論文の概要: ReferentialGym: A Nomenclature and Framework for Language Emergence &
Grounding in (Visual) Referential Games
- arxiv url: http://arxiv.org/abs/2012.09486v1
- Date: Thu, 17 Dec 2020 10:22:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-02 07:39:56.861328
- Title: ReferentialGym: A Nomenclature and Framework for Language Emergence &
Grounding in (Visual) Referential Games
- Title（参考訳）: ReferentialGym: (Visual) Referential Gamesにおける言語創発と接地のための命名と枠組み
- Authors: Kevin Denamgana\"i and James Alfred Walker
- Abstract要約: 自然言語は、人間が情報を伝達し、共通の目標に向けて協力するための強力なツールである。
計算言語学者は、言語ゲームによって引き起こされる人工言語の出現を研究している。
AIコミュニティは、言語の出現と、より優れたヒューマンマシンインターフェースに向けた基礎研究を開始した。
- 参考スコア（独自算出の注目度）: 0.30458514384586394
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Natural languages are powerful tools wielded by human beings to communicate
information and co-operate towards common goals. Their values lie in some main
properties like compositionality, hierarchy and recurrent syntax, which
computational linguists have been researching the emergence of in artificial
languages induced by language games. Only relatively recently, the AI community
has started to investigate language emergence and grounding working towards
better human-machine interfaces. For instance, interactive/conversational AI
assistants that are able to relate their vision to the ongoing conversation.
This paper provides two contributions to this research field. Firstly, a
nomenclature is proposed to understand the main initiatives in studying
language emergence and grounding, accounting for the variations in assumptions
and constraints. Secondly, a PyTorch based deep learning framework is
introduced, entitled ReferentialGym, which is dedicated to furthering the
exploration of language emergence and grounding. By providing baseline
implementations of major algorithms and metrics, in addition to many different
features and approaches, ReferentialGym attempts to ease the entry barrier to
the field and provide the community with common implementations.
- Abstract（参考訳）: 自然言語は、人間が情報を伝達し、共通の目標に向けて協力するための強力なツールである。
彼らの値はコンポジション性、階層性、リカレント構文といったいくつかの主要な特性に関係しており、計算言語学者は言語ゲームによって引き起こされる人工言語における出現を研究している。
ごく最近になって、AIコミュニティは、より良いヒューマンマシンインターフェースに向けた言語出現と基盤の研究を開始した。
例えば、対話型/会話型AIアシスタントは、自身のビジョンと進行中の会話を関連付けることができる。
本稿では,本研究への2つの貢献について述べる。
第一に, 言語創発と接地の研究における主なイニシアティブを理解するための命名法を提案し, 仮定と制約のバリエーションを考察した。
次に、PyTorchベースのディープラーニングフレームワークReferentialGymを紹介します。
主要なアルゴリズムとメトリクスのベースライン実装を提供することで、多くの異なる機能やアプローチに加えて、referentialgymはフィールドへの参入障壁を緩和し、コミュニティに共通の実装を提供する。
関連論文リスト
- Symbolic Learning Enables Self-Evolving Agents [55.625275970720374]
エージェントシンボリックラーニング(エージェントシンボリックラーニング)(エージェントシンボリックラーニング)は、言語エージェントが自分自身で最適化できるための体系的なフレームワークである。
エージェント記号学習は、コネクショナリズム学習における2つの基本的なアルゴリズムを模倣することにより、言語エージェント内のシンボルネットワークを最適化するように設計されている。
我々は、標準ベンチマークと複雑な実世界のタスクの両方で概念実証実験を行う。
論文 参考訳（メタデータ） (2024-06-26T17:59:18Z) - Weakly-supervised Deep Cognate Detection Framework for Low-Resourced
Languages Using Morphological Knowledge of Closely-Related Languages [1.7622337807395716]
アンダーリソース言語でのトランスファーラーニングのためのコニャートを爆発させることは、言語理解タスクのエキサイティングな機会である。
従来のアプローチは主に、正書法、音声学、あるいは最先端の文脈言語モデルに基づくコグネート検出タスクの監督に重点を置いていた。
本稿では、アンダーリソース言語に対する言語に依存しない弱教師付き深層コグネート検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-09T05:46:41Z) - Towards More Human-like AI Communication: A Review of Emergent
Communication Research [0.0]
創発的コミュニケーション(英: Emergent Communication, Emecom)は、自然言語を利用できる人工エージェントの開発を目的とした研究分野である。
本稿では,文献の共通点と,それらが人間同士の相互作用にどのように関係しているかを概説する。
2つのサブカテゴリを特定し、その特性とオープンな課題を強調します。
論文 参考訳（メタデータ） (2023-08-01T14:43:10Z) - Towards Bridging the Digital Language Divide [4.234367850767171]
多言語言語処理システムは、しばしばハードワイヤで、通常不随意で、特定の言語に対して隠された表現的嗜好を示す。
偏りのある技術は、しばしば表現される言語の複雑さに不公平な研究・開発手法の結果であることを示す。
我々は,技術設計と方法論の両面から,言語バイアスを減らすことを目的とした新しいイニシアティブを提案する。
論文 参考訳（メタデータ） (2023-07-25T10:53:20Z) - An Empirical Revisiting of Linguistic Knowledge Fusion in Language
Understanding Tasks [33.765874588342285]
構文的・意味的知識を持つ言語モデルの構築は,多くの言語理解タスクにおいて改善されている。
GLUEベンチマークにおいて,解析されたグラフや木を簡単なタスクに置き換える実験的検討を行った。
このことは、利得は明示的な言語的先行によるものではなく、融合層によってもたらされるより機能的な相互作用によるものであることを明らかにしている。
論文 参考訳（メタデータ） (2022-10-24T07:47:32Z) - Linking Emergent and Natural Languages via Corpus Transfer [98.98724497178247]
創発言語と自然言語のコーパス転送によるリンクを確立する新しい方法を提案する。
このアプローチでは,言語モデリングとイメージキャプションという,2つの異なるタスクに対して,非自明な転送メリットを示す。
また,同一画像に基づく自然言語キャプションに創発的メッセージを翻訳することで,創発的言語の伝達可能性を予測する新しい指標を提案する。
論文 参考訳（メタデータ） (2022-03-24T21:24:54Z) - Towards Zero-shot Language Modeling [90.80124496312274]
人間の言語学習に誘導的に偏りを持つニューラルモデルを構築した。
類型的に多様な訓練言語のサンプルからこの分布を推測する。
我々は、保留言語に対する遠隔監視として、追加の言語固有の側情報を利用する。
論文 参考訳（メタデータ） (2021-08-06T23:49:18Z) - Neural Abstructions: Abstractions that Support Construction for Grounded
Language Learning [69.1137074774244]
言語の相互作用を効果的に活用するには、言語基底に対する2つの最も一般的なアプローチの制限に対処する必要がある。
本稿では,ラベル条件付き生成モデルの推論手順に対する制約のセットであるニューラル・アブストラクションの考え方を紹介する。
この手法により,マインクラフトにおけるオープンエンドハウスタスクのセマンティックな変更をユーザ人口が構築できることが示される。
論文 参考訳（メタデータ） (2021-07-20T07:01:15Z) - AM2iCo: Evaluating Word Meaning in Context across Low-ResourceLanguages
with Adversarial Examples [51.048234591165155]
本稿では, AM2iCo, Adversarial and Multilingual Meaning in Contextを提案する。
言語間文脈における単語の意味の同一性を理解するために、最先端(SotA)表現モデルを忠実に評価することを目的としている。
その結果、現在のSotAプリトレーニングエンコーダは人間のパフォーマンスにかなり遅れていることが明らかとなった。
論文 参考訳（メタデータ） (2021-04-17T20:23:45Z) - Bridging Linguistic Typology and Multilingual Machine Translation with
Multi-View Language Representations [83.27475281544868]
特異ベクトル標準相関解析を用いて、各情報源からどのような情報が誘導されるかを調べる。
我々の表現は類型学を組み込み、言語関係と相関関係を強化する。
次に、多言語機械翻訳のための多視点言語ベクトル空間を利用して、競合する全体的な翻訳精度を実現する。
論文 参考訳（メタデータ） (2020-04-30T16:25:39Z) - A Practical Guide to Studying Emergent Communication through Grounded
Language Games [0.0]
本稿では,Babelソフトウェアシステムを拡張した高レベルロボットインタフェースを提案する。
これは、先進的な基底言語ゲーム実験の実行に関わる各サブタスクを扱うフレキシブルなモジュールを提供するツールキットを初めて提示する。
論文 参考訳（メタデータ） (2020-04-20T11:48:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。