갤러리 이슈박스, 최근방문 갤러리
연관 갤러리
LGBT 갤러리 타 갤러리(0)
이 갤러리가 연관 갤러리로 추가한 갤러리
추가한 갤러리가 없습니다.
0/0
타 갤러리 LGBT 갤러리(0)
이 갤러리를 연관 갤러리로 추가한 갤러리
0/0
개념글 리스트
1/3
- 낯선 개랑 노는 만화 sgtHwang
- 우유 편하게 마셔도 된다는 저속노화 선생님.jpg ㅇㅇ
- 연예인 산불 기부 트위터 한녀들 반응.jpg ㅇㅇ
- GPT한테 도마뱀 사육장 벽화 그림 도움 받아봄 리미네
- 하와이 화재와 한국의 공통점…jpg 레인맨
- 의외로 볼붕이들도 쉽게 하는 건??? 늑댕뭉이
- 제발 좀 쓰지 말라면 쓰지 마 (webp 23pic) 상반칙불궤
- 패전 후 일본의 모습들 윤의철군단장
- 미국여행기-16,17 관광의 도시 라스베가스, 그리고 LA(完) 컴의치한약수
- 일본가서 버튜버 아바 대회 직관하고 옴 안오죠
- 싱글벙글 영국촌 정조대보추애널
- 어느 실업고교 선생님의 눈물 ㅇㅇ
- 샌프란시스코 혐한제조기 T.Lincecum
- 싱글벙글 최홍만 이야기 -전설의 시작- ㅇㅇ
- 훌쩍훌쩍 성괴되버린 38살 메간폭스 근황..jpg ㅇㅇ
존경심이 솟아나는 히어로 영화 TOP 15..gif
15위 캡틴 아메리카 퍼스트 어벤져 (2011, 조 존스턴) 14위 블레이드 (1998, 스티븐 노링턴) 13위 맨 오브 스틸 (2013, 잭 스나이더) 12위 크로니클 (2012, 조시 트랭크) 11위 아이언맨 1 (2008, 존 파브로) 10위 엑스맨 데이즈 오브 퓨쳐 패스트 (2014, 브라이언 싱어) 9위 가디언즈 오브 갤럭시 (2014, 제임스 건) 8위 인크레더블 (2004, 브래드 버드) 7위 배트맨 2 (1992, 팀 버튼) 6위 스파이더맨 2 (2002, 샘 레이미) 5위 로건 (2017, 제임스 맨골드) 4위 다크 나이트 (2008, 크리스토퍼 놀란) 3위 킥 애스 영웅의 탄생 (2010, 마크 밀러) 2위 뮬란 (1998, 배리 쿡) 1위 나는 당신을 위해 죽으러 갑니다 (2007, 신조 타쿠) - dc official App
작성자 : 이시라고정닉
(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
미자 도쿄 반 혼여행기 (글 많음 주의)
고2의 올해 2월달에 다녀온 2박 3일 여행기입니다사실 완전히 혼자는 아니고 아버지 출장 따라가서 여행은 혼자하고 호텔만 같이 사용했습니다예전에 일본에서 살았던적이 있고 n3보유자입니다. 일본인들과 원할한 대화가 가능하고, 부모님 허락하에 다녀온 여행입니다!시작은 아빠가 인천공항을 대려다줬습니다 아빠는 바로 회사로 출근하셔야해서 김포-하네다 노선이고 저는 둘러보고 호텔 들어갈 예정이라 인천-나리타 노선 탔습니다이때 출국장 줄 길다고해서 좀 빨리 갔는데 2터미널에 스마트 패스 전용줄이 아예 텅텅비어있어서 15분만에 출국했네요HL8535편 탔습니다일부러 갈때 후지산 볼려고 오른쪽 앉았는데 당일엔 구름이 많이 끼여있어서 못봤네요 :( 기내식이 맛있었어욤비행기는 안전하게 나리타에 착륙했고 바로 스카이라이너 예약해야해서 중간에 사진은 못찍었네요스카이라이너 탄 이유는 우에노에서부터 쭉 내려가면서 여행할 예정이라 스카이 라이너 탔습니다우에노 온이유는 이 거리사진을 찍고 싶었었어요날씨가 좀 흐려서 이쁘게는 안나왔는데 그래도 만족했습니다우에노에서 사진찍고 바로 아키하바라로 넘어왔습니다원래 씹덕 기질도 있고 원하는게 있어서 왔어요토미카 리미테드 빈티지 찾으러 라지칸, 탐탐 하비샵, 스루가야 돌아다녔네요다행히 원하던 모델 얻었습니다 제 드림카 입니다ㅎㅎ다 사고 아키하바라 udx지하주차장 구경갔습니디멋진차들 훨씬 많은데 너무 많이 올리면 방해되니까 몇개만 올려봅니다아키히바라 구경한뒤 긴자 왔어요인스타에서 재미있게 봤던 에르메스 매장 왔어요외벽이 유리로 덮인게 신기하고 재미있었어요긴자에 온 가장 큰 이유는 이 닛산 크러싱인데 닛산의 아이코닉한 차량 모델과 기념품이 전시돼있습니다1층엔 닛산의 포뮬러e 경주 차량이 전시돼있었습니다또 r36콘셉트카도 있더군요그리고 2층엔 현재 단종된 gtr tspec이 전시돼있었습니다시승도 되어서 해봤어요ㅎㅎ원래 유니클로 매장에서 커스텀 티를 만들고 싶었는데 가보니까 시간이 다 지났다네요ㅠㅠ 좀더 알아보고 갈걸 그랬습니다긴자 다 구경하고 시부야 왔습니다 많이 와봤지만 항상 올때마다 가슴이 박차고 그냥 신나는 곳입니다ㅋㅋㅋㅋㅋ여행이 좀 늦게 결정되어서 시부야 스카이는 예약 못했습니다그래도 작년에 다녀온적이 있어서 크게 아쉽지는 않았네요아쉬운 마음에 저번에 다녀온 영상 올려봅니다밥먹으러 옆에 도큐 플라자인가 왔습니다 식당 테라스입니다돈까스 먹었어요다 먹고 하라주쿠 리버티 워크샵 팝업 갔습니다 평소에 차에 관심이 많아 갔는데 마감 30분전 아슬아슬하게 다녀왔네요ㅋㅋ그냥 팝업입니다전 스티커랑 키링 사왔어요!!바로 근처 도큐플라자 테라스입니다 건너편 건물이 이뻐서 올라가서 찍었어요하라주쿠에서 도쿄로 왔습니다도쿄 국제 포럼 가는중입니다와 이게 진짜 화면에 안담기는데 엄청 웅장하고 건축이 놀랍도록 정교합니다 건설비가 제가 알기론 1조가 넘던데 그 값을 하는것같습니다ㄷㄷ옆에 엘리베이터타고 4층에서 찍은 사진입니다도쿄 신마루노우치 7층 테라스입니다 좀 늦게 와서 도쿄역 불이 꺼져있네요ㅠㅠ그거 아시나요? 도쿄역 건물에 호텔이 있답니다 저 불켜진 3층? 저기가 숙소라네요 처음알았어요그러고 시간이 남아서 다시 아키하바라 udx왔어요ㅋㅋㅋㅋ헉..!!!제 드림카도 목격 너무 이뻣습니다밖에 나왔는데 길한쪽에 유명한 분질 수프라가실제로 보니 꽤 이뻣습니다 솔직히 언더네온 불호인데 실제로 보니또 ㄱㅊ네요?인테그라 dc5입니다 이뻐요!또 제 드림카 jzx100 chaser 주행도 봤습니다밤에 본 아키하바라입니다숙소가 신주쿠라 신주쿠로 갔습니다 유명한 육교도 들러서 사진 찍어줍니다 1일차는 3만8천보 걸었습니다.이게 사진 50개 제한이네요 어차피 이뒤에 돈키가서 쇼핑하고 호텔 들어가서 더 쓸 내용은 없어서 다행이네요 약 11시 반정도에 호텔 들어갔습니다 제가 곧 과외라 이따가 10시쯤에 2일차 글쓸게요!! 긴글 봐주셔서 감사합니다!!! :)- dc official App
작성자 : shrimppounder고정닉
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.