갤러리 이슈박스, 최근방문 갤러리
연관 갤러리
편의점 갤러리 타 갤러리(0)
이 갤러리가 연관 갤러리로 추가한 갤러리
0/0
타 갤러리 편의점 갤러리(0)
이 갤러리를 연관 갤러리로 추가한 갤러리
0/0
개념글 리스트
1/3
- 싱글벙글 쿠팡 진상촌...jpg ㅇㅇ
- 이집트의 세종? 이집트의 새로운 수도 요즘 상황 ㄷㄷ.jpg ㅇㅇ
- 프라모델로 나온 한국군 병기 - 빠진 것들 및 기타 3부 호순이
- [북유럽 신화] 여신이 목걸이 얻으려고 드워프랑 하는 만화 - 3 동굴트롤
- 위생 문제가 끊이지 않던 자갈치시장 노점상 사라진다.jpg ㅇㅇ
- 얼탱얼탱 중국문화를 이해 못 해서 답답한 중국인들 레이퀀스뱅큐어
- 무자본 단붕이 일대기 -완- (스압주의) v못세v
- 소데가라미(袖搦)에 대해 알아보자 갓본도빌런
- 국산킹룡로봇 끝판왕 - 합체 편 6D
- [단독] 여초, 산불사태 조롱한 80만 가입 인터넷카페 ‘논란’ 이별의순간
- 낯선 개랑 노는 만화 sgtHwang
- 샌프란시스코 혐한제조기 T.Lincecum
- [속보]미얀마 강진 사망자 1644명으로 급증…1만명 사망 확률 71% 묘냥이
- 3월 갤질 이용권 발급받을 수 있을까요,,, iPhone_
- 여친이랑 싸울때 하는 말 28가지 관심종자
미자 혼여행기 후지산 보고오기
1일차에 이어서 2일차 올립니다 2일차 일정은 크게 가와구치코 다녀오기 입니다아침 6시반에 나왔습니다. 호텔이 신주쿠라 나오자마자 센주쿠 시계탑도 보이네요호텔앞에서 택시 잡고 도쿄 도청사 왔습니다 딱히 이유없이 건물이 멋져서 왔는데 예상대로 엄청 웅장하고 이쁘네요전망대를 시간이 남으면 갈예정이었는데 2일차도 은근 빡세서 아쉽게도 전망대는 못갔습니다가와구치코로 가기위해 도청사에서 신주쿠역 버스 터미널까지 걸어갑니다 걸어갈때 신주쿠 빌딩들 구경하는 재미도 있고 새벽 공기가 맑고 시원한게 오히려 기분 좋았습니다약 30분 정도 걸어서 도착했습니다아…근데 이럴수가 3일전만해도 현장에서도 구매 가능할것처럼 많았던 버스표가 12시반 전까지는 다 만석이더군요… 눈물을 머금고 미도리노마도구치가서 1.5배 비싸게 열차표를 삽니다ㅜㅜ오히려 좋게 생각했습니다 열차 타고 가면서 후지산도 볼 수 있을거 같아서 오히려 좋았습니다아침은 그냥 연어삼김 3개랑 젤리로 때웠습니다 원래 먹는거 별로 안좋아해서 대충 허기만 채웁니다먼저 주오선 특급타고 오츠키 역까지 가줍니다약 한시간정도 달려서 오츠키역 도착했습니다 오츠키에서 후지특급으로 갈아타고 가와구치코 역까지 갑니다일부러 후지산 찍을려고 맨앞자리로 갑니다졸려서 30분정도 졸았는데 사람들이 앞에서 찍더라구요 저도 일어나서 후딱 찍었습니다이게 꽤 크게 보이니까 엄청 실감나고 이뻣습니다 다행히 날씨는 좋더라구요비슷하게 한시간걸려서 가와구치코에 도착합니다그 유명한 로손 편의점인데 줄이 길더라구요 전 그냥 옆에서 살짝만 찍었습니다후지산 사이다도 마셨어용전기자전거 3시간 빌려서 호수를 돌아볼 예정입니다호수 배경으로 삼각대까지 세워가며ㅜㅜㅋㅋㅋㅋ 그러다가 ae86도 발견합니다 이니셜d로 유명한 차량이죠저도 실물은 처음봤습니다쭉가서 미리 알아봤던 라멘집 들렸습니다 적당히 따듯하게 쌀쌀한 날씨에 포근한 라면 먹으니 ㄹㅇ 진짜 행복했네요이제 돌려주러 갑니다 가는길 모든곳이 그냥 그림 그자체네요돌려주고 가와구치코에서 겟코지역으로 이동했습니다겟코지에서 혼초거리까지 걸어갔다가 시모요시다 거쳐서 아라쿠라야마 센겐공원갈 예정입니다혼초 거리입니다 후지산이 정말 크게 보이고 화면보다 실물이 진짜 압권입니다 단점이 모두가 중국인이었어요….진심 너무 시끄럽더라구요…ㅋㅋ왠만하면 그냥 조용히 넘어가는데 진짜 소리지르고 차량 통제하시는 분이 나오라고 해도 꾸역꾸역 사진찍고…어휴ㅋㅋ아라쿠라야마 공원 입구입니다 전날 약 4만보에 아침에만해도 5천보 이상 걸었을텐데 진짜 입구 계단 보고 막막했습니다…참고 올라다가 중간 지점입니다 벌써부터 이쁘네요이후로 10정도 계단 탔습니다 이게 말이 10분이지 진짜 10동안 계속 계단만 타니까 진짜 다리가 너무 아팠습니다와~~ 속이 뻥뚤리죠 정말 이걸 제가 실제로 봤다는게 안믿깁니다근데 여기도 중국인 천지더라구요… 어쩔 수 없나 봅니다 내려와서 다시 신주쿠로 돌아갑니다 신주쿠역 바로 옆 백화점 지하에 칼디 매장이 있길래 평소에 먹어보고 싶던 메론빵 스프레드를 샀습니다 한국와서 먹어보니 아침에 간단히 빵에 발라서 먹기 좋았습니다 맛도 좋구요그러고 다시 시부야 옵니다ㅋㅋㅋㅋ시부야 온건 요 나나야 아오야마 올려고 왔어요이야…말차 덕후로써 정말 아름답습니다ㅜㅜ전 더블러 넘버5랑 일본 홍차 맛 먹었습니다말차를 기대하고 왔는데 홍차맛이 생각의외로 엄청 맛있어서 놀랐습니다 깊고 홍차향이 향긋한게 정말 맛있었습니다 말차맛도 말이 필요할까요 진하고 입안 텁텁하지 않게 쌉쌀한 맛이 제가 먹어본 말차 아이스크림중 당연 1위입니다다시 돌아가는 길에 진짜 희귀한 시트로엥 dc12!!!! 빨리 가느라 제대로 안찍혔지만 정말 이뻣습니다그러고 스카이트리 보러왔습니다 원래 안갈려했는데 13년만이기도 하고 센소지가는 길이었는데 시간이 꽤 남아서 그냥 들렸습니다보기는 좋은데 할수 있는게 보는것 밖에 없어서 그냥 멋지다~~~하고 왔습니다ㅋㅋㅋ바로옆에 있는 라멘 집에서 저녁을 해결합니다일본와서 돈코츠 안먹으면 섭섭할거같아서 메론소다랑 먹었습니다 근데 메론소다가 점보 메론소다인줄 모르고 시켰다가 메론소다만 1리타 넘게 마신거깉아요ㅜㅜㅋㅋㅋㅋ아아사쿠사 역으로 넘어가고 센소지 가는중입니다도착했을땐 아무래도 늦어서 노상점들은 다 샤따 내렸고 그냥 센소지만 보고 왔습니다불이 켜진게 밤에 뭔가 더 멋있는것같네요!!2일차는 여기서 끝입니다 센소지 보고 바로 신주쿠로 돌아갔어요긴글 읽어주셔서 감사합니다 :)- dc official App
작성자 : shrimppounder고정닉
(구글) LLM 표현을 통해 인간 뇌의 언어 처리 과정 이해하기
LLM 표현을 통해 인간 뇌의 언어 처리 과정 이해하기2025년 3월 21일 | 마리아노 샤인(Mariano Schain), 소프트웨어 엔지니어, 아리엘 골드스타인(Ariel Goldstein), 방문 연구원, 구글 리서치후속 발화 예측과 문맥 임베딩을 활용한 과제 적응에 최적화된 대규모 언어 모델(LLM)은 인간과 거의 비슷한 수준으로 자연어를 처리할 수 있습니다. 본 연구는 인간의 뇌 신경 활동이 일상 대화를 처리하는 과정에서 LLM 내부의 음성 및 언어 관련 문맥 임베딩과 선형적으로 정렬된다는 것을 보여줍니다.인간의 뇌는 일상 대화 중에 자연어를 어떻게 처리할까요? 이론적으로 LLM과 인간 언어에 대한 기호적 심리언어학 모델은 자연어를 부호화하는 방식에 있어 근본적으로 다른 계산 프레임워크를 제시합니다. LLM은 기호적인 품사나 통사 규칙에 의존하지 않습니다. 대신 다음 단어 예측이나 강화 학습으로 개선된 생성과 같은 간단한 자기 지도 학습 목표를 사용합니다. 이를 통해 LLM은 실제 텍스트 코퍼스에서 추출한 문맥에 맞는 언어적 결과물을 생성하며, 자연스러운 음성(소리)과 언어(단어)의 통계적 구조를 다차원 임베딩 공간에 효과적으로 부호화합니다.LLM의 성공에 영감을 받아, 저희 구글 리서치 팀은 프린스턴 대학교, 뉴욕 대학교(NYU), 히브리 대학교(HUJI)와 협력하여, 인간의 뇌와 딥러닝 언어 모델이 각자의 뛰어난 능력을 발휘하며 자연어를 처리하는 방식의 유사점과 차이점을 탐구하고자 했습니다. 지난 5년간 일련의 연구를 통해, 저희는 특정 딥러닝 모델의 내부 표현(임베딩)과 자연스러운 대화 중 인간 뇌 신경 활동 사이의 유사성을 탐구했으며, 이를 통해 딥러닝 언어 모델의 임베딩이 인간 뇌의 언어 처리 방식을 이해하기 위한 틀로서 강력한 잠재력을 지니고 있음을 입증했습니다. 저희는 딥러닝 언어 모델이 생성하는 단어 수준 내부 임베딩이 인간 뇌에서 음성 이해 및 발화와 관련된 기존에 알려진 뇌 영역들의 신경 활동 패턴과 정렬된다는 것을 입증합니다.유사한 임베딩 기반 언어 표현네이처 인간 행동(Nature Human Behaviour)에 발표된 저희의 가장 최근 연구는 트랜스포머 기반 음성-텍스트 변환 모델의 내부 표현과 실제 대화 중 인간 뇌의 신경 처리 순서 간의 정렬을 조사했습니다. 이 연구에서 저희는 자발적인 대화 중에 두개 내 전극을 사용하여 기록된 신경 활동을 분석했습니다. 저희는 신경 활동 패턴을 Whisper 음성-텍스트 변환 모델이 생성한 내부 표현(임베딩)과 비교했으며, 모델의 언어적 특징이 뇌의 자연스러운 음성 처리 과정과 어떻게 정렬되는지에 초점을 맞추었습니다.듣거나(음성 이해 중) 말하는(음성 발화 중) 모든 단어에 대해, 음성-텍스트 변환 모델에서 두 가지 유형의 임베딩이 추출되었습니다. 즉, 모델의 음성 인코더에서 추출한 음성 임베딩과 모델의 디코더에서 추출한 단어 기반 언어 임베딩입니다. 각 대화 속 단어마다 음성-텍스트 임베딩을 이용해 뇌의 신경 신호를 예측하는 선형 변환 값을 추정했습니다. 이 연구는 인간 뇌의 음성 영역 신경 활동과 모델의 음성 임베딩 간, 그리고 뇌의 언어 영역 신경 활동과 모델의 언어 임베딩 간의 놀라운 정렬을 밝혀냈습니다. 이러한 정렬 관계는 피험자의 언어 이해에 대한 뇌 신경 반응 순서를 모델링한 아래 애니메이션에서 확인할 수 있습니다.피험자가 "How are you doing?" 문장을 들을 때 언어 이해에 대한 뇌 신경 반응 순서.청자가 입력되는 음성 단어를 처리할 때, 우리는 일련의 신경 반응을 관찰합니다. 처음에 각 단어가 발화될 때, 음성 임베딩은 상측두회(STG)를 따라 있는 음성 영역의 피질 활동을 예측할 수 있게 해줍니다. 수백 밀리초 후, 청자가 단어의 의미를 해독하기 시작하면, 언어 임베딩은 브로카 영역(하전두회(IFG)에 위치)의 피질 활동을 예측합니다.피험자의 발화 과정을 살펴보면, 우리는 다른 (역순의!) 신경 반응 순서를 관찰합니다.피험자가 "feeling fantastic"이라고 답할 때 언어 발화에 대한 신경 반응 순서.이 정렬을 더 자세히 살펴보면, 단어를 발화하기 약 500밀리초 전에 (피험자가 다음 단어를 발화할 준비를 할 때), 언어 임베딩(파란색으로 표시)이 브로카 영역의 피질 활동을 예측합니다. 수백 밀리초 후 (여전히 단어 시작 전), 화자가 조음 발화 순서를 계획할 때 음성 임베딩(빨간색으로 표시)이 운동 피질(MC)의 신경 활동을 예측합니다. 마지막으로, 화자가 단어를 발화한 후, 화자가 자신의 목소리를 들으면서 음성 임베딩이 STG 청각 영역의 신경 활동을 예측합니다. 이러한 역동적인 과정은 언어 영역에서 무엇을 말할지 계획하는 것부터 시작하여, 운동 영역에서 어떻게 발화할지 계획하고, 마지막으로 음성 지각 영역에서 발화된 내용을 모니터링하는 신경 처리 순서를 반영합니다.전체 뇌 분석의 정량적 결과는 아래 그림과 같습니다. 각 단어에 대해 해당 단어의 음성 임베딩(빨간색)과 언어 임베딩(파란색)을 입력값으로 사용하여, 단어 시작 시점(그림의 x축 값 0)을 기준으로 -2초에서 +2초 사이의 다양한 시간 지연(time lag)에 따른 각 전극의 신경 반응을 예측했습니다. 이는 음성 발화(왼쪽 패널)와 음성 이해(오른쪽 패널) 중에 수행되었습니다. 관련 그래프는 다양한 뇌 영역의 전극에서 시간 지연에 따른 모든 단어에 대한 신경 활동 예측의 정확도(상관관계)를 보여줍니다.발화 및 이해 시 인간 뇌 신호와 음성/언어 임베딩의 부합도 분석.음성 발화 중에는, IFG의 언어 임베딩(파란색)이 감각운동피질의 음성 임베딩(빨간색)보다 먼저 최고조에 달하고, 그 뒤를 이어 STG에서 음성 부호화가 최고조에 달하는 것이 분명합니다. 반대로, 음성 이해 중에는 최고 부호화 시점이 단어 시작 이후로 이동했으며, STG의 음성 임베딩(빨간색)이 IFG의 언어 부호화(파란색)보다 훨씬 먼저 최고조에 달했습니다.종합적으로, 저희 연구 결과는 음성-텍스트 변환 모델 임베딩이 자연스러운 대화 중 언어 처리의 신경 기반을 이해하기 위한 일관된 프레임워크를 제공함을 시사합니다. 놀랍게도, Whisper는 뇌가 언어를 처리하는 방식을 고려하지 않고 오직 음성 인식을 위해서만 개발되었음에도 불구하고, 저희는 그 내부 표현이 자연스러운 대화 중 신경 활동과 정렬된다는 것을 발견했습니다. 이러한 정렬은 보장된 것이 아니었습니다. 만약 부정적인 결과가 나왔다면 임베딩과 신경 신호 간의 상관관계가 거의 없거나 전혀 없음을 보여주었을 것이며, 이는 모델의 표현이 뇌의 언어 처리 메커니즘을 포착하지 못했음을 의미했을 것입니다.LLM과 인간 뇌 간의 정렬을 통해 밝혀진 특히 흥미로운 개념 중 하나는 신경 처리에서의 '부드러운 계층 구조(soft hierarchy)'라는 개념입니다. IFG와 같이 언어에 관여하는 뇌 영역은 단어 수준의 의미론적 및 통사론적 정보를 우선시하는 경향이 있지만(언어 임베딩(파란색)과의 더 강한 정렬로 나타남), 더 낮은 수준의 청각적 특징도 포착합니다(음성 임베딩(빨간색)과의 낮지만 유의미한 정렬에서 분명히 드러남). 반대로, STG와 같은 하위 음성 영역은 음향 및 음소 처리를 우선시하는 경향이 있지만(음성 임베딩(빨간색)과의 더 강한 정렬로 나타남), 단어 수준 정보도 포착합니다(언어 임베딩(파란색)과의 낮지만 유의미한 정렬에서 분명히 드러남).LLM과 인간 뇌가 공유하는 목표 및 기하학적 구조LLM은 간단한 목표, 즉 순서대로 다음 단어를 예측하는 것을 사용하여 자연어를 처리하도록 훈련됩니다. 네이처 뉴로사이언스(Nature Neuroscience)에 발표된 논문에서, 저희는 LLM과 유사하게 청자의 뇌 언어 영역이 다음 단어가 발화되기 전에 예측하려고 시도한다는 것을 발견했습니다. 더욱이, LLM처럼, 단어 시작 전 청자의 예측에 대한 확신 수준은 단어가 발화된 후 그들의 놀람 수준(예측 오류)을 조절합니다. 이러한 발견은 자기회귀 LLM과 인간 뇌가 공유하는 시작 전 예측, 시작 후 놀람, 그리고 임베딩 기반 문맥 표현이라는 근본적인 계산 원리에 대한 강력한 새로운 증거를 제공합니다. 네이처 커뮤니케이션즈(Nature Communications)에 발표된 또 다른 논문에서, 저희 팀은 LLM의 임베딩 공간 기하학적 구조에 포착된 자연어 단어 간의 관계가 언어 영역에서 뇌에 의해 유도된 표현의 기하학적 구조(즉, 뇌 임베딩)와 정렬된다는 것도 발견했습니다.LLM과 인간 뇌의 자연어 처리 방식 차이점인간의 뇌와 트랜스포머 기반 LLM이 자연어 처리에서 근본적인 계산 원리를 공유하지만, 그 기저의 신경 회로 구조는 현저하게 다릅니다. 예를 들어, 후속 연구에서 저희는 트랜스포머 기반 LLM의 계층 간 정보 처리 방식과 인간 뇌의 처리 방식을 비교 조사했습니다. 저희 팀은 LLM과 인간 뇌의 언어 영역에서 계층 간 비선형 변환은 유사하지만, 그 구현 방식은 상당히 다르다는 것을 발견했습니다. 수백에서 수천 개의 단어를 동시에 처리하는 트랜스포머 아키텍처와 달리, 언어 영역은 언어를 순차적으로, 단어별로, 순환적으로, 그리고 시간적으로 분석하는 것으로 보입니다.요약 및 향후 방향저희 팀 연구에서 축적된 증거는 인간의 뇌와 딥러닝 모델이 자연어를 처리하는 방식 사이에 몇 가지 공유된 계산 원리를 밝혀냈습니다. 이러한 결과는 딥러닝 모델이 통계적 학습, 블라인드 최적화(blind optimization), 그리고 자연 현상과의 직접적인 부합 원칙에 기반하여 자연어를 처리하는 뇌의 신경 코드를 이해하기 위한 새로운 계산 프레임워크를 제공할 수 있음을 시사합니다. 동시에, 신경 구조, 언어 데이터의 유형 및 규모, 트랜스포머 기반 언어 모델의 훈련 프로토콜과, 인간의 뇌가 사회적 환경에서 자연스럽게 언어를 습득하는 생물학적 구조 및 발달 단계 사이에는 상당한 차이가 있습니다. 앞으로 저희의 목표는 정보 처리 및 실제 세계에서의 기능 수행 능력이 향상된, 생물학적으로 영감을 받은 혁신적인 인공 신경망을 만드는 것입니다. 저희는 인간의 경험과 더 잘 맞는 신경 구조, 학습 프로토콜, 훈련 데이터를 적용하여 이를 달성할 계획입니다.감사의 말씀본문에 기술된 작업은 구글 리서치가 프린스턴 대학교 신경과학 연구소 및 심리학과 해슨 랩(Hasson Lab), 히브리 대학교 경영대학원 및 인지과학과 딥코그니션랩(DeepCognitionLab), 그리고 뉴욕대 랑곤 종합 간질 센터(NYU Langone Comprehensive Epilepsy Center) 연구원들과 장기간 협력한 결과입니다.- 앤트로픽과 구글, LLM은 인간의 뇌와 거의 동일하게 작동한다앤스로픽과 딥마인드가 현재의 LLM이 추론 및 언어 능력 측면에서 인간의 뇌와 거의 동일하게 작동한다는 것을 보여주는 유사한 논문들을 발표했습니다.이는 "과연 실제로 추론하는 것인가"에 대한 기존의 논쟁 구도를 바꿔 놓을 것입니다.(앤트로픽) 거대 언어 모델의 사고 과정 추적하기 - 번역본 보기(구글) LLM 표현을 통해 인간 뇌의 언어 처리 과정 이해하기 - 번역본 보기
작성자 : 초존도초고정닉
차단하기
설정을 통해 게시물을 걸러서 볼 수 있습니다.
댓글 영역
획득법
① NFT 발행
작성한 게시물을 NFT로 발행하면 일주일 동안 사용할 수 있습니다. (최초 1회)
② NFT 구매
다른 이용자의 NFT를 구매하면 한 달 동안 사용할 수 있습니다. (구매 시마다 갱신)
사용법
디시콘에서지갑연결시 바로 사용 가능합니다.