AI-agenter kan lära sig att kommunicera effektivt
Forskare frÃ¥n Göteborgs universitet och Chalmers presenterar en metod för att studera hur ²õ±è°ùÃ¥°ì utvecklas som ett effektivt verktyg för att beskriva mentala bilder. I en ny studie visar de att sÃ¥ kallade artificiella agenter pÃ¥ egen hand kan lära sig att kommunicera pÃ¥ ett artificiellt ²õ±è°ùÃ¥°ì som liknar mänskligt ²õ±è°ùÃ¥°ì. Resultaten har publicerats i den vetenskapliga tidskriften PLOS ONE.
Överst en bild av ²õ±è°ùÃ¥°ìet Tsafiki med sex färgord, det talas av Tsáchila folket i Ecuador. Bilden nedanför visar ett artificiellt ²õ±è°ùÃ¥°ì med samma antal färgord, skapat av forskarnas agenter. Tsáchila folket och de artificiella agenterna tycks ha delat in spektrumet pÃ¥ liknande sätt. En kvantitativ undersökning av likheter hos mänskligt och artificiellt ²õ±è°ùÃ¥°ì Ã¥terfinns i studien.
Artificiella agenter är mjukvarumoduler som är aktiva i en datormiljö. Göteborgsforskarna jobbar med frÃ¥geställningar i gränslandet mellan kognitiv vetenskap och maskininlärning. Flera studier inom kognitiv vetenskap tyder pÃ¥ att mänskliga ²õ±è°ùÃ¥°ì formas av behovet av effektiv kommunikation och förloppet är ur ett informationsteoretiskt perspektiv nära optimalt. Gruppens metod för att träna de artificiella agenterna bygger pÃ¥ förstärkningsinlärning, reinforcement learning, som är ett omrÃ¥de inom maskininlärning där agenter successivt lär sig genom att interagera med en miljö och fÃ¥ belöningar. I det här fallet har agenterna startat utan nÃ¥gon som helst ²õ±è°ùÃ¥°ìlig kunskap och sedan lärt sig att kommunicera genom att fÃ¥ feedback pÃ¥ hur bra de förstÃ¥r varandra. Även det förloppet har varit nära optimalt.
Beskriver färger
– Vi tittar på hur agenter lär sig att namnge olika färger i ett gissningsspel bestående av en berättare och en lyssnare. Berättaren ser en färg och beskriver den genom att skicka ett ord från en ordlista till lyssnaren som försöker återskapa färgen. Båda agenterna belönas efter hur bra lyssnaren kan pricka in färgen. Orden i ordlistan har till en början ingen betydelse, utan det är upp till agenterna att själva komma överens om ordens mening under flera rundor av gissningsspelet. Vi ser att agenterna partitionerar in färgspektra på liknande sätt som vi människor gör, säger Mikael Kågebäck, forskare på Sleep Cycle AB.
Mikael KÃ¥gebäck, tidigare doktorand vid institutionen för data- och informationsteknik, har tillsammans med Asad Sayeed, forskare i datalingvistik pÃ¥ Centrum för ²õ±è°ùÃ¥°ìteori och sannolikhetsstudier (CLASP) vid Göteborgs universitet, och Devdatt Dubhashi, professor, och Emil Carlsson, doktorand, pÃ¥ avdelningen för Data 91̽»¨ och AI vid Data- och informationsteknik, författat artikeln som nu publicerats av PLOS ONE.
– En praktisk tillämpning av vÃ¥r forskning är att den kan bidra till mer effektiv kommunikation mellan datorer och människor och förbättra datorers förstÃ¥else för mänskligt ²õ±è°ùÃ¥°ì, till exempel i smarta system som Siri och Alexa, säger Asad Sayeed.
Den underliggande idén att lära sig att kommunicera genom förstärkningsinlärning är också intressant för forskning inom sociala och kulturella områden, till exempel för projektet GRIPES som studerar hundvisselpolitik (dogwhistle politics) vilket Asad Sayeed leder.
Kan användas i andra studier
– Kognitiva experiment är tidskrävande, eftersom du ofta behöver utföra noggranna experiment med ett antal volontärer. Vi presenterar en kraftfull, flexibel och kostnadseffekiv metod för att undersöka de här grundläggande frÃ¥gorna. Vi har full kontroll pÃ¥ experimenten, som är repeterbara och helt pÃ¥litliga. Det ramverk vi tagit fram är mycket användbart för att undersöka grundläggande frÃ¥gor inom kognitiv vetenskap, ²õ±è°ùÃ¥°ì och interaktion. För datavetare är det ett givande omrÃ¥de för att utforska effektiviteten hos olika inlärningsmekanismer, säger Devdatt Dubhashi.
– I framtiden vill vi undersöka om agenter kan utveckla kommunikation som liknar mänskligt ²õ±è°ùÃ¥°ì även inom andra omrÃ¥den. Ett exempel är om vi pÃ¥ ett artificiellt sätt kan Ã¥terskapa de hierarkiska strukturer vi ser i mänskligt ²õ±è°ùÃ¥°ì, säger Emil Carlsson.
Mer utförlig information om forskningsprojektet finns i den engelska versionen av denna text.
Länk till artikeln i PLOS ONE:
Kontakt
, forskare i datalingvistik, institutionen för filosofi, lingvistik och vetenskapsteori, asad.sayeed@gu.se
, professor, avdelningen för Data 91̽»¨ och AI, Data- och informationsteknik
, doktorand, avdelningen för Data 91̽»¨ och AI, Data- och informationsteknik
Mikael Kågebäck, Sleepcycle AB