赢得选举:论多智能体网络中的涌现策略性通信
多智能体系统
2020-05-04 v2 人工智能
计算与语言
摘要
人类使用语言不仅将其作为识别物理实体的指称工具,还用以集体执行抽象策略。近来,已有多次尝试在人工智能体中复现语言涌现过程。现有方法将涌现语言作为指称工具加以研究,而本文研究其在发现与实施策略中的作用。我们利用一个投票博弈来表述该问题:两名候选智能体在选举中竞争,目标是说服群体成员(其他智能体)——它们通过底层网络彼此连接——投票给自己。为实现此目标,智能体仅允许以离散符号序列形式交换消息以传播其宣传。我们使用带 Gumbel-Softmax 松弛的神经网络对分类随机变量采样,以参数化所有智能体遵循的策略。利用我们提出的框架,我们对以下问题给出具体回答:(i) 智能体是否学会以有意义的方式通信,且涌现通信是否在决定胜者中起作用?(ii) 系统在不同奖励结构下是否如预期演化?(iii) 涌现语言如何受网络中社区结构影响?据我们所知,我们是首个在智能体经网络通信的环境中探索用于发现与实施策略的通信涌现的工作。
引用
@article{arxiv.1902.06897,
title = {Winning an Election: On Emergent Strategic Communication in Multi-Agent Networks},
author = {Shubham Gupta and Ambedkar Dukkipati},
journal= {arXiv preprint arXiv:1902.06897},
year = {2020}
}
备注
A shorter version of this paper has been accepted as an extended abstract at AAMAS 2020