Learning Approximate and Exact Numeral Systems via Reinforcement Learning

要約

最近の研究 (Xu et al., 2020) では、さまざまな言語の数字体系が、情報理論的な意味での効率的なコミュニケーションのための機能的必要性によって形作られていることが示唆されています。
ここでは、学習理論的なアプローチを採用し、強化学習によって効率的なコミュニケーションがどのように生まれるかを示します。
私たちのフレームワークでは、2 人の人工エージェントがルイス シグナリング ゲームをプレイします。その目的は数値概念を伝えることです。
エージェントは強化学習を使用してコミュニケーションすることを徐々に学習し、その結果得られる数値システムは Regier らの情報理論フレームワークで効率的であることが示されています。
(2015);
ギブソンら。
（2017年）。
それらは、同じタイプの人間の数字体系に類似していることも示されています。
したがって、私たちの結果は、Xu らの最近の結果の強化学習によるメカニズムの説明を提供します。
(2020) であり、他の意味論的ドメインに一般化できる可能性があります。

要約(オリジナル)

Recent work (Xu et al., 2020) has suggested that numeral systems in different languages are shaped by a functional need for efficient communication in an information-theoretic sense. Here we take a learning-theoretic approach and show how efficient communication emerges via reinforcement learning. In our framework, two artificial agents play a Lewis signaling game where the goal is to convey a numeral concept. The agents gradually learn to communicate using reinforcement learning and the resulting numeral systems are shown to be efficient in the information-theoretic framework of Regier et al. (2015); Gibson et al. (2017). They are also shown to be similar to human numeral systems of same type. Our results thus provide a mechanistic explanation via reinforcement learning of the recent results in Xu et al. (2020) and can potentially be generalized to other semantic domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google