왜 언어학자가

딥러닝을 알아야 할까?

기조발제
송상헌 (고려대학교)
2013년 11월 23일
The Deep Learning Tsunami
Manning, Christopher D. 2015. Computational linguistics and
deep learning. Computational Linguistics 41(4): 701-707.

ICML 2015 in Lille, France

“NLP is kind of like a rabbit in the headlights of the Deep
Learning machine, waiting to be flattened.” - Neil Lawrence
• 현 상황
• 관심은 있다 (관심만 있다)
• 자연어처리 개발팀에 언어학적 배경을
가진 인원이 많지 않다.
• 기계번역 (end-to-end)
• 질의응답 (ex, 아이유 찾아줘)
• 연구커뮤니티의 성장과 착시효과
Fillmore, Charles J. 1992. "Corpus Linguistics" or
"Computer-aided Armchair Linguistics".
• I have two main observations to make. The first is that I don't think
there can be any corpora, however large, that contain information
about all of the areas of English lexicon and grammar that I want
to explore; all that I have seen are inadequate. The second
observation is that every corpus that I've had a chance to examine,
however small, has taught me facts that I couldn't imagine finding
out about in any other way.
• My conclusion is that the two kinds of linguists need each other. Or
better, that the two kinds of linguists, wherever possible,
should exist in the same body.
Copestake, Ann. 2009.
Slacker Semantics.
In a less high-minded vein,
sometimes it is right to be a
slacker: life (or at least,
project funding) is too short
to implement all ideas within
a grammar in their full
theoretical glory.
• 내적인 요인: 전문가의 부족
• 물리적 융합이 아닌 화학적 융합을
도모해야 한다.
• 외적인 요인: 검증의 부재
• 언어적 지식이 인공지능 시대에서
더 중요한 가치를 지니고 지속적으로
발전이 모색되어야 할 대상임을
스스로 입증하여야 한다.
 꼭 알아야 하나?
4차 산업혁명, 인공지능, 빅데이터
이것만 하면 되는가?
가장 확실한 길 가운데 하나이다.
 언어학이 역할을 할 수 있는가?
어느 때보다 언어학이 중요한 역할을 할 수 있는 시기이다.
무엇을 연구하고 가르쳐야 하는가?
논의의 출발점
초청강연
• 빅데이터 언어학의 발판 마련하기
이도길 (고려대학교)

• 인문학적 관점에서 딥러닝 이해하기: 워드벡터 탐색

최재웅 (고려대학교 명예교수)

• 언어학에 대한 지식없이 자연어 처리하기가 가능한가?

임희석 (고려대학교)
기획특강
• 딥러닝 시대의 언어처리: 딥러닝과 고전적 언어처리의 상생
박종철 (KAIST)

• 딥러닝 시대의 언어자료: 한국어 의미 자원 구축

김한샘 (연세대학교)

• 딥러닝 시대의 언어이론: 전산-신경-통사론

박명관 (동국대학교)
• 딥러닝 분야의 세 가지 난제
a. 이론적 바탕 없이 실험에 의존한다.
b. 동작원리에 대해 이해하기 어렵다.
c. 교육과의 연계방안을 찾기 어렵다.
• 우리가 천문 관측을 할 때 아무렇게나
마구 망원경을 들이대는 것이 아니다.

• 기계가 언어를 학습하는 과정의 진도표

• 완전한 가이드 맵을 제시할 수는
없을 것이기 때문에 역시 어느 정도
실험을 거듭하는 과정은 필요하다.
• 다만, 그 과정에 소요되는 시간과
비용을 크게 감소시킬 수 있다.
건물 설계도는 일반인이 보면 그냥
그림일 뿐이나 건축가가 보았을 때는
그 건물 전체의 규모와 구조를 손쉽게
이해하는 도구가 된다.
기계학습의 도구를
어디에 적용할 수 있는지를 구상하는 것은
언어지식이 충실히 있어야 가능한 것이다.
찾아 주셔서 감사드립니다!