最先端NLP勉強会 “Learning Language Games through Interaction” @第8回最先端NLP勉強会

Transcript

1. 最先端NLP勉強会 “Learning Language Games through Interaction” Sida I. Wang, Percy Liang, Christopher D. Manning （株）Preferred Networks 海野 裕也 2016/09/11 第8回最先端NLP勉強会
2. 2 startからgoalになるような 「指⽰」を⾃由に書く
3. 3 きっと茶⾊を消したんだろう
4. 4 完全に無視！！
5. 5 候補の中から正し い⾏動の結果を選 択
6. 6 指⽰と操作のペアを学習
7. 同じようにして何問か教える 7
8. 8 さっき⾒たやつだ！
9. 9 ちゃんと学習されてる！
10. 概要 l  ⾔語理解関わる⾔語ゲームを設計した l  理解を促進するための排他的な理解を⾏うため のモデルを提案実装した l  クラウドワーカーに⾔語を教えるタスクをやっ てもらい、⾔語を教えてもらった l  どのように⼈間が教えるのかも含めて興味深い データを取った 10
11. 所感 l  設計が優れている l  ⾔語の理解に関わるタスクはbAbIなど⾮現実的な⽂ か、難しい「⼤⼈」の⽂が中⼼だった l  「簡単なタスク＋⾃然な⽂」の設計にすることで、 現実的な⽂でありながら複雑な知識を利⽤しないタ スクができた l  ⾃⼰完結的である l  これまでの、「まずデータを作る、そして問題を解 く」というタイプではなくて、「データを作りなが ら問題を解く」 l  学習する過程そのものに焦点があたっている 11
12. SHRDURNゲーム 12
13. 変数 l  初期状態: s \in Y l  ⽬的状態: t \in Y （⼈間だけに⾒せる） l  指⽰: x （⼈間が出す e.g. “remove red”） l  候補: Z = [z 1 , …, z K ] K個提⽰ l  次状態: Y = [y 1 , …, y K ] ただし、y i = [z i ]s l  ⼈間がy i を選択 13
14. Semantic parsing model l  x（指⽰）からz（⾏動）の対応は対数線形モデ ル l  特徴（φ）はありがちなもの l  指⽰x中のn-gram（skip-gram含む） l  ⾏動z中のtree-gram
    
    14
15. 論理形式の⽣成 l  p(z|x)に基づいてzを⽣成する必要がある l  ⽂法規則を使って⽣成する l  ビームサーチを利⽤する 15
16. 学習 l  AdaGradで最適化 16
17. 排他的な理解のモデル化 l  “remove red”のあとに、”remove cyan”が来る と、普通は両者は別の指⽰だと思う l  現状の、特徴ベースの学習の場合、類似の特徴 が発⽕するため両者を同じと判定してしまう l  「指⽰は排他的である」という判断ができるよ うにしたい 17
18. 事前分布による排他性の実現 l  Speaker（ユーザー）とListener（システム）の 発話xと理解zの事前分布を⼊れる l  p(x)とp(z)のおかげで、各発⾔が別々の意味を 持つように、補正される l  雑な印象は受ける・・・ 18
19. 事前分布がuniformだとしたときの効果の例 19 1になるよ う正規化 1になるよ う正規化
20. 学習⽅法 20
21. 実験⽅法 l  Amazon Mechanical Turkで、100⼈に3ドルずつ l  ゲームは5段階の難易度で、10タスクずつ l  100⼈全部で6時間しかかからなかった l  1⼈1時間程度 l  20⼈位は何したら良いのかわからなかった 21
22. ⼈間の観察 l  だいたい英語だが、⼈によってバリエーションが有る l  5⼈だけ、謎の⾔語を開発 l  別の⾔語の⼈も l  多くは、⼀貫性のある表現を使う（removeだけ使う、 など） 22
23. ⾯⽩い例 23
24. まとめ 24