从符号与像素输入的指称博弈中涌现语言通信

算法演化或学习（组合性）通信协议的能力，传统上在语言演化文献中通过涌现通信任务进行研究。在此，我们利用当代深度学习方法并训练强化学习神经网络智能体在指称通信博弈上，来扩展这一研究。我们扩展了先前在符号环境中训练智能体的工作，开发出能够从原始像素数据学习的智能体，这是一种更具挑战性和更真实的输入表示。我们发现输入数据中结构的程度影响涌现协议的性质，从而证实了结构化组合语言最有可能在智能体将世界感知为结构化时涌现的假设。