0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Soft Ontology Priors over Latent Concept Posteriors for Weakly Supervised Neuro-Symbolic Learning (원문, 새 창)
한국어 요약
Claude · 2026-10-25작업 레이블만으로 학습하는 신경-기호 예측기는 서로 다른 개념 매핑이 같은 최대 가능도를 달성해 개념이 식별 불가능해지는 '추론 지름길' 문제를 겪는다. 연구진은 잠재 개념에 소프트 온톨로지 사전을 주입해 작업 제약과 함께 분해 가능한 확률 회로로 컴파일해 대응한다. 전문가 공리는 회로의 가중치에만 배치돼 데이터 생성 과정이 보장하는 구조적 공리는 그대로 유지하므로 잡음 있는 공리도 지원 집합을 비우지 못한다. 소프트 사전은 유계 공리 잡음 하에서 유계 로그-밀도 왜곡만 유발하지만, 경성 지원 방식은 단 하나의 손상된 공리로 퇴화할 수 있음을 증명했고, 실제 BDD-OIA 자율주행 벤치마크에서 검증했다.
- 작업 레이블만으로 학습한 신경-기호 모델의 '추론 지름길' 문제에 소프트 온톨로지 사전으로 대응
- 전문가 공리를 회로의 가중치에만 배치해 잡음 있는 공리가 전체 지원을 비우지 못하도록 설계
- 유계 공리 잡음 하에서 소프트 사전은 유계 로그-밀도 왜곡만 유발함을 이론적으로 증명
- 경성 지원 방식은 단 하나의 손상된 공리로도 퇴화할 수 있음을 대조적으로 증명
- 실제 BDD-OIA 자율주행 벤치마크와 통제된 신경-기호 과제에서 실험적으로 검증
AI 인사이트
- 뉴로심볼릭 예측기가 라벨만으로 학습될 때 생기는 '추론 숏컷' 문제를 막기 위해 잠재 개념에 소프트 온톨로지 사전확률을 주입
- 전문가 공리를 회로의 무게에 배치해, 노이즈 있는 공리라도 지지 집합을 비우지 못하게 설계해 안정성을 확보
- 노이즈가 있어도 소프트 사전확률은 제한된 로그밀도 변화만 야기함을 증명, 하드 지지 방식은 공리 하나로도 퇴화 가능함을 보임
- 실제 BDD-OIA 자율주행 벤치마크의 감사된 6개 개념 뷰와 통제된 뉴로심볼릭 과제에서 예측을 검증
왜 중요한가
뉴로심볼릭 AI가 올바른 개념을 학습했는지 확인할 수 없다면 자율주행 등 안전이 중요한 분야에 재사용하기 위험한데, 이 연구는 노이즈 있는 지식을 안전하게 주입해 개념의 식별 가능성을 수학적으로 보장하는 방법을 제시한다.
본문 미리보기
arXiv:2610.30391v1 Announce Type: new Abstract: Neuro-symbolic (NeSy) predictors that supervise only the task label suffer from reasoning shortcuts: distinct concept mappings achieve the same maximum likelihood, leaving the recovered concepts unidentifiable and unsafe for downstream reuse. We attack this failure by injecting a soft ontology prior over the latent concepts into the training objective and compiling it together with the task constraint into a smooth, decomposable probabilistic circ
전체 내용이 궁금하다면?
arXiv cs.AI에서 원문을 직접 읽어보세요
- #뉴로심볼릭
- #약지도학습
- #온톨로지 사전
- #개념학습
- #AI 연구
이 글이 만들어진 과정
- 10:47AI 초안