Modalitate anitzeko ereduen eta hizkuntza ereduen zentzumen espazialaren azterketa

• Autores: Oier Ijurco Murua, Oier Lopez de Lacalle, Gorka Azkune Galparsoro
• Localización: Ingeniaritza eta arkitektura: VI. Ikergazte Nazioarteko ikerketa euskaraz: 2025eko maitzaren 28, 29 eta 30 Bilbo, Euskal Herria / coord. por Olatz Arbelaiz Gallego, Ainhoa Latatu, Izortze Santin Gomez, 2025, ISBN 978-84-8438-928-6, págs. 165-172
• Idioma: euskera
• Enlaces
  • Texto Completo Libro
• Resumen
  • euskara

    Zentzumen espaziala, espazio eta harreman fisikoari buruzko gure ezagutza, giza kognizioren funtsezko ezaugarria da. Ikerketa honek gaur egungo hainbat eredu ebaluatu eta alderatzen ditu, zentzumen espazialari dagokionez. Hiru eredu mota hartzen dira kontuan: testu hutseko ereduak, sarrera bezala testua erabiltzen duten modalitate anitzeko ereduak, eta testutik abiatuta irudiak sortzen dituzten ereduak. Zentzumen espaziala gizakiontzat ulertzeko oso erraza den alderdi bat bada ere, hizkuntza ereduentzat zeregin zaila da. Ikerketa honen emaitza gisa, aurkitu dugu egungo ereduek nabarmen hobetu dutela horrelako zereginetan BERT edo RoBERTa bezalako eredu ez hain berriekin alderatuta. Azken finean, ikerketa honekin espazio-harremanei buruzko arrazoiketan adimen artifizialeko sistemen garapena azpimarratzen dugu, mundua giza mailan ulertzeko funtsezko urratsa dena.

  • English

    Understanding spatial commonsense, our knowledge about physical space and relationships, is a fundamental aspect of human cognition. This investigation evaluates and compares various current models to determine their understanding of spatial commonsense reasoning. Three types of models are taken into account in this work: text-only models, multimodal models with text inputs, and text-to-image models generating visual representations from text. Spatial commonsense is something very simple to understand for humans, but it has been a tough task for language models in the past. Our research shows that current models have improved significantly at these kinds of tasks. Ultimately, this work contributes to the advancing development of AI systems in reasoning about spatial relationships, which is an essential step toward human-level understanding of the world.