論文の概要: The emergence of numerical representations in communicating artificial agents

• arxiv url: http://arxiv.org/abs/2602.10996v1
• Date: Wed, 11 Feb 2026 16:21:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:02.175364
• Title: The emergence of numerical representations in communicating artificial agents
• Title（参考訳）: 通信用人工エージェントにおける数値表現の出現
• Authors: Daniela Mihai, Lucas Weber, Francesca Franzon,
• Abstract要約: 離散トークンまたは連続スケッチを用いて,参照ゲームにおいて数値を伝達しなければならない2つのニューラルネットワークベースのエージェントについて検討する。 学習した数値の正確な伝達には,通信圧力だけで十分だが,合成符号や一般化能力を得るためには,さらなる圧力が必要であると結論付けた。
• 参考スコア（独自算出の注目度）: 5.509032584775388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human languages provide efficient systems for expressing numerosities, but whether the sheer pressure to communicate is enough for numerical representations to arise in artificial agents, and whether the emergent codes resemble human numerals at all, remains an open question. We study two neural network-based agents that must communicate numerosities in a referential game using either discrete tokens or continuous sketches, thus exploring both symbolic and iconic representations. Without any pre-defined numeric concepts, the agents achieve high in-distribution communication accuracy in both communication channels and converge on high-precision symbol-meaning mappings. However, the emergent code is non-compositional: the agents fail to derive systematic messages for unseen numerosities, typically reusing the symbol of the highest trained numerosity (discrete), or collapsing extrapolated values onto a single sketch (continuous). We conclude that the communication pressure alone suffices for precise transmission of learned numerosities, but additional pressures are needed to yield compositional codes and generalisation abilities.
• Abstract（参考訳）: 人間言語は、数字を表現するための効率的なシステムを提供しているが、人為的エージェントで発生する数値表現に、コミュニケーションの重圧が十分であるかどうか、創発的符号が人間の数字に全く似ていないかどうかは、未解決の問題である。 離散トークンまたは連続スケッチを用いて,参照ゲームにおいて数値を伝達しなければならない2つのニューラルネットワークベースのエージェントについて検討し,シンボル的表現と象徴的表現の両方を探索する。 事前に定義された数値概念がなければ、エージェントは通信チャネルの双方で高い分散通信精度を達成し、高精度なシンボル意味マッピングに収束する。 しかし、創発的なコードは非構成的であり、エージェントは、通常、最も訓練された数値(離散)のシンボルを再利用したり、外挿された値を1つのスケッチ(連続)に折り畳むといった、目に見えない数値の体系的なメッセージを引き出すことができない。 学習した数値の正確な伝達には,通信圧力だけで十分だが,合成符号や一般化能力を得るためには,さらなる圧力が必要であると結論付けている。

関連論文リスト

• A Compressive-Expressive Communication Framework for Compositional Representations [0.6937243101289334]
  本稿では,事前学習モデルから学習した表現の合成性を誘導する自己教師型フレームワークCELEBIを紹介する。 提案手法は,Shapes3DおよびMPI3Dデータセット上での学習メッセージの効率性と構成性を向上する。 この研究は、単純性に基づく帰納的バイアスから構造化された一般化可能な通信プロトコルが出現する新たな理論的および実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2025-01-31T14:46:11Z)
• A Combinatorial Approach to Neural Emergent Communication [0.0]
  ルイスシグナリングゲームにおける通信の成功は、トレーニングデータのサンプリング落とし穴のため、通常、ターゲット画像分類に1つか2つのシンボルしか必要としない。 本稿では,メッセージ中のシンボルの最小数である分類のシンボリックな複雑性を解決するアルゴリズムSolveMinSymを提案する。
  論文  参考訳（メタデータ） (2024-10-24T14:54:09Z)
• Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
  我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。 我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。 このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
  論文  参考訳（メタデータ） (2023-10-03T05:40:56Z)
• Neuro-Symbolic Causal Reasoning Meets Signaling Game for Emergent Semantic Communications [71.63189900803623]
  創発的SCシステムフレームワークを提案し,創発的言語設計のためのシグナリングゲームと因果推論のためのニューロシンボリック(NeSy)人工知能(AI)アプローチで構成されている。 ESCシステムは、意味情報、信頼性、歪み、類似性の新たな指標を強化するように設計されている。
  論文  参考訳（メタデータ） (2022-10-21T15:33:37Z)
• Emergence of Machine Language: Towards Symbolic Intelligence with Neural Networks [73.94290462239061]
  本稿では、ニューラルネットワークを用いてシンボルとコネクショナリズムの原理を組み合わせることで、離散表現を導出することを提案する。 対話型環境とタスクを設計することにより、機械が自発的で柔軟でセマンティックな言語を生成できることを実証した。
  論文  参考訳（メタデータ） (2022-01-14T14:54:58Z)
• Emergent Graphical Conventions in a Visual Communication Game [80.79297387339614]
  人間は象徴的な言語とは別にグラフィカルなスケッチと通信する。 視覚コミュニケーションゲームをする2つのニューラルエージェントを介して、このような進化過程をモデル化し、シミュレートする第一歩を踏み出す。 我々は,コミュニケーションと抽象的なグラフィカルな慣行を成功させるために,エージェントを共同で進化させる新しい強化学習手法を考案した。
  論文  参考訳（メタデータ） (2021-11-28T18:59:57Z)

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。