PACE：高效通信的程序化抽象

人工智能中解决的一个核心但尚未解决的问题是具备引入和使用抽象的能力，这是人类擅长的技能。认知科学中的研究表明，人类倾向于在参与协作任务导向通信时采用更高层次的抽象，从而实现逐步更简短和更高信息效率的陈述。尽管已有多种计算方法试图复制这一现象，但所有方法都对如何引入和学习抽象都做了不切实际的简化假设。我们的 метод，即高效通信的程序化抽象（Procedural Abstractions for Communicating Efficiently, PACE），通过神经符号方法克服了这些限制。在符号层面，我们借鉴了库学习以提出抽象。我们将其与神经通信方法和强化学习相结合，通过一种新颖的 bandit 算法用于控制抽象引入中的探索与开发之间的权衡。PACE 在认知科学文献中出现的协作建造任务中展现出类似人类的倾向，该任务中一个代理人（建筑师）指示另一个代理人（建造者）重建砌块建筑场景。PACE 结果导致作为协作通信副产品的高效语言的出现。除了为人类通信提供机理性见解外，我们的工作是为具备类人交互抽象能力的对话代理人提供了第一步。