https://youtu.be/hLAJ1FNi-R4?si=vunoxpqnW0NUkNNS

La belle vie, Elodie Frégé & Ben (Sacha Distel, Arr. Pierre Bertrand) Symphonissime France 2La belle vie (Sacha Distel, Arr. Pierre Bertrand) Symphonissime, 23 Janvier 2021 - France 2vocal : Elodie Frégé & Benconductor : Yvan CassarOdyssey Symphony ...youtu.be

대충


기호학 관련 입문서로 검색해보니


아래 책이 나오는데

https://www.yes24.com/Product/Search?domain=BOOK&query=%EC%88%80%20%ED%99%80&page=1&size=24

숀 홀 - 예스24숀 홀 - 예스24www.yes24.com


절판;; 푸코 이런 사람이 기호학자라고 하지만 중세 이런쪽에 몰빵인 듯 싶어 그냥 기호학이 어떤 학문인지 궁금하고 현대 여러 분야에 어찌 적용, 활용, 접목되는지 궁금하면 어떤 책 읽어야 할지 급 궁금해지네


https://metroseoul.co.kr/article/20211216500296

[주말은 책과 함께] 기호학 입문 의미와 맥락숀 홀 지음/김진실 옮김/비즈앤비즈 지금으로부터 약 10년 전 친구와 유럽으로 배낭여행을 떠났다. 이탈리아 로마에서 바티칸 박물관을 둘러보다가 전시된 그림에서 공통점을 하나 발견했다. 손가락을 세 개 편 인물들이 자주 등장한다는 것이었다. 식당에서metroseoul.co.kr

책은 '기표와 기의', '동질성과 이질성', '내포와 외연', '성격과 페르소나' 등 기호학의 기본 개념 75개를 사물과 이미지 그리고 텍스트로 풀어낸다. 저자는 특정 사회의 맥락 안에서 생산되고 소비되는 기호의 특성을 짚으며 기계론적이고 물질주의적인 사회에 사는 서구인들이 이에 대한 은유를 자주 사용한다고 이야기한다. 서구인들은 건강과 같은 구체적인 주제를 말할 때 '에이즈와의 전쟁'이라든가 '암 투병'이라는 기계론적인 표현을 사용하고 '머리를 쓴다', '시간을 낭비한다'처럼 특정 대상을 돈과 같은 물질인 것처럼 다룬다는 것이다. 저자는 "기호는 각기 다른 사회에서 각기 다른 방식으로 형성된다"며 "따라서 기호가 읽히고 이해되기 위해선 특정한 맥락에 기대야 한다"고 강조


https://www.bizhankook.com/bk/articlePrint/25468

비즈한국비즈한국www.bizhankook.com

인공지능을 효과적으로 활용하기 위해 필요한 건 도구의 숙달이 아니다. 오히려 좋은 질문을 던질 수 있는 폭넓은 배경지식과 창의적인 질문이 결과물의 차이를 낳았다. 인공지능 시대의 도래가 정해진 미래라면 우리 교육이 나아가야 할 방향도 이를 결코 간과해선 안 될 것으로 보인다. 안타깝게도 주입식 교육에 길든 우리나라 학생들에게 가장 부족한 점

(중략)

앞으로는 ‘질문하는 힘’, ‘주체적으로 명령하는 힘’이 중요한 시대가 될 것이다. 철학적으로는 소크라테스와 니체의 시대가 새롭게 펼쳐질 거


https://www.aitimes.kr/news/articleView.html?idxno=26216

서울대 국문학과 박진호 교수, 언어인공지능이 언어학 도메인 지식과 만나면 AI 자연어처리 능력은 어떻게 변화될까?지금의 인공지능은 언어학적 지식 없이도 상당한 수준의 자연어처리(NLP) 역량을 보여주고 있지만, AI 언어 인공지능 모델은 인간처럼 우리를 이해하고, 참여하며, 대화할 수 있는 진정한 지능형 AI 시스템과는 아직 거리가 있다. 실제 환경에 더 적응할 수 있는 모델을 구축하기 위해서 AI는 사람들과 함께 보다 다양하고 광범위한 시각과 언어학적 기반과 조화로 수행되어야 하는 새로운 연구가 지속적으로 이어지고 있다.이에 본지는 코딩과 AI 개발이 가능한 국내에 독보적인 한국어학자이자 여러 가지 다른 언어의 체계적인 기술과 비교를 통해서www.aitimes.kr

딥러닝이 더 잘 하는 부분은 더 잘 할 수 있게 하되, 그렇게 모델을 크게 키울 필요는 없고 최소한의 모델로 좋은 결과를 얻자는 겁니다. 딥러닝 기반 언어모델이 잘 못하는 부분들도 있는데 그런 틈새를 찾아서 언어학의 도메인 지식으로 메꿔줘서, 자연어처리 시스템의 성능 향상을 꾀하자는 겁니다.


예를 들어, 제가 실제로 해본 작업 두 가지를 소개하겠습니다. 하나는 한국어 형태소 분석기입니다. 머신러닝이 유행하기 전에 이미 95~96%의 정확도를 보이는 꽤 쓸 만한 한국어 형태소 분석기들이 많이 나와 있었는데, 이 정도면 쓸 만하다고 할 수도 있겠지만, 과업에 따라서는 아쉽다고 할 수 있습니다. 95%라면 20번 중에 한 번은 틀린다는 얘기인데요, 문어체 텍스트에서 하나의 문장이 20개 정도의 어절로 이루어져 있다고 하면 한 문장에 하나는 틀린다는 얘기예요.


그리고 형태소 분석은 그 다음 단계의 여러 가지 자연어 처리 과업으 수행하기 위한 첫 단계 분석인데 여기서 오류가 나오면 그 오류를 떠안고서 그 다음 단계로 넘어가니까 그 오류가 증폭됩니다. 그래서 형태소 분석은 정확도가 더 높아질 필요가 있습니다. 95~96% 정도의 정확도에서 획기적인 돌파구가 나오지 않고 정체된 상태였고, 이건 딥러닝이 유행하게 된 뒤에도 마찬가지였어요.


영어는 LSTM 기반 parts-of-speech(POS) tagger가 나와서 발전이 많이 이루어졌어요. 영어에서 어떤 단어의 품사가 명사도 있고 동사도 있어서 중의성이 있는데 이걸 해소하려면 앞뒤 문맥을 보고서 해야 됩니다. 중의성 해소의 단서가 가까이 있으면 기존 은닉 마르코프(Hidden Markov) 모델 같은 걸로 잘 해결되는데 그 단서가 좀 멀리 떨어져 있는 경우에는 잘 못했어요. 그런데 LSTM은 꽤 원거리에 있는 정보도 잘 추출할 수가 있어서 상당한 성능 향상을 보았는데, 한국어 형태소 분석은 영어하고 다릅니다.


영어는 그냥 띄어쓰기 단위를 하나의 단어로 봐서 처리하면 되는데 한국어는 체언 뒤에 조사가 붙고 용언 어간 뒤에 어미가 붙어서 복잡합니다. "밥을 먹었다."에서 "밥"과 "을"을 떼어내야 되고 "먹었다."도 "먹", "었", "다"를 떼어내야 합니다. 그 다음에 LSTM 모델을 적용해서 각각의 형태소에 품사를 부여하면 됩니다만, 이건 형태소 분리가 잘 되어 있음을 전제로 합니다.


그런데 형태소 분리가 난이도가 있고 어려운 일이었어요. 형태소 분리하는 과제를 딥러닝으로 해결하려고 하면 잘 안 됐던 거죠. "먹었다"가 입력으로 들어오면 "먹"+"었"+"다"를 출력으로 내야 됩니다. 머신러닝이 가장 잘 하는 과제가 분류(classification)와 회귀(regression)인데, 위의 과제는 분류도 아니고 회귀도 아니고 일종의 변형이잖아요. 이 과제를 그냥 변형 과제로 놓고 딥러닝으로 해결하려고 하면 아주 잘하기가 쉽지 않습니다.


저는 국어학자로서 한국어에 대한 지식이 있어서 이 과제를 분류 과제로 재정의했습니다. "먹었다"는 비교적 쉽지만 “흘렀다"는 불규칙 활용을 하니까 "흐르"+"었"+"다"로 해야 됩니다,


"저 사람은 학생이다."는 "학생"+"이"+"다"로 하면 되니까 쉬운데 "저 사람은 내 친구다."에서 "친구다"는 "친구"+"다"로 분석하면 안 되고, 그 뒤에 구문 분석이나 의미 분석을 제대로 하려면 "친구"+"이"+"다"로 분석해야 돼요. "이"가 생략된 거죠.


한국어에는 이렇게 뭐가 생략되고 축약되는 현상이 많은데, 이런 변형의 유형을 철저하게 찾았더니 한 200가지 유형이 있더라고요. 그래서 이 문제를 변형이 아니라 분류 문제로 풀 수 있게 된 거고, 딥러닝이 분류는 굉장히 잘하거든요. 그래서 기존의 95%를 뛰어넘어 f1 스코어 98%의 성과를 얻었습니다.


Q . 요즘은 형태소 분석을 그렇게 중요하게 안 보는 거 아닌가요? 형태소 분석을 안 해도 다운스트림 과업을 잘 하면 된다는 생각 같은데요?


A . 맞습니다. 형태소 분석기가 한국어 자연어처리에서 갖는 중요도가 예전보다 많이 낮아졌어요. 그래서 요즘 딥러닝 기반 자연어처리에서는 굳이 한국어 형태소 분석기를 쓰지 않고도 웬만큼 잘 해내고 있어요. 그래도 한국어 형태소 분석기가 여전히 한국어의 언어 공학, 언어 산업의 생태계에서 여전히 중요한 역할을 하고 있는데, 그중 하나는 검색 엔진입니다.


네이버 같은 검색 엔진에서 사용자가 쿼리를 던졌을 때 적절한 문서를 뽑아오려면, 엄청나게 많은 한국어 웹문서를 인덱싱을 해야 하는데 그 전에 형태소 분석을 해야 돼요. 구글에서 만든 BPE라든지 Wordpiece 같은 범용의 분석기로는 한국어를 제대로 분석하지 못하기 때문에 그걸 쓸 수는 없습니다. 그래서 한국의 산업계에서 형태소 분석기는 여전히 중요