여러 문장이 있는 경우 앞의 문장에 나온 내용을 이해해야지만 다음에 나오는 문장의 의미를 좀더  정확히 파악할 수 있는 것은 너무나 당연하죠.  

번역 문제를 떠나서 . 

앞문장의 내용과 뒤문장이 맥락상 맞지 않는다는 점을 기계를 통해 검출을 할 수 있는지 궁금하군요. 

일상적으로 발생할 만한 다음 두문장을 가지고 이야기 해본다면. 

1.나는 어제 집에 오는 길에 고등어 무우조림이 먹고 싶어 동네 마트로 향했다.  

2.나는 마트의 정육점 코너로 직행하여  돼지고기 한근을 사서 집으로 와 돼지고기 김치찌개를 해먹었다.   

각각의 문장은 이상할게 없지만 두개의 문장을 연달아 본다면 

  "고등어 먹고 싶다는 사람이 생선코너로 안가고 왜 정육점 코너로 갔나?"

이렇게 의문이 드는게 인간에게는 자연스럽지만.  

기계에게  이 두개의 문장이 맥락상 맞지 않는다는 점을 검출할 수 있는 방법이 있나요?

저 간단한 문장에도 많은 전제가 깔려 있는데 그런 전제 조건들을 저장하는 방법이나  

문맥 비교 메카니즘이 필요할 거 같은데  현재 인공지능 분야에서는 어떤 방법론을 사용하나요?

개인적으로 검출방법이 상당히 어려워 보입니다.

문맥에 맞게 번역을 하고 싶어도 기술이 없어서 못하는게 아닌가 하는게 제 의견 입니다. 

당연하죠! 근데 구글 연구자들은 당연한 걸 몰라요. 

물론 아래의 알고리즘이 번역에 사용되지는 않습니다만, 

구글 연구자들의 생각은 엿볼 수 있습니다.

https://cpuu.postype.com/post/166917

Alice drove down the street in her car. 

첫 번째는  'Alice가 그녀의 차를 운전하고 있는 거리'로 장소를 의미하는 반면, 두 번째는 '그녀의 차 안에 놓여있는 거리'로 해석됩니다. 두번째 해석은 사람이 보기에 상식적으로 맞지 않지만, 그렇다고해서 문법적으로 틀린 것은 아니기 때문에 컴퓨터 입장에서는 충분히 가능한 해석입니다. 바로 이 지점에서 전치사 'in'이 drove를 수식하느냐, 아니면 street를 수식하느냐에 따라 모호함(ambiguty)이 대두됩니다. 이것을 전치사 접속 모호성(Prepositional phrase attachment ambiguity)라고 부릅니다. 

신기하게도 인간은 언어를 사용할 때 아주 놀라울정도로 모호성 문제에 잘 대처합니다. 하지만 컴퓨터가 처리하기에는 쉽지 않습니다. 아주 긴 문장에 대해, 가능한 다양한 중의적 해석을 모두 검토하려면 그 조합의 경우의 수가 급격히 커집니다. 보통 그중 상당수는 상식적으로 말이 안되는(implausible) 해석일 수도 있겠지만, 그럼에도 불구하고 그것이 문법적으로 가능한(possible)해석이라면 반드시 Paser의 검토를 거쳐서 후보군에서 기각시킬지 판단해야합니다.

전치사 접속 모호성이라니. 어이가 없죠. 이 문장이 모호한 이유는 말을 하다 말았기 때문입니다. 저 문장만 가지고는 "거리(street)"를 정확하게 규정할 수 없어요. 혹시 알아요? 이상한 나라의 앨리스라서 정말로 자동차 안에 street가 있을지. 즉 대다수의 독자는 이게 이상한 나라의 앨리스 이야기가 아니라는 숨은 전제를 가지고 저 문장을 읽기 때문에 해석하는데 아무런 문제가 없는 겁니다. 

근데 구글 연구자들은 정보가 부족함을 탓하지 않고 기술이 부족함을 탓하고 있잖아요. 어이가 없죠. 물론 결국 저 알고리즘은 폐기됩니다. 번역기에 사용되는 Attention이라는 게 나온 이후로는 잘 안 보이더라고요. 어텐션이 뭔지는 담에 이야기 해보죠.

#

그런 좋은 알고리즘 없습니다. 

대신 이런 걸 만드려면 사람은 이런 복잡한 가능성에 대해서 어떻게 해결하는지 봐야 합니다. 사람은 일단 임의의 계를 설정합니다. 사건의 범위를 먼저 판단하고 그 다음에 내용을 사건틀(계)에 짜맞추죠. 

즉 먼저 문장과 문장을 연결하여 오류가 있는지 판단하기 보다는, 일단 두 문장이 동시에 일어날 수 있는 임의의 계를 먼저 규정하고 그다음에 문장과 문장을 연결하려고 합니다. 방향이 다른 겁니다. 물론 사람에 따라 생각하는 방향이 좀 다르긴 하죠. 어떤 사람은 자기가 아는 걸 중심으로 사건을 파악하려고 하고, 다른 사람은 현 상황을 중심으로 사건을 파악하려고 합니다. 

1. 일단 사건의 영향이 미치는 범위를 파악한다. (계 설정이자 최대 단위의 규정)

2. 게임 안에 자기를 집어넣어 최소 단위를 규정한다.

3. 최대 단위와 최소 단위로 계를 구체화 하고 그 내부에서 작용반작용이 어떻게 일어나는 지를 본다.

이 개념으로 들어주신 예시를 해석하자면

1.나는 어제 집에 오는 길에 고등어 무우조림이 먹고 싶어 동네 마트로 향했다.  

2.나는 마트의 정육점 코너로 직행하여  돼지고기 한근을 사서 집으로 와 돼지고기 김치찌개를 해먹었다.   

이게 맥락상 맞지 않는다고 하셨는데, 마트에 가는 길에 부인에게 돼지고기 사오라는 전화를 받았다면 맥락에 맞습니다. 보통 이런 방법으로 사람을 골탕 먹이는게 스릴러 영화죠. 

이게 가능하려면 계설정 개념으로 알고리즘을 만들어야 하는데.. 

우리는 고등어에 대한 "고등어가 생물이고 ,생선이며 ,육지가 아닌 바다에 살며, 손바닥만하며 ,그다지 비싸지 않는 상품"이라는 모든 정보를 매 사건 해석에 사용하지 않습니다. 우리는 case by case로 필요한 정보를 조달합니다. 즉 고등어가 생물이라는 건 생물학 시험이라는 사건이나 혹은 고등어가 생물이라는 정보가 필요한 사건에서만 사용되는 거죠. 

단순히 "고등어가 생물이고 ,생선이며 ,육지가 아닌 바다에 살며, 손바닥만하며 ,그다지 비싸지 않는 상품" 이러한 모든 정보를 컴퓨터의 딕셔너리에 저장하듯 하지 않는다는 거죠. 

결국 정보 저장의 단위가 사건이라는 게 인간 기억의 핵심입니다. 어릴 적 기억을 떠올려 보시면 알 수 있는게, 우산을 보면 떠오르는 기억은 사람마다 다를 겁니다. 우산 파는 사람, 우산 없어서 소나기를 맞았던 사람, 우산으로 칼싸움 했던 사람, 연인과 한 우산을 썼던 사람 등, 같은 우산이라도 기억이 생성된 상황에 따라 "우산의 의미"는 모두 다르며 인간의 기억은 우산 중심이 아니라 상황 중심이라는 거죠. 물론 우산전문가라면 우산 자체가 상황이 되긴 합니다.