최신 신경망의 주요 약점인 조립성 일반화 문제를 해결하기 위해 신경-기호 AI에서는 기호 지칭이 자연스럽게 나타날 것이라는 가설이 있었습니다.
본 연구에서는 반복 논리 텐서 네트워크($i$LTN)라는 새로운 아키텍처를 도입하여 지칭과 추론의 기여도를 분리하여 이 가설에 도전하고, 체계적인 경험적 분석을 수행했습니다.
결과적으로 지칭 학습만으로는 일반화에 실패하지만, 지각적 지칭과 다단계 추론을 함께 학습한 $i$LTN은 모든 작업에서 높은 제로샷 정확도를 달성하여 추론은 단순한 부수 효과가 아닌 명확한 학습 목표가 필요함을 입증했습니다.