Unsupervised Translation of Emergent Communication

要約

Emergent Communication（EC）は、エージェントが共有目標を共同で達成するように訓練されたときに自律的に出現する言語システムへのユニークなウィンドウを提供します。
ただし、ECを解釈し、自然言語（NL）との関係を評価することは困難です。
この研究では、環境のセマンティック多様性の影響を受けて、さまざまなタスクの複雑さを備えた参照ゲーム中に形成されたECSを解読するために、監視されていない神経機械翻訳（UNMT）技術を採用しています。
我々の調査結果は、ECを翻訳するUNMTの可能性を示しており、セマンティックの多様性を特徴とするタスクの複雑さがECの翻訳性を高めることを示していますが、制約されたセマンティック変動性とのより高いタスクの複雑さは、解釈が困難ですが、翻訳に適したままであることを示します。
この研究は、並行データの助けなしにECを翻訳するための最初の試みを知ることをマークします。

要約(オリジナル)

Emergent Communication (EC) provides a unique window into the language systems that emerge autonomously when agents are trained to jointly achieve shared goals. However, it is difficult to interpret EC and evaluate its relationship with natural languages (NL). This study employs unsupervised neural machine translation (UNMT) techniques to decipher ECs formed during referential games with varying task complexities, influenced by the semantic diversity of the environment. Our findings demonstrate UNMT’s potential to translate EC, illustrating that task complexity characterized by semantic diversity enhances EC translatability, while higher task complexity with constrained semantic variability exhibits pragmatic EC, which, although challenging to interpret, remains suitable for translation. This research marks the first attempt, to our knowledge, to translate EC without the aid of parallel data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google