Speaking Your Language: Spatial Relationships in Interpretable Emergent Communication
本文证明了智能体能够开发出一种可解释的涌现语言，该语言能够高精度地表达空间关系，并利用结合了组合性与非组合性消息的机制，使其能被人工接收器和人类成功理解。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你正在和朋友玩一场“猜物体”的游戏，但你们看到的景象并不相同。你正看着一排长长的、带有编号的瓷砖，但你一次只能看到一个包含五个瓷砖的小窗口。你的朋友看到了整排瓷砖以及一些其他的随机数字。你的任务是向朋友发送一段简短的秘密代码，以便他们能精准地挑出你正在看的那个瓷砖。
这篇论文讲述了如何教计算机程序（称为“智能体”）发明自己的秘密语言来玩这个游戏。但研究人员并没有让它们仅仅为每一个瓷砖记住代码，而是想看看这些计算机是否会学会使用空间关系——基本上就是学习表达像“5左边的那个”或“最开头的那个”这样的意思。
以下是故事的展开方式，通过一些日常类比来解释：
1. 设置：“窗口”问题
把这串数字想象成一列长火车。 “发送者”智能体站在一个月台上，通过一个小窗口观察，每次只能看到五节车厢。其中一节车厢有一个特殊的标记（-1）表示目标。 “接收者”智能体则看到了整列火车以及四个可能的车厢（一个正确，三个错误）。
发送者并不知道火车的起点或终点在哪里，只知道自己小窗口里的内容。为了告诉接收者哪个车厢是目标，发送者不能直接说“它是第12号车”，因为他不知道全局编号。他必须根据自己看到的内容来描述，比如“它是数字4后面那一节车”。
2. 发现：两种类型的“词汇”
研究人员让智能体玩了这个游戏数千次。他们没有教它们英语；智能体必须发明自己的符号（数字1到26）。训练结束后，智能体变得非常擅长这个游戏，正确率超过了90%。
但真正的问题是：它们的语言看起来是什么样的？ 为了找出答案，研究人员使用了一种名为 NPMI 的统计工具（可以把它想象成一个“词汇关联检测器”）来观察哪些符号与哪些情境相关联。他们发现，智能体开发出了两种截然不同的交流风格：
风格 A：“速记法”（非组合性）
有时，智能体会为非常特定的情况使用单一且独特的代码。
- 类比： 想象如果你有一个特殊的肢体动作，意思是“我正处于队伍的最开始”。你不会说“我在开始处”，而是直接做出那个动作。
- 在论文中： 智能体为稀有事件创建了特定的代码，例如当目标位于序列的最开始或最末尾时。因为这些情况很罕见，所以使用一个特殊的“词”比构建一个复杂的句子更有效率。
风格 B：“乐高积木”（组合性）
大多数时候，智能体会采用一种混搭的方法。它们会将不同的符号组合起来构建意义。
- 类比： 想象用乐高积木搭建一个句子。一块积木代表“向右移动2步”，另一块代表“数字18”。如果你按正确的顺序将它们拼在一起，你就得到了信息：“目标在18的右边两步。”
- 在论文中： 智能体学到了符号在信息中的位置非常重要。如果“向右移2步”的符号出现在第一个位置，它代表一种含义；如果它在第二个位置，可能就代表另一种含义。这是一种原始的语法形式，即词序会改变含义。
3. 证明：人类能理解吗？
研究人员并不仅仅是靠猜测来判断智能体的意思。他们根据统计分析创建了一个“字典”，然后利用这个字典向接收者智能体发送信息。
- 测试： 他们提取了智能体发明的“乐高积木”，按照他们发现的规则组装成新的信息，并发送给接收者。
- 结果： 接收者在超过78%的情况下都能正确理解这些由人类组装的信息。这证明了智能体并非在使用随机的噪音；它们已经开发出了一种结构化的、可解释的语言，人类也可以解码这种语言。
4. 为什么这很重要？
论文指出，这是一件大事，因为以往的AI通信实验往往会导致产生虽然高效但对人类完全无法理解的语言——就像一种连创造者都无法破解的秘密代码。
通过迫使智能体处理空间关系（左、右、开始、结束），研究人员引导AI开发出了一种镜像人类语言基本特征的语言：指示词（deixis）（即指向空间或时间中的事物）。这表明，即使是在这样一个简单的游戏中，AI也能学会使用类似语法的结构和空间引用，从而使它们的通信更加透明且值得信赖。
总结
这篇论文表明，当AI智能体被要求描述物体相对于其他物体的位置时，它们会自然而然地发明一种语言，既使用针对稀有事件的特殊速记代码，也使用针对常见情况的混搭语法结构。最棒的是，我们确实可以阅读它们的字典并理解它们在说什么。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。