Агенты искусственного интеллекта разрабатывают свой собственный "искусственный естественный язык" для обмена сложными данными

Исследователи из Лаборатории искусственного интеллекта VUB и Университета Намюра (UNamur) в новом крупномасштабном исследовании демонстрируют, как автономные системы искусственного интеллекта могут спонтанно разрабатывать функциональный общий язык без вмешательства человека.

В отличие от крупных языковых моделей, таких как ChatGPT, которые запоминают существующий человеческий язык, эти ИИ-агенты создают свою собственную систему коммуникации, напрямую связанную с их конкретными датчиками и окружающей средой.

Это открытие представляет собой прорыв в области коммуникации между автономными системами, такими как самоуправляемые автомобили, роботы и промышленные датчики.

Исследование опубликовано в журнале Transactions Ассоциации компьютерной лингвистики.

Современные языковые модели искусственного интеллекта ориентированы на понимание и генерацию человеческих языков, таких как голландский или английский. Эти человеческие языки исторически основаны на нашем собственном чувственном восприятии. Когда физические или виртуальные агенты искусственного интеллекта оснащаются датчиками, для которых у людей нет прямого сенсорного эквивалента, такими как лидар, сонар, инфракрасное излучение или химический анализ, существующего человеческого языка оказывается недостаточно.

Жером Ботоко Экила, докторант лаборатории искусственного интеллекта VUB, объясняет: "Вместо того, чтобы заставлять системы искусственного интеллекта общаться на человеческом языке, который не соответствует их сенсорам, мы позволяем им разрабатывать свой собственный "искусственный естественный язык". Они создают эффективные концепции, которые в точности соответствуют тому, что они воспринимают через их датчики, даже если эти данные непонятны людям."

Поскольку датчики на разных машинах или транспортных средствах на практике невозможно откалибровать одинаково, исследователи считают, что этот язык предлагает идеальное решение.

Пол Ван Экке, профессор искусственного интеллекта в VUB, говорит: "В промышленных или физических приложениях просто нереалистично ожидать, что все датчики на разных роботах или транспортных средствах будут откалиброваны точно таким же образом.

"Люди решают эту проблему с помощью языка: если я говорю, что стою рядом с "красной машиной", мы понимаем друг друга, хотя наши глаза и не регистрируют одинаковые значения цветов. Язык обеспечивает уровень абстракции над показаниями датчиков, и это именно то, что мы сейчас позволяем этим агентам искусственного интеллекта создавать автономно".

Instead of preprogrammed words or fixed codes, the researchers provided the agents with the basic mechanisms underpinning the evolution of human language: the local invention of words, the adaptation of conceptual prototypes and the incorporation of feedback following successful or failed communication.

Katrien Beuls, a professor at UNamur, explains, "What's fascinating is that there's no central computer imposing the rules. Each time, we let two agents communicate with one another at a local level. It is solely through these individual interactions and updates that a global convention emerges spontaneously across the entire population.

"This principle of self-organization allows the language to optimize itself automatically: the agents create exactly the number of categories needed to carry out their tasks efficiently, without superfluous details."

The universal applicability of the method has been demonstrated across 37 varied and complex data sets. The agents successfully developed their own vocabulary to communicate, notably regarding physicochemical analyses of wine, NASA data on exoplanets, visual data sets and images of birds or faces. In all these situations, the agents successfully synthesized the data into new, shared concepts.

Transparency is a notable advantage of the systems developed. Unlike many "black-box" AI models, these systems allow researchers to precisely determine the meaning of a specifically developed word, as the prototype can be directly linked to the values of the underlying sensors.

Furthermore, these evolving linguistic systems are robust. When the environment changes, when sensors produce noise or when individual agents have a different structure, the language automatically adapts to the new circumstances through continuous interaction.