대화 기반 문제 해결에 사용되는 채팅봇의 작동 방식에 대한 몇 가지 가설. 대형 언어 모델의 혁신 착각에 대한 확인

현재 대화봇은 인간과 같이 실제 대화 파트너로 기능할 수 있는지에 대한 의견을 제시합니다. 대화봇이 할 수 있는 것과 할 수 없는 것에 대한 설명과 이에 대한 이유를 무엇으로 설명할 수 있는지에 대한 논의를 담고 있습니다. 본 논문은 Aggregation Dynamics, Cognitive Linguistics, Neuropsychology 및 Psychology를 기반으로 한 논의를 제시합니다. 본 논문에서는 기본 대화봇에 대한 논의를 통해 더 발전된 대화봇의 핵심 기능에 대한 statement을 할 수 있습니다. 기본 대화봇은 Large Language Model (LLM)과 간단한 인터페이스만을 포함하는 것으로 가정됩니다. 본 논문에서 얻은 결과는 다음과 같습니다. - 인간의 이해와 사고를 설명하는 metaphorical problem propagations에 기반한 인간의 이해와 사고에 대한 설명 - 훈련 데이터셋이 특정 특성을 가지며, 이 훈련 데이터셋이 인간의 이해와 사고를 완전하게 모방하지 못한다는 가설 - LLM 훈련 과정에서 artificial metaphorical problem propagations이 데이터셋으로부터 LLM에 인코딩되는 가설 - 기본 대화봇이 인간과 같이 사고를 하는 파트너로 기능할 수 없다는 결론 - LLM의 발전이 인간과 같이 사고를 하는 파트너로 기능할 수 있게 하는 것은 불가능하다는 결론 Yann LeCun은 "동물과 인간은 현재 AI 및 머신 러닝 (ML) 시스템의 능력遠이 초과하는 학습 능력과 세계 이해를 보유하고 있습니다."라고 말합니다. 본 논문에서는 이러한 결론과 일치합니다. LeCun의 비전과 본 논문은 Big Tech의 낙관주의와는 반대되지만, 대화봇의 존재, 대화봇의 대규모 사용, 개인 및 조직의 사용, 그리고 사회적 및 정치적 중요성을 인정합니다. 본 논문은 대화봇의 기능, 이점, 그리고 단점에 대한 논의에 기여하기 위해 작성되었습니다. 본 논문에서 사용한 접근 방식은 대화봇의 작동 방식에 대한 연구에서 본 논문과 같은 접근 방식이 아직 발견되지 않았습니다.