논리적 사고

신경망 안에 만족가능성 풀이 층을 넣으면 규칙을 배울 수 있을까?

SATNet은 미분 가능한 근사 MAXSAT 풀이 층을 신경망에 넣어 패리티·스도쿠·시각 스도쿠의 논리 구조를 제한된 감독으로 학습했습니다.

그림에서 무엇을 볼까요?

시각 인식 후보와 행 열 상자 제약이 MAXSAT 합류점에 모여 만족 격자로 이어지는 세 층 구조.

LTCT 개념도는 이미지 인식이 후보 숫자 분포를 만들고 SATNet 층이 행·열·상자 제약을 결합한 뒤 최종 격자를 내는 흐름을 그립니다.

화살표는 각 박스 경계에 닿고, 여러 제약은 명시된 MAXSAT 합류점에서 만납니다. 이는 논문의 구조를 교육용으로 재구성한 것으로 모델 도표를 전재하지 않습니다.

2019년 공개본의 특정 합성 과제 성능을 현재 모든 신경기호 시스템에 일반화할 수 없습니다.

근사 최적화·수치 안정성·규모 확장·분포 밖 입력과 형식 검증은 별도 문제입니다.

논리 층이 있으면 앞단의 이미지 오인식도 자동으로 고쳐질까요?