PACE: Abstractions for Communicating Efficiently

要約

AIでの問題解決の中心的ではあるが未解決の側面は、人間が優れたものである抽象化を導入して使用する能力です。
認知科学の仕事は、共同のタスク指向のコミュニケーションに従事し、徐々に短く、より情報効率の良い発話を可能にするとき、人間はより高いレベルの抽象化を目的とする傾向があることを実証しています。
いくつかの計算方法がこの現象を再現しようとしましたが、すべてが抽象化がどのように導入され、学習されるかについて非現実的な単純化された仮定を行っています。
私たちの方法である効率的に（PACE）コミュニケーションのための手続き上の抽象化は、これらの制限をニューロ – シンボリックアプローチを通じて克服します。
象徴的な側面では、抽象化を提案するためのライブラリラーニングからの仕事を利用します。
これを、新しい抽象化を導入する際に探査と搾取のトレードオフを制御するための盗賊アルゴリズムの新規使用を介して、コミュニケーションおよび強化学習のためのニューラル方法と組み合わせます。
ペースは、認知科学文献からの共同建設タスクに関する人間と同様の傾向を示します。1つのエージェント（アーキテクト）が他のエージェント（建築業者）にブロック構築のシーンを再構築するよう指示します。
ペースでは、共同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します。
人間のコミュニケーションに対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の抽象化の能力を会話エージェントに提供するための最初のステップとして機能します。

要約(オリジナル)

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, Procedural Abstractions for Communicating Efficiently (PACE), 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. PACE 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. PACE 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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google