論文の概要: From Grunts to Grammar: Emergent Language from Cooperative Foraging

• arxiv url: http://arxiv.org/abs/2505.12872v1
• Date: Mon, 19 May 2025 08:57:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.501486
• Title: From Grunts to Grammar: Emergent Language from Cooperative Foraging
• Title（参考訳）: GruntsからGrammarへ:協同採餌から創発的言語
• Authors: Maytus Piriyajitakonkij, Rujikorn Charakorn, Weicheng Tao, Wei Pan, Mingfei Sun, Cheston Tan, Mengmi Zhang,
• Abstract要約: マルチエージェントフォーエイジングゲームにおける言語の出現について検討する。 エージェントは自然言語の特徴を持つ通信プロトコルを開発する。 それぞれの特性を定量化し、集団の大きさや時間的依存といった異なる要因がどのように創発言語の特徴を形作るかを分析する。
• 参考スコア（独自算出の注目度）: 12.70075766545475
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early cavemen relied on gestures, vocalizations, and simple signals to coordinate, plan, avoid predators, and share resources. Today, humans collaborate using complex languages to achieve remarkable results. What drives this evolution in communication? How does language emerge, adapt, and become vital for teamwork? Understanding the origins of language remains a challenge. A leading hypothesis in linguistics and anthropology posits that language evolved to meet the ecological and social demands of early human cooperation. Language did not arise in isolation, but through shared survival goals. Inspired by this view, we investigate the emergence of language in multi-agent Foraging Games. These environments are designed to reflect the cognitive and ecological constraints believed to have influenced the evolution of communication. Agents operate in a shared grid world with only partial knowledge about other agents and the environment, and must coordinate to complete games like picking up high-value targets or executing temporally ordered actions. Using end-to-end deep reinforcement learning, agents learn both actions and communication strategies from scratch. We find that agents develop communication protocols with hallmark features of natural language: arbitrariness, interchangeability, displacement, cultural transmission, and compositionality. We quantify each property and analyze how different factors, such as population size and temporal dependencies, shape specific aspects of the emergent language. Our framework serves as a platform for studying how language can evolve from partial observability, temporal reasoning, and cooperative goals in embodied multi-agent settings. We will release all data, code, and models publicly.
• Abstract（参考訳）: 初期の洞窟民は、行動、発声、そして、調整、計画、捕食者を避け、資源を共有するための単純な信号に頼っていた。 今日、人間は複雑な言語を使って素晴らしい結果を得る。 コミュニケーションにおけるこの進化を駆動する要因は何か? 言語はどのように出現し、適応し、チームワークに欠かせないものとなるか? 言語の起源を理解することは依然として困難である。 言語学と人類学における主要な仮説は、言語が初期の人間の協力のエコロジー的・社会的要求を満たすように進化したことを示唆している。 言語は単独でではなく、共通の生存目標を通じて発生した。 この考え方に触発されて,マルチエージェント・フォーエイジングゲームにおける言語の発生について検討する。 これらの環境は、コミュニケーションの進化に影響を与えたと考えられる認知的・生態的制約を反映するように設計されている。 エージェントは、他のエージェントや環境に関する部分的な知識だけで共有グリッドの世界で動作し、高価値なターゲットをピックアップしたり、時間的に順序付けられたアクションを実行するようなゲームを完成させるように調整する必要があります。 エンドツーエンドの深層強化学習を使用して、エージェントはアクションとコミュニケーション戦略の両方をゼロから学ぶ。 エージェントは、調停性、交換性、変位性、文化的伝達性、構成性といった、自然言語の目覚しい特徴を持つ通信プロトコルを開発する。 それぞれの特性を定量化し、集団の大きさや時間的依存といった異なる要因がどのように創発言語の特徴を形作るかを分析する。 本フレームワークは,多エージェント環境における部分的可観測性,時間的推論,協調目標から言語がどのように進化するかを研究するためのプラットフォームとして機能する。 すべてのデータ、コード、モデルを公開します。

関連論文リスト

• Learning and communication pressures in neural networks: Lessons from emergent communication [5.371337604556311]
  ニューラルエージェントの言語行動と人間とのミスマッチが解決された3症例について検討した。 我々は、コミュニケーションの成功、生産努力、学習可能性、その他の心理・社会言語学的要因といった、言語学習と台頭のための重要なプレッシャーを識別する。
  論文  参考訳（メタデータ） (2024-03-21T14:33:34Z)
• Cognitive Architectures for Language Agents [44.89258267600489]
  言語エージェントのための認知アーキテクチャ(CoALA)を提案する。 CoALAはモジュラーメモリコンポーネントを備えた言語エージェント、内部メモリと外部環境と相互作用する構造化されたアクションスペース、アクションを選択するための一般的な意思決定プロセスを記述する。 我々は、CoALAを使用して、振り返りによる調査と、最近の多くの作業の組織化を行い、より有能なエージェントに対する行動可能な方向を前向きに特定します。
  論文  参考訳（メタデータ） (2023-09-05T17:56:20Z)
• Learning to Model the World with Language [100.76069091703505]
  人間と対話し、世界で行動するためには、エージェントは人々が使用する言語の範囲を理解し、それを視覚の世界に関連付ける必要がある。 私たちのキーとなるアイデアは、エージェントが将来を予測するのに役立つ信号として、このような多様な言語を解釈すべきである、ということです。 我々は、将来のテキストや画像表現を予測するマルチモーダル世界モデルを学ぶエージェントであるDynalangでこれをインスタンス化する。
  論文  参考訳（メタデータ） (2023-07-31T17:57:49Z)
• Interpretation of Emergent Communication in Heterogeneous Collaborative Embodied Agents [83.52684405389445]
  本稿では,コラボレーティブな多目的ナビゲーションタスクCoMONを紹介する。 この課題において、オラクルエージェントは、地図の形式で詳細な環境情報を有する。 視覚的に環境を知覚するナビゲーターエージェントと通信し、目標のシーケンスを見つけるのが任務である。 創発的コミュニケーションはエージェントの観察と3次元環境の空間構造に基礎を置くことができることを示す。
  論文  参考訳（メタデータ） (2021-10-12T06:56:11Z)
• Few-shot Language Coordination by Modeling Theory of Mind [95.54446989205117]
  我々は、数ショット$textit language coordinate$のタスクについて研究する。 リードエージェントは、言語能力の異なるエージェントの$textitpopulation$と調整する必要があります。 これは、人間のコミュニケーションの重要な構成要素であるパートナーの信念をモデル化する能力を必要とする。
  論文  参考訳（メタデータ） (2021-07-12T19:26:11Z)
• Emergent Multi-Agent Communication in the Deep Learning Era [26.764052787245728]
  言語を通して協力する能力は、人間の決定的な特徴である。 深層人工ネットワークの知覚、運動、計画能力が増大するにつれて、研究者らは対話する共通の言語を開発することができるかどうかを研究している。
  論文  参考訳（メタデータ） (2020-06-03T17:50:16Z)
• Experience Grounds Language [185.73483760454454]
  言語理解研究は、言語が記述する物理的世界と、それが促進する社会的相互作用とを関連づけることに失敗している。 テキストだけで訓練された後にタスクに取り組むための言語処理モデルの驚くべき効果にもかかわらず、成功した言語コミュニケーションは世界の共有経験に依存している。
  論文  参考訳（メタデータ） (2020-04-21T16:56:27Z)
• 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)
• Co-evolution of language and agents in referential games [24.708802957946467]
  言語学習者の学習バイアスを考慮し,言語とエージェントを共進化させることが最適であることを示す。 言語発生研究における言語共進化の解明の道を開く。
  論文  参考訳（メタデータ） (2020-01-10T09:29:20Z)

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。