합니다. 농담을 들으세요. 아다 테일러 (2018, MS)
가설적 추론 이야기와 등장인물에 대해 가설적으로 이유를 대는 시스템을 개발한다. 한 캐릭터의 도덕적 행동을 판단하기 위해, 프로그램은 캐릭터가 사용할 수 있었던 대체 전략에 대해 가설적으로 추론할 수 있습니다. 도덕 제약으로서의 개념 패턴은 서사 패턴과 도덕 코드를 연결하는 새로운 사용 사례입니다. (1) 가설 전문가, 대안 이야기에 대한 질문에 답하는 프로그램. 그것은 spiteful violence 대신 self-defense "알렉스가 칼을 휘두르지 않으면 어떻게 될까요?" 그것은 발견합니다. Teaching a lesson 대신 aggression of a bully "내가 에스토니아 출신이 아니라면 어떻게 될까?"라고 물었을 때, (2) PersononaTE, 이전의 행동에서 추론된 방법, 동기, 도덕적 제약을 바탕으로 새로운 상황에서 캐릭터가 무엇을 할 것인지를 예측하는 프로그램. 딜런 홈즈 (2017년, MS)
상식지식기반 컨셉트넷 상식 지식을 창세기에 통합합니다. 상식적인 지식 기반을 통합함으로써, 이야기 이해 시스템은 이야기 사건 사이의 더 많은 인과 관계를 이해할 수 있고, 지정된 것과 유사한 더 많은 맥락에서 적용될 각 규칙을 증폭시킬 수 있다. (1) CSERM은 규칙 속의 동사와 유사한 동사가 관련된 이야기 이벤트에 사용자 정의 규칙을 적용할 수 있도록 하는 방법으로, 규칙의 적용 가능성을 10~100배 정도 증폭시킨다. (2) 아스파이어(ASPIRE)는 등장인물들이 이야기 내에서 취하는 행동으로부터 자신의 목표를 추론하는 시스템이다. (3) 콘셉트넷과 제네시스를 연결한 브라이언의 작품은 또한 이야기 요소 간의 인과 연결을 식별하는 데 사용될 수 있는 제네시스에 3만 개의 규칙에 해당하는 규칙을 기여했다. 브라이언 윌리엄스 (2017년, MEng)
누가 알겠어요? 여러 등장인물의 관점에서 이야기를 이해하는 시스템을 개발합니다. 각 캐릭터는 자신들만의 정신적 모델을 가져야 하며, 그들이 알고 있거나 세상이 어떻게 돌아가는지에 대해 믿는 모든 것을 담고 있다. 캐릭터들은 무대 위에서만 사건을 관찰하고, 그 관찰은 정신 모델을 채웁니다. 스토리 속 인물의 세밀한 정신적 모델을 구성해 다른 캐릭터의 시각에서 이야기를 다시 들려주고, 독해 질문에 답해 이해를 입증하고, 갈등을 조정하기 위한 반대 관점을 설명할 수 있는 프로그램인 ‘관점 전문가’다. 이 프로그램은 자버트 경감과 장발장의 이야기를 다시 담고 있다 레미제라블, 그들이 관찰하는 사건들에 대한 그들의 목표와 해석과 함께, 독자들이 왜 그들이 다르게 생각하고 행동하는지를 보여줍니다. 제시카 노스 (2017년, MEng)
추론 리더 & 캐릭터 감정 이야기를 읽으면서 인간의 감정에 공감하는 시스템을 개발한다. 캐릭터의 감정을 추론하기 위해서는 단어를 보는 것만으로는 충분하지 않고, 캐릭터의 관점에서 일어나는 패턴이다. 이사벨라(Isabella)는 개인의 단어, 문장, 또는 이야기로 인해 생겨나는 감정을 결정하는 프로그램이다. (1) 여러 말뭉치에서 훈련된 벡터 공간 모델을 가지며, 각 단어에 6차원 벡터를 부여하여 분노, 슬픔, 기쁨, 놀라움, 혐오, 두려움 등의 6가지 기본 감정을 나타낸다. (2) 이야기 속 여러 등장인물의 감정을 추론하기 위해 이사벨라는 그 등장인물들의 전형적인 감정을 표기하는 메모리 뱅크의 스토리 패턴에 이야기를 정렬한다. 라이언 알렉산더 (2016년, MEng)
상식지식 까마귀 문화의 이야기를 이해하는 시스템을 개발합니다. 새로운 이야기 뭉치로 이야기 이해 시스템을 테스트함으로써, 우리는 시스템에 도전하는 영역을 파악한 다음 그것을 개선할 메커니즘을 개발할 수 있습니다. (1) 개념 패턴의 결과로서 이야기에 요소를 삽입하기 위한 메크니즘을 추가했다. (2) 크로우 문학으로부터 이야기를 이해하기 위한 상식적인 지식 기반을 조성. 울프강 얄롯 (2014년, MEng)
문화적 정신적 모델 동양 문화와 서양 문화의 관점에서 같은 이야기를 이해하는 시스템을 개발한다. 이야기는 대안적인 관점을 시뮬레이션하기 위한 질문으로 확대될 수 있다. (1) 이야기에 "나는 미국이 개인주의적이라고 믿는다"는 선신념을 삽입하고 인과 사슬을 찾아 "루가 샨을 죽였는가"라고 답하는 프로그램. (2) 제네시스가 독자와 성격적 특징을 연관시킬 수 있게 하였기 때문에, 다른 성격 모델에서 특징인 다른 규칙과 개념 패턴을 이용하여 이야기를 읽을 수 있었다. 히바 아와드2013년, MEng)
성격특성 문자 특성을 이해하는 시스템을 개발합니다. 성격 특성을 적용하면 스토리 이해 시스템이 캐릭터의 행동을 설명하고 예측하는 것은 물론, 자신의 소성을 고려할 때 그의 행동이 예상치 못한 것인지 확인할 수 있다. (1) 이러한 형질들의 행동 패턴을 동반한 "종류"와 "평균"과 같은 10가지 예를 암호화한 성격 특성. (2) 개념 패턴 기반 특성 표현 개발; 특성 학습, 추론, 응용의 과정을 설계(설명 및 예측)하였다. 수산노래 (2012년, MS)
스토리유사성 새로운 이야기를 줄 때 기억에서 비슷한 이야기를 검색하고 이야기 간의 유사성을 측정하는 시스템을 개발한다. 이야기의 유사성을 판단할 때 구조적 유사성을 사용하는 프로그램은 키워드 유사성을 사용하는 프로그램보다 인간과 더 비슷한 기능을 한다. 이야기를 재검색하고 비교하는 프로그램인 유사성 모듈. 유사성을 측정하는 방법은 (1) 개념 패턴의 벡터 간의 유사성을 계산하는 벡터 각; (2) 정렬된 패턴의 총 패턴 수에 대한 비율인 인오더 비교. 15가지 갈등 이야기를 비교해 볼 때, 이 프로그램이 제네시스를 발견한 개념 패턴과 벡터 매칭을 사용할 때, 그 결과는 인간의 결과를 가장 잘 예측한다. 카린 크라카우어 (2012년, MS)
스토리 얼라인먼트 이야기에서 공통의 순서를 효율적으로 찾는 시스템을 개발한다. 이야기 비교는 새로운 아이디어를 이해하고 상상하기 위해 오래된 경험을 그리는 데 사용될 수 있다. (1) 스토리를 정렬하기 위한 니들먼-원슈 시퀀스 정렬 알고리즘을 적용하여 향후 이벤트를 예측하는 데 사용할 수 있다. (2) 동시 정합 및 정렬 알고리즘은 두 그래프의 실체 간의 연관성을 일관되게 유지하기 위해 목표에서 나오는 지수 검색 공간을 빠르게 가지치기 및 검색할 수 있다. 스토리 얼라이닝 프로그램은 영상을 기존 비디오 코퍼스와 비교하여 비디오 설명의 누락된 공백을 메우기 위해 사용된다. 매튜 페이 (2012년, MS)
스토리 매칭 이야기 사이의 유사성을 만드는 시스템을 개발합니다. 적절한 추론과 이야기의 추론을 위해서는 비유를 만드는 능력도 중요하다. 플롯 단위에 따라 스토리 간의 유사를 만드는 서브시스템. 현재 구조 매핑 엔진 알고리즘은 여전히 내부 형태의 스토리 간 아날로그를 위해 개선되어야 함을 보여줍니다. 제시 뒤니츠 (2011년, UG)
플롯 단위 플롯 유닛을 처리하고 검색하는 시스템을 개발합니다. 플롯 단위는 인간의 이야기에서 발견되는 공통된 구조의 집합이다. 영어로 플롯 단위를 설명하는 관용어와 스토리에 대한 플롯 단위 검색을 하는 프로그램입니다. 이 프로그램은 맥베스, 햄릿, 그리고 에스토니아-러시아 사이버 갈등 위에 퍼진 10줄거리 단위를 발견한다. 데이빗 나쿨 (求求)2010년, MEng)
메모리 시스템 상식적인 지식으로 추론하는 시스템을 개발한다. 스토리 이해 시스템은 상식적인 지식을 저장하고 이전의 경험으로부터 일반화하는 메모리가 필요하다. 관련 예에서 일반화하고, 일반화를 이용하여 예측하고, 배운 상식적인 지식을 바탕으로 질문에 답하는 메모리 시스템. LLMerger 클러스터는 일반화를 위해 프레임을 체인으로 통합합니다. 샘 활공 (阿芽)2009년, MEng)Story TellingLearningLanguageVisionHuman Intelligence
© 제네시스 그룹 별 2020년
접근성 187;
스테이타 센터 32-258호실
케임브리지 바사르 가 32, MA 02139
https://people.csail.mit.edu/phw/
H