갤러리 이슈박스, 최근방문 갤러리
연관 갤러리
월드 오브 워쉽 갤러리 타 갤러리(0)
이 갤러리가 연관 갤러리로 추가한 갤러리
0/0
타 갤러리 월드 오브 워쉽 갤러리(0)
이 갤러리를 연관 갤러리로 추가한 갤러리
0/0
개념글 리스트
1/3
- 살면서 책을 읽어야 하는 이유 ㅇㅇ
- Chat gpt) 군대이야기 1 입대 티타늄맨
- 어느 실업고교 선생님의 눈물 ㅇㅇ
- 프라모델로 나온 한국군 병기 - 빠진 것들 및 기타 3부 호순이
- 미국여행기-16,17 관광의 도시 라스베가스, 그리고 LA(完) 컴의치한약수
- 의외로 한국인이 일본 여행가서 가능한것 97nam
- 이재명과 정치테마.MANHWA 애니머니
- 싱글벙글 최홍만 이야기 -전설의 시작- ㅇㅇ
- 독학러의 과외 3개월 연습 모음 - 3달차 미블
- 국산킹룡로봇 끝판왕 - 합체 편 6D
- 오싹오싹 소련 전쟁기계로 만든 소방차ㄷㄷ.jpg ㅇㅇ
- [소개] 얌전히 있지 못했던 대머리의 유쾌한 반란 NeonNoroshi
- [단독] 여초, 산불사태 조롱한 80만 가입 인터넷카페 ‘논란’ 이별의순간
- 위생 문제가 끊이지 않던 자갈치시장 노점상 사라진다.jpg ㅇㅇ
- 30살 여친 연애횟수가 9번이래... 관심종자
소데가라미(袖搦)에 대해 알아보자
안녕 여러분~ 이젠 완장도 아닌 그냥 개좆밥 지뢰계 갓본도 빌런이 왔습니다~ 저번 시간에 예고한 대로 오늘 알아볼 닛뽄 무기는 바로바로~~ 이게 뭐하는 무기인고...? 일...단 한 번 알아보자. 목차 1. 소데가라미(袖搦)란? 2. 소데가라미의 역사 및 쓰임새 3. 꼭 전쟁무기만이 강한 무기는 아니다. 4. 상대가 장병기로 무장하고 있다면? 5. 역사속으로... 다 사라졌는데 왜 얘만 남았냐? 1. 소데가라미(袖搦)란? 약 7~8척(약 2.1~2.4m)의 장대 선단에 방사형으로 구부러진 갈고리가 튀어나와 있으며 갈고리와 장대 전반에 빼곡히 가시가 튀어나와 있는 도구로, 소매 수(袖)에 억누를 닉/ 붙잡을 낙(搦)을 써 소데가라미(袖搦)라 부른다. 이름에서 알 수 있듯 상대의 옷자락을 잡아 대상의 행동을 무력화 시키는 도구이며, 주로 관내에서 비 협조적인 용의 대상을 포획하기 위한 도구였다고 한다. 한마디로 맨캐쳐(man catcher)의 열도 버젼. (오른쪽 부터) 사스마타(刺股), 츠쿠보(突棒)와 함께 있는 소데가라미. 이렇게 세개의 포획도구를 묶어 산도구(三道具)라 부른다. 맨캐쳐(man catcher). 서양판 포획도구라 보면 된다. (이게 더 살발하게 생긴건 나만 그런가?) 2. 소데가라미의 역사 및 쓰임새 https://youtu.be/-J2MKmmtSzQ?si=jngbFlHQdSFvp-TB 여러가지 이색적인 일본 무기들을 다루는 영상. 영상의 3분 10초 부터 사스마타와 소데가라미의 사용법이 나온다. 언제 누가 고안한 도구인지 알 수 없지만 주로 활동했던 시기는 비교적 최근인 에도시대로, 위에서 잠깐 설명 했듯이 사스마타(刺股), 츠쿠보(突棒)와 함께 범죄자를 포획하는데 쓰였다고 한다. 일본은 에도시대로 들어 서면서 부터 관내에서의 도검 패용이 허용은 되었지만(카타나나 와키자시 등) 이를 뽑거나 사용시에는 처벌을 받게 되었는데, 이 처벌의 수위가 매우 강하다 보니 당연하게도 순순히 따르는 대상은 없었을 것이다. 그런 비 협조적인 용의자들을 포획하기 위한 도구가 바로 이 산도구(三道具) 인데, 우선 사스마타가 용의자의 팔이나 다리를 밀어내고, 소데가라미가 용의자의 소매나 옷자락을 휘감아 당기거나 밀어서 넘어트리는 식으로 제압하여 이송하였다. 그리고 용의자가 너무 심하게 말을 안듣는다 싶으면 츠쿠보를 이용해 적당히 밀어내거나(몽둥이 찜질을 해 주거나) 뚝배기를 날려주기도 하였다. 또, 이 포획도구들을 자세히 보면 자잘한 철재 가시가 많이 튀어나와 있는데, 이는 강하게 잡을 수 없게 만들어, 용의자가 순간적으로 봉을 낚아채는 것을 방지하기 위한 조치이다. 3. 꼭 전쟁무기만이 강한 무기는 아니다. 비교적 평화로운 시기에 등장한 무기인지라, 전편의 곰발바닥처럼 상대적으로 약한 무기로(심지어 이놈은 전쟁무기란 놈이...) 보일 수 있지만, 오히려 시대가 시대인지라, 상대하는 무기들은 비교적 리치가 짧은 우치가타나(打刀)나 와키자시(脇差)같은 무기로, 상대하는 무기들 보다 살상능력은 떨어질지언정 훨씬 원거리에서 상대를 넘어트리고 다 함께 제압(이라 쓰고 다구리)하다 보니, 거의 무적에 가까운 무기였기에 관 내의 곳곳에 상시 배치 되었을 정도. 하지만...... 4. 상대가 장병기로 무장하고 있다면? 설마 그럴리 없지만, 그래서는 안되지만, 용의자가 나기나타(薙刀)같은 어느정도 질량도 있고, 리치도 길고, 빠르고, 살상력도 훌륭한 무기를 들고 나온다면 일단 여러명이서 한 번에 다구리를 보지 않는 이상, 자칫 잘못하면 법죄지 잡으러 갔던 사람들이 토막나는 아찔한 사고가 벌어질 수도 있다. 이게 또 당연한 것일 수 밖에 없는데, 산도구들은 말 그대로 '포획도구'이기 때문에 형태 자체가 장병기의 형상을 띄고 있는 만큼의 질량은 나오겠지만, 질량이나 리치만 우월할 뿐이지 용도가 뚜렸하다 보니, 포획 대상이 다소 부상을 입더라도, 확실하게 사망에 이르게 하는 쪽으로 제작되진 않았다. 당연히 살상력이 좋지는 못하다. 하지만 나기나타나 야리(槍)같은 태생이 무기인 경우에는 리치도 리치지만, 빠른 속도와 높은 살상력을 상정하고 만들어진 경우라, 애초부터 대등한 승부가 될 수 없다. 물론 미쯔도구들은 절대 혼자서 움직이지 않고, 최소 3~4명 이상 몰려가서 상대를 제압하기 때문에, 상대가 장병기를 가지고 있건 어떻건 결국에는 상대를 포획하긴 할 것이다. 다만 그 과정에서 몇 명의 사상자가 발생 할 지는...... 안녕? 뀨? 전에 곰발바닥마냥 이런거 뜨면 좆되는건 매한가지다. 뭐 애초에 에도시대에, 그것도 영지 내에서 장병기나 갑주로 무장하는 싸이코는 없었을테니 위와 같은 상황은 일어나기 드물었을 것이다. 5. 역사속으로... 다 사라졌는데 왜 얘만 남았냐? 그렇게 에도시대 한정 무적의 무기들 이였던 토리모노 산도구는 에도시대가 끝나고, 더 이상 검을 들고 다닐 수 없는 시대가 되면서 부터 자연스레 역사의 뒤안길로 사라졌다. 시간이 지나면서 경찰들의 무기도 점차 곤봉과 권총으로 바뀌어 갔고, 용의자들 또한 카타나 같은 장검을 들고 다니지는 않게 되면서 더 이상 저런 거추장스러운 포획도구는 필요가 없게 되었다. 그렇게 포획도구 삼형제는 사이좋게 역사속으로... 응? https://youtu.be/LPERpogSoP0?si=SJ3k9iP9wRqhu4FM 刺股操作要領刺股の操作を分かりやすく解説！護身用具の改正によって、警備員も刺股の携帯が可能となったことから(1)基本操作要領、(2)応用操作要領をそれぞれ分かりやすく解説。正しい刺股操作を理解し、いざというときのために習得しよう。 （一社）全国警備業協会監修（株）金星制作購入方法など詳細については下記サイトをご参照ください。...youtu.be 물론 현대 사회라고 해서 흉기가 없는게 아니고, 또 미친놈이 없는건 아니다. 그러다 보니 상대방을 가장 덜 다치게 하면서도 자신의 안전을 지키며 또 무사히 포획할 수 있는 물건으로서 산도구 중 사스마타가 높게 평가되어 현대까지 끈질기게 살아남았다. (즈그 형제들 다 뒤졌는데 지만 관짝뚜껑 따고 일어났노 ㄷㄷ) 실제로도 사스마타는 상대보다 멀리서 상대를 효과적으로 밀어내기 좋아, 흉기를 든 대상으로부터 안전 거리를 확보하는 것이 용이한 물건이라, 각 파출소나 공공 시설에 배치되어서 나쁠게 없는 물건임은 틀림없는 사실이기에 충분히 납득이 가능한 경우라고 볼 수 있다. 역시 이렇다 저렇다 해도, 살아남은 것이 가장 강한 것이다. 예고 뭘까요? 재미있게 읽어주셔서 감사합니다^^ [시리즈] 갓본무기 시리즈 · 쿠마데(熊手)에 대해 알아보자 · 쯔카마키(柄巻)에 대해 알아보자 · 우치가타나(打刀)에 대해 알아보자 1 · 우치가타나(打刀)에 대해 알아보자 2 ※스압주의※ · 와키자시(脇差)에 대해 알아보자. · 나기나타(薙刀)에 대해 알아보자 · 탄토(短刀)에 대해 알아보자. · 카나사이보(金砕棒)에 대해 알아보자 · 야리(槍)에 대해 알아보자. · 타치(太刀)와 우치가타나(打刀)의 차이 · 심심해서 써보는 타치(太刀)에 대한 뻘글 - dc official App
작성자 : 갓본도빌런고정닉
(구글) LLM 표현을 통해 인간 뇌의 언어 처리 과정 이해하기
LLM 표현을 통해 인간 뇌의 언어 처리 과정 이해하기2025년 3월 21일 | 마리아노 샤인(Mariano Schain), 소프트웨어 엔지니어, 아리엘 골드스타인(Ariel Goldstein), 방문 연구원, 구글 리서치후속 발화 예측과 문맥 임베딩을 활용한 과제 적응에 최적화된 대규모 언어 모델(LLM)은 인간과 거의 비슷한 수준으로 자연어를 처리할 수 있습니다. 본 연구는 인간의 뇌 신경 활동이 일상 대화를 처리하는 과정에서 LLM 내부의 음성 및 언어 관련 문맥 임베딩과 선형적으로 정렬된다는 것을 보여줍니다.인간의 뇌는 일상 대화 중에 자연어를 어떻게 처리할까요? 이론적으로 LLM과 인간 언어에 대한 기호적 심리언어학 모델은 자연어를 부호화하는 방식에 있어 근본적으로 다른 계산 프레임워크를 제시합니다. LLM은 기호적인 품사나 통사 규칙에 의존하지 않습니다. 대신 다음 단어 예측이나 강화 학습으로 개선된 생성과 같은 간단한 자기 지도 학습 목표를 사용합니다. 이를 통해 LLM은 실제 텍스트 코퍼스에서 추출한 문맥에 맞는 언어적 결과물을 생성하며, 자연스러운 음성(소리)과 언어(단어)의 통계적 구조를 다차원 임베딩 공간에 효과적으로 부호화합니다.LLM의 성공에 영감을 받아, 저희 구글 리서치 팀은 프린스턴 대학교, 뉴욕 대학교(NYU), 히브리 대학교(HUJI)와 협력하여, 인간의 뇌와 딥러닝 언어 모델이 각자의 뛰어난 능력을 발휘하며 자연어를 처리하는 방식의 유사점과 차이점을 탐구하고자 했습니다. 지난 5년간 일련의 연구를 통해, 저희는 특정 딥러닝 모델의 내부 표현(임베딩)과 자연스러운 대화 중 인간 뇌 신경 활동 사이의 유사성을 탐구했으며, 이를 통해 딥러닝 언어 모델의 임베딩이 인간 뇌의 언어 처리 방식을 이해하기 위한 틀로서 강력한 잠재력을 지니고 있음을 입증했습니다. 저희는 딥러닝 언어 모델이 생성하는 단어 수준 내부 임베딩이 인간 뇌에서 음성 이해 및 발화와 관련된 기존에 알려진 뇌 영역들의 신경 활동 패턴과 정렬된다는 것을 입증합니다.유사한 임베딩 기반 언어 표현네이처 인간 행동(Nature Human Behaviour)에 발표된 저희의 가장 최근 연구는 트랜스포머 기반 음성-텍스트 변환 모델의 내부 표현과 실제 대화 중 인간 뇌의 신경 처리 순서 간의 정렬을 조사했습니다. 이 연구에서 저희는 자발적인 대화 중에 두개 내 전극을 사용하여 기록된 신경 활동을 분석했습니다. 저희는 신경 활동 패턴을 Whisper 음성-텍스트 변환 모델이 생성한 내부 표현(임베딩)과 비교했으며, 모델의 언어적 특징이 뇌의 자연스러운 음성 처리 과정과 어떻게 정렬되는지에 초점을 맞추었습니다.듣거나(음성 이해 중) 말하는(음성 발화 중) 모든 단어에 대해, 음성-텍스트 변환 모델에서 두 가지 유형의 임베딩이 추출되었습니다. 즉, 모델의 음성 인코더에서 추출한 음성 임베딩과 모델의 디코더에서 추출한 단어 기반 언어 임베딩입니다. 각 대화 속 단어마다 음성-텍스트 임베딩을 이용해 뇌의 신경 신호를 예측하는 선형 변환 값을 추정했습니다. 이 연구는 인간 뇌의 음성 영역 신경 활동과 모델의 음성 임베딩 간, 그리고 뇌의 언어 영역 신경 활동과 모델의 언어 임베딩 간의 놀라운 정렬을 밝혀냈습니다. 이러한 정렬 관계는 피험자의 언어 이해에 대한 뇌 신경 반응 순서를 모델링한 아래 애니메이션에서 확인할 수 있습니다.피험자가 "How are you doing?" 문장을 들을 때 언어 이해에 대한 뇌 신경 반응 순서.청자가 입력되는 음성 단어를 처리할 때, 우리는 일련의 신경 반응을 관찰합니다. 처음에 각 단어가 발화될 때, 음성 임베딩은 상측두회(STG)를 따라 있는 음성 영역의 피질 활동을 예측할 수 있게 해줍니다. 수백 밀리초 후, 청자가 단어의 의미를 해독하기 시작하면, 언어 임베딩은 브로카 영역(하전두회(IFG)에 위치)의 피질 활동을 예측합니다.피험자의 발화 과정을 살펴보면, 우리는 다른 (역순의!) 신경 반응 순서를 관찰합니다.피험자가 "feeling fantastic"이라고 답할 때 언어 발화에 대한 신경 반응 순서.이 정렬을 더 자세히 살펴보면, 단어를 발화하기 약 500밀리초 전에 (피험자가 다음 단어를 발화할 준비를 할 때), 언어 임베딩(파란색으로 표시)이 브로카 영역의 피질 활동을 예측합니다. 수백 밀리초 후 (여전히 단어 시작 전), 화자가 조음 발화 순서를 계획할 때 음성 임베딩(빨간색으로 표시)이 운동 피질(MC)의 신경 활동을 예측합니다. 마지막으로, 화자가 단어를 발화한 후, 화자가 자신의 목소리를 들으면서 음성 임베딩이 STG 청각 영역의 신경 활동을 예측합니다. 이러한 역동적인 과정은 언어 영역에서 무엇을 말할지 계획하는 것부터 시작하여, 운동 영역에서 어떻게 발화할지 계획하고, 마지막으로 음성 지각 영역에서 발화된 내용을 모니터링하는 신경 처리 순서를 반영합니다.전체 뇌 분석의 정량적 결과는 아래 그림과 같습니다. 각 단어에 대해 해당 단어의 음성 임베딩(빨간색)과 언어 임베딩(파란색)을 입력값으로 사용하여, 단어 시작 시점(그림의 x축 값 0)을 기준으로 -2초에서 +2초 사이의 다양한 시간 지연(time lag)에 따른 각 전극의 신경 반응을 예측했습니다. 이는 음성 발화(왼쪽 패널)와 음성 이해(오른쪽 패널) 중에 수행되었습니다. 관련 그래프는 다양한 뇌 영역의 전극에서 시간 지연에 따른 모든 단어에 대한 신경 활동 예측의 정확도(상관관계)를 보여줍니다.발화 및 이해 시 인간 뇌 신호와 음성/언어 임베딩의 부합도 분석.음성 발화 중에는, IFG의 언어 임베딩(파란색)이 감각운동피질의 음성 임베딩(빨간색)보다 먼저 최고조에 달하고, 그 뒤를 이어 STG에서 음성 부호화가 최고조에 달하는 것이 분명합니다. 반대로, 음성 이해 중에는 최고 부호화 시점이 단어 시작 이후로 이동했으며, STG의 음성 임베딩(빨간색)이 IFG의 언어 부호화(파란색)보다 훨씬 먼저 최고조에 달했습니다.종합적으로, 저희 연구 결과는 음성-텍스트 변환 모델 임베딩이 자연스러운 대화 중 언어 처리의 신경 기반을 이해하기 위한 일관된 프레임워크를 제공함을 시사합니다. 놀랍게도, Whisper는 뇌가 언어를 처리하는 방식을 고려하지 않고 오직 음성 인식을 위해서만 개발되었음에도 불구하고, 저희는 그 내부 표현이 자연스러운 대화 중 신경 활동과 정렬된다는 것을 발견했습니다. 이러한 정렬은 보장된 것이 아니었습니다. 만약 부정적인 결과가 나왔다면 임베딩과 신경 신호 간의 상관관계가 거의 없거나 전혀 없음을 보여주었을 것이며, 이는 모델의 표현이 뇌의 언어 처리 메커니즘을 포착하지 못했음을 의미했을 것입니다.LLM과 인간 뇌 간의 정렬을 통해 밝혀진 특히 흥미로운 개념 중 하나는 신경 처리에서의 '부드러운 계층 구조(soft hierarchy)'라는 개념입니다. IFG와 같이 언어에 관여하는 뇌 영역은 단어 수준의 의미론적 및 통사론적 정보를 우선시하는 경향이 있지만(언어 임베딩(파란색)과의 더 강한 정렬로 나타남), 더 낮은 수준의 청각적 특징도 포착합니다(음성 임베딩(빨간색)과의 낮지만 유의미한 정렬에서 분명히 드러남). 반대로, STG와 같은 하위 음성 영역은 음향 및 음소 처리를 우선시하는 경향이 있지만(음성 임베딩(빨간색)과의 더 강한 정렬로 나타남), 단어 수준 정보도 포착합니다(언어 임베딩(파란색)과의 낮지만 유의미한 정렬에서 분명히 드러남).LLM과 인간 뇌가 공유하는 목표 및 기하학적 구조LLM은 간단한 목표, 즉 순서대로 다음 단어를 예측하는 것을 사용하여 자연어를 처리하도록 훈련됩니다. 네이처 뉴로사이언스(Nature Neuroscience)에 발표된 논문에서, 저희는 LLM과 유사하게 청자의 뇌 언어 영역이 다음 단어가 발화되기 전에 예측하려고 시도한다는 것을 발견했습니다. 더욱이, LLM처럼, 단어 시작 전 청자의 예측에 대한 확신 수준은 단어가 발화된 후 그들의 놀람 수준(예측 오류)을 조절합니다. 이러한 발견은 자기회귀 LLM과 인간 뇌가 공유하는 시작 전 예측, 시작 후 놀람, 그리고 임베딩 기반 문맥 표현이라는 근본적인 계산 원리에 대한 강력한 새로운 증거를 제공합니다. 네이처 커뮤니케이션즈(Nature Communications)에 발표된 또 다른 논문에서, 저희 팀은 LLM의 임베딩 공간 기하학적 구조에 포착된 자연어 단어 간의 관계가 언어 영역에서 뇌에 의해 유도된 표현의 기하학적 구조(즉, 뇌 임베딩)와 정렬된다는 것도 발견했습니다.LLM과 인간 뇌의 자연어 처리 방식 차이점인간의 뇌와 트랜스포머 기반 LLM이 자연어 처리에서 근본적인 계산 원리를 공유하지만, 그 기저의 신경 회로 구조는 현저하게 다릅니다. 예를 들어, 후속 연구에서 저희는 트랜스포머 기반 LLM의 계층 간 정보 처리 방식과 인간 뇌의 처리 방식을 비교 조사했습니다. 저희 팀은 LLM과 인간 뇌의 언어 영역에서 계층 간 비선형 변환은 유사하지만, 그 구현 방식은 상당히 다르다는 것을 발견했습니다. 수백에서 수천 개의 단어를 동시에 처리하는 트랜스포머 아키텍처와 달리, 언어 영역은 언어를 순차적으로, 단어별로, 순환적으로, 그리고 시간적으로 분석하는 것으로 보입니다.요약 및 향후 방향저희 팀 연구에서 축적된 증거는 인간의 뇌와 딥러닝 모델이 자연어를 처리하는 방식 사이에 몇 가지 공유된 계산 원리를 밝혀냈습니다. 이러한 결과는 딥러닝 모델이 통계적 학습, 블라인드 최적화(blind optimization), 그리고 자연 현상과의 직접적인 부합 원칙에 기반하여 자연어를 처리하는 뇌의 신경 코드를 이해하기 위한 새로운 계산 프레임워크를 제공할 수 있음을 시사합니다. 동시에, 신경 구조, 언어 데이터의 유형 및 규모, 트랜스포머 기반 언어 모델의 훈련 프로토콜과, 인간의 뇌가 사회적 환경에서 자연스럽게 언어를 습득하는 생물학적 구조 및 발달 단계 사이에는 상당한 차이가 있습니다. 앞으로 저희의 목표는 정보 처리 및 실제 세계에서의 기능 수행 능력이 향상된, 생물학적으로 영감을 받은 혁신적인 인공 신경망을 만드는 것입니다. 저희는 인간의 경험과 더 잘 맞는 신경 구조, 학습 프로토콜, 훈련 데이터를 적용하여 이를 달성할 계획입니다.감사의 말씀본문에 기술된 작업은 구글 리서치가 프린스턴 대학교 신경과학 연구소 및 심리학과 해슨 랩(Hasson Lab), 히브리 대학교 경영대학원 및 인지과학과 딥코그니션랩(DeepCognitionLab), 그리고 뉴욕대 랑곤 종합 간질 센터(NYU Langone Comprehensive Epilepsy Center) 연구원들과 장기간 협력한 결과입니다.- 앤트로픽과 구글, LLM은 인간의 뇌와 거의 동일하게 작동한다앤스로픽과 딥마인드가 현재의 LLM이 추론 및 언어 능력 측면에서 인간의 뇌와 거의 동일하게 작동한다는 것을 보여주는 유사한 논문들을 발표했습니다.이는 "과연 실제로 추론하는 것인가"에 대한 기존의 논쟁 구도를 바꿔 놓을 것입니다.(앤트로픽) 거대 언어 모델의 사고 과정 추적하기 - 번역본 보기(구글) LLM 표현을 통해 인간 뇌의 언어 처리 과정 이해하기 - 번역본 보기
작성자 : 초존도초고정닉
차단하기
설정을 통해 게시물을 걸러서 볼 수 있습니다.
댓글 영역
획득법
① NFT 발행
작성한 게시물을 NFT로 발행하면 일주일 동안 사용할 수 있습니다. (최초 1회)
② NFT 구매
다른 이용자의 NFT를 구매하면 한 달 동안 사용할 수 있습니다. (구매 시마다 갱신)
사용법
디시콘에서지갑연결시 바로 사용 가능합니다.