Bölüm 4 / 10
III. Temel kavramlar
Belirlenim, kavram, bağlam ve ilişki için machine-native çalışma tanımlarını kurar.III. Temel kavramlar
7. Belirlenim nedir?
Bu kitapta belirlenim, bir nesneye yapıştırılmış değişmez etiket değil; belirli bir bağlamda savunulan ilişkisel durumdur.
Örneğin:
“Bu ilaç yararlıdır.”
tek başına zayıf bir belirlenimdir. Daha güçlü biçimi şuna yaklaşır:
“Bu doz aralığında, bu hasta grubunda, şu zaman ufkunda ve şu ölçüte göre yararlı etki gözlenmiştir.”
Bir sistemin her cümleyi bu kadar ayrıntılı JSON'a çevirmesi gerekmiyor. Buradaki nokta temsil biçiminden çok hangi ayrımların kaybolmaması gerektiğidir.
8. Kavram nedir?
“Kavram” kelimesini embedding ile eşanlamlı kullanmıyoruz. Embedding bir temsil tekniğidir. Kavram ise araştırma hipotezimizde, farklı durumlarda davranışı ve beklentileri örgütleyen, ilişkileri ve sınırları zaman içinde değişebilen bir state örgütlenmesidir.
Bir kavramın olası computational izi şunları taşıyabilir:
- ilişkili belirlenimler;
- diğer kavramlarla bağlar;
- hangi koşullarda geçerli olduğu;
- hangi kanıtların onu desteklediği;
- hangi kanıtların sorun çıkardığı;
- rakip yeniden kurulumlar;
- geçmişte nasıl revize edildiği;
- hangi gözlemin onu ayırabileceği.
Bunların final neural mimaride açık alanlar halinde bulunması şart değildir. Bunlar önce semantik gereksinimlerdir; latent gerçekleştirim deneyle seçilecektir.
9. Bağlam nedir?
Bağlam yalnız önceki token penceresi değildir. Computational Dialectics açısından bağlam en azından üç farklı şeyi kapsayabilir:
- dilsel bağlam: ne konuşuluyor, hangi referanslar kullanılıyor;
- durumsal bağlam: zaman, kapsam, koşul, aktör, ölçüm çerçevesi;
- yapısal bağlam: bir belirlenimin hangi ilişkiler ağı ve süreç içinde anlam kazandığı.
Bu nedenle “aynı kelime” aynı kavramsal konumu garanti etmez; “farklı kelime” de farklı kavram anlamına gelmez. Binding problemi tam burada ortaya çıkar.
10. İlişki nasıl temsil edilebilir?
Bir toplumsal veya fiziksel ilişkiyi temsil etmek için tek bir yöntem dayatmıyoruz. Directed edge, slot, continuous latent relation, graph state veya başka bir mekanizma kullanılabilir.
Önemli olan, temsilin şu sorulara davranışsal olarak cevap verebilmesidir:
- Kim/ne, kim/ne ile hangi ilişki içinde?
- Bu ilişki hangi koşullarda geçerli?
- Yeni kanıt geldiğinde ilişkinin kendisi mi değişti, yoksa ilişkinin ürettiği değer mi?
- Hangi başka ilişkiler bundan etkilenmeli?
- Hangileri etkilenmemeli?
D1-B benchmark'ının bilimsel değeri tam da bu ayrımı zorlamasıdır: mapping değişimi ile relation rebinding aynı şey değildir.