関係推論のための単純なニューラルネットワークモジュール

関係推論は一般的な知能行動の中心的な要素であるが、ニューラルネットワークが学習することは困難であった。本論文では、関係ネットワーク（Relation Networks: RN）を単純にプラグアンドプレイのモジュールとして使用して、関係推論に根本的に依存する問題を解決する方法について説明する。我々はRNを強化したネットワークを3つのタスクでテストした：挑戦的なデータセットCLEVRを使用した視覚的質問応答において最先端の超人的性能を達成し、bAbIスイートを使用したテキストベースの質問応答、そして動的物理システムに関する複雑な推論である。さらに、キュレーションされたデータセットSort-of-CLEVRを使用して、強力な畳み込みネットワークが関係的な質問を一般的に解く能力を持たないことを示し、RNによって強化されることがその能力獲得につながることも確認した。本研究は、RNモジュールを装備した深層学習アーキテクチャが実体とその関係性を暗黙的に発見し、それについて推論することを学習できる方法を示している。この翻訳では、専門用語や技術的概念は正確に翻訳され、日本語の表現習慣に合わせて自然な文章構成となっています。また、正式かつ客観的な科学技術文献のスタイルで記述しており、原文の内容と高い一致を保っています。