초록
객체를 인식하는 데 있어 가장 효과적인 패러다임은 무엇인가? 즉, 빠르지만 단순한 학습 경로(Shortcut Learning)에 취약할 수 있는 구분 기반 추론(Discriminative Inference)인가, 아니면 느리지만 더 강건할 수 있는 생성 모델(Generative Model)인가? 우리는 최근 생성 모델 기술의 발전을 기반으로 텍스트-이미지 모델을 분류기로 변환하는 방법을 활용하였다. 이를 통해 이러한 생성 분류기의 행동 특성을 분석하고, 구분 기반 모델 및 인간의 생리심리학적 데이터와 비교할 수 있게 되었다. 본 연구에서는 생성 분류기에서 네 가지 흥미로운 잠재적 특성이 도출되었음을 보고한다. 첫째, Imagen 모델은 99%의 기록적인 인간과 유사한 형태 편향(shape bias)을 보였다. 둘째, 분포 외(out-of-distribution) 데이터에 대해 인간 수준에 근접한 정확도를 달성하였다. 셋째, 인간의 분류 오류와 가장 뛰어난 일치도를 보였다. 넷째, 일부 인지적 환상(perceptual illusions)을 이해하는 능력을 보였다. 본 연구 결과는 현재 인간의 객체 인식을 모델링하는 데 주로 사용되는 구분 기반 추론이 지배적인 패러다임임에도 불구하고, 제로샷(Zero-shot) 생성 모델이 인간의 객체 인식 데이터를 놀랍도록 잘 근사하고 있음을 시사한다.