論文の概要: ACE: Abstractions for Communicating Efficiently

• arxiv url: http://arxiv.org/abs/2409.20120v1
• Date: Mon, 30 Sep 2024 09:20:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-02 18:56:57.466337
• Title: ACE: Abstractions for Communicating Efficiently
• Title（参考訳）: ACE: 効率的にコミュニケーションするための抽象化
• Authors: Jonathan D. Thomas, Andrea Silvi, Devdatt Dubhashi, Vikas Garg, Moa Johansson,
• Abstract要約: AIにおける問題解決の中心的な側面は抽象化の導入と利用である。 この現象を再現しようとするいくつかの計算手法が試みられているが、抽象概念の導入と学習について非現実的な仮定を下している。 我々はこれをコミュニケーションと強化学習のためのニューラルな手法と組み合わせ、新しい抽象化を導入する際の探索と搾取のトレードオフを制御するために、バンディットアルゴリズムを新たに活用する。
• 参考スコア（独自算出の注目度）: 3.7865171120254364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A central but unresolved aspect of problem-solving in AI is the capability to introduce and use abstractions, something humans excel at. Work in cognitive science has demonstrated that humans tend towards higher levels of abstraction when engaged in collaborative task-oriented communication, enabling gradually shorter and more information-efficient utterances. Several computational methods have attempted to replicate this phenomenon, but all make unrealistic simplifying assumptions about how abstractions are introduced and learned. Our method, Abstractions for Communicating Efficiently (ACE), overcomes these limitations through a neuro-symbolic approach. On the symbolic side, we draw on work from library learning for proposing abstractions. We combine this with neural methods for communication and reinforcement learning, via a novel use of bandit algorithms for controlling the exploration and exploitation trade-off in introducing new abstractions. ACE exhibits similar tendencies to humans on a collaborative construction task from the cognitive science literature, where one agent (the architect) instructs the other (the builder) to reconstruct a scene of block-buildings. ACE results in the emergence of an efficient language as a by-product of collaborative communication. Beyond providing mechanistic insights into human communication, our work serves as a first step to providing conversational agents with the ability for human-like communicative abstractions.
• Abstract（参考訳）: AIにおける問題解決の中心的だが未解決の側面は、抽象化を導入して活用する能力である。 認知科学における作業は、人間が協調的なタスク指向のコミュニケーションに携わる際、より高度な抽象レベルに向かう傾向を示し、徐々に短く、より情報効率の良い発話を可能にしている。 この現象を再現するいくつかの計算手法が試みられているが、全ては抽象概念の導入と学習に関する非現実的な単純化の前提となっている。 本手法は,これらの制約を神経-記号的アプローチにより克服する。 シンボリックな側面から、我々は抽象概念を提案するための図書館学習の成果を描いている。 我々はこれを,新たな抽象概念の導入における探索と搾取のトレードオフを制御するために,バンディットアルゴリズムの新たな利用を通じて,コミュニケーションと強化学習のためのニューラルメソッドと組み合わせる。 ACEは、認知科学の文献から、あるエージェント(アーキテクト)が他のエージェント(ビルダー)にブロックビルディングのシーンを再構築するように指示する共同建設作業において、人間と同じような傾向を示す。 ACEは、協調コミュニケーションの副産物として効率的な言語が出現する。 人間のコミュニケーションに関する機械的な洞察を提供するだけでなく、私たちの仕事は人間のようなコミュニケーション抽象化の能力を備えた会話エージェントを提供するための第一歩として役立ちます。

関連論文リスト

• VisualPredicator: Learning Abstract World Models with Neuro-Symbolic Predicates for Robot Planning [86.59849798539312]
  本稿では,記号的・神経的知識表現の強みを組み合わせた一階抽象言語Neuro-Symbolic Predicatesを提案する。 提案手法は, サンプルの複雑さの向上, 分布外一般化の強化, 解釈可能性の向上を実現する。
  論文  参考訳（メタデータ） (2024-10-30T16:11:05Z)
• Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
  本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。 本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
  論文  参考訳（メタデータ） (2024-10-15T07:35:51Z)
• Detecting Any Human-Object Interaction Relationship: Universal HOI Detector with Spatial Prompt Learning on Foundation Models [55.20626448358655]
  本研究では,ビジョン・ランゲージ(VL)基礎モデルと大規模言語モデル(LLM)を用いて,オープンワールド環境におけるユニバーサルインタラクション認識について検討する。 我々の設計にはHO Prompt-guided Decoder (HOPD) が含まれており、基礎モデルにおける高次関係表現と画像内の様々なHOペアとの結合を容易にする。 オープンカテゴリの対話認識では,対話文と解釈文の2つのタイプがサポートされている。
  論文  参考訳（メタデータ） (2023-11-07T08:27:32Z)
• Progressively Efficient Learning [58.6490456517954]
  我々はCEIL(Communication-Efficient Interactive Learning)という新しい学習フレームワークを開発した。 CEILは、学習者と教師がより抽象的な意図を交換することで効率的にコミュニケーションする人間のようなパターンの出現につながる。 CEILで訓練されたエージェントは、新しいタスクを素早く習得し、非階層的で階層的な模倣学習を、絶対的な成功率で最大50%、20%上回った。
  論文  参考訳（メタデータ） (2023-10-13T07:52:04Z)
• The Relational Bottleneck as an Inductive Bias for Efficient Abstraction [3.19883356005403]
  ニューラルネットワークはアーキテクチャを通して、個々の入力の属性ではなく、知覚的入力間の関係に焦点を絞っていることを示す。 データ効率のよい方法で抽象化を誘導するために、このアプローチを用いたモデルのファミリーをレビューする。
  論文  参考訳（メタデータ） (2023-09-12T22:44:14Z)
• On the Role of Emergent Communication for Social Learning in Multi-Agent Reinforcement Learning [0.0]
  社会学習は、専門家からのヒントを使って、異質なポリシーを整列し、サンプルの複雑さを減らし、部分的に観察可能なタスクを解決する。 本稿では,情報ボトルネックに基づく教師なし手法を提案する。
  論文  参考訳（メタデータ） (2023-02-28T03:23:27Z)
• Towards Learning Abstractions via Reinforcement Learning [1.7205106391379026]
  強化学習を通して学習したマルチエージェントシステムにおける効率的な通信方式の合成に関する新しいアプローチについて検討する。 我々は,ニューロシンボリックシステム(Neuro-symbolic system)と呼ばれる,シンボリック手法と機械学習を組み合わせる。
  論文  参考訳（メタデータ） (2022-12-28T17:54:32Z)
• Learning to cooperate: Emergent communication in multi-agent navigation [49.11609702016523]
  本稿では,協調ナビゲーションタスクを行うエージェントが,解釈可能な通信プロトコルを学ぶことを示す。 エージェントのポリシーの分析により、創発的信号が状態空間を空間的にクラスタリングすることが明らかになった。 エージェントの集団を用いて,創発的プロトコルは基本構成構造を持つことを示す。
  論文  参考訳（メタデータ） (2020-04-02T16:03:17Z)
• Emergence of Pragmatics from Referential Game between Theory of Mind Agents [64.25696237463397]
  エージェントが手書きのルールを指定せずに「行間を読む」能力を自発的に学習するアルゴリズムを提案する。 協調型マルチエージェント教育状況における心の理論(ToM)を統合し,適応型強化学習(RL)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-21T19:37:33Z)

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。