[논문 리뷰] Learning to communicate about shared procedural abstractions

William P. McCarthy, Robert D. Hawkins외 3명|arXiv (Cornell University)|2021. 06. 30.

Speech and dialogue systems참고 문헌 17인용 수 8

한 줄 요약

이 논문은 자연어를 사용하여 신체적 조립 작업에서 인간이 공동으로 공유된 절차적 추상화를 어떻게 발전시키는지 조사한다. 반복적 상호작용이 이루어질수록 의사소통이 점점 더 간결하고 추상적인 방향으로 진화하는 것을 보여주며, 베이지안 프로그램 학습과 확률적 의사소통 모델을 융합함으로써, 에이전트가 의사소통 비용과 정보량 사이의 균형을 맞추어 계층적 작업 구조에 기반한 효율적이고 조합적인 추상화를 자발적으로 생성함을 입증한다.

ABSTRACT

Many real-world tasks require agents to coordinate their behavior to achieve shared goals. Successful collaboration requires not only adopting the same communicative conventions, but also grounding these conventions in the same task-appropriate conceptual abstractions. We investigate how humans use natural language to collaboratively solve physical assembly problems more effectively over time. Human participants were paired up in an online environment to reconstruct scenes containing two block towers. One participant could see the target towers, and sent assembly instructions for the other participant to reconstruct. Participants provided increasingly concise instructions across repeated attempts on each pair of towers, using higher-level referring expressions that captured each scene's hierarchical structure. To explain these findings, we extend recent probabilistic models of ad-hoc convention formation with an explicit perceptual learning mechanism. These results shed light on the inductive biases that enable intelligent agents to coordinate upon shared procedural abstractions.

연구 동기 및 목표

• 협동적인 신체적 작업 중 인간이 공유된 절차적 추상화를 어떻게 조율하는지 이해하기 위해.
• 반복적 상호작용을 거치며 자연어 의사소통이 더 추상적이고 효율적인 표현으로 어떻게 진화하는지 조사하기 위해.
• 지각 학습을 통한 절차적 추상화와 의사소통에서의 일시적 관례 형성의 통합을 위한 계산 모델을 개발하기 위해.
• 비용 민감성과 정보량이 추상적 지칭 표현의 형성에 어떻게 기여하는지 고려하기 위해.
• 인공 에이전트에서 인간과 유사한 조합성과 추상화를 모델링할 수 있는 프레임워크를 제공하기 위해.

제안 방법

• 참가자들은 한 명이 블록 타워를 재구성하도록 단계별 지시를 내리는 협동적 조립 작업에 짝을 이루어 참여하였다.
• 각 시나리오는 네 개의 다이아몬드 모양 블록으로 구성된 계층적으로 구조화된 두 개의 타워로 이루어졌으며, 의사소통의 진화를 추적하기 위해 반복적으로 시행되었다.
• 베이지안 프로그램 학습과 확률적 의사소통 모델을 융합하여 추상화 학습과 관례 형성 과정을 시뮬레이션하는 계산 모델을 개발하였다.
• 모델는 비용-정보량의 상호보완적 균형(β로 매개변수화됨)을 사용하여, 저수준 기술보다 추상적 기술을 언제 사용할지 결정한다.
• 모델의 절차적 추상화 라이브러리는 관찰된 작업 행동에서 프로그램 합성 기반으로 학습되며, 복잡한 절차의 조합적 표현을 가능하게 한다.
• 모델는 인간의 행동 데이터(지시 길이, 추상화 수준, 오류율 등)와의 예측 비교를 통해 평가되었다.

실험 결과

연구 질문

• RQ1 반복적인 상호작용을 거치며 인간 협업자는 절차적 작업에서 점점 더 추상적이고 간결한 언어를 어떻게 발전시키는가?
• RQ2 협동적 환경에서 공유된 절차적 추상화가 나타나는 데 기여하는 인지적 및 의사소통 메커니즘은 무엇인가?
• RQ3 의사소통 비용과 정보량의 균형이 추상적 지칭 표현의 발전에 어떻게 영향을 미치는가?
• RQ4 프로그램 학습과 의사소통 관례를 통합한 계산 모델이 인간과 유사한 추상화와 효율성을 어느 정도 재현할 수 있는가?
• RQ5 지각적 학습을 통한 계층적 작업 구조 이해가 추상적 언어 관례의 기초가 되는 데 어떤 역할을 하는가?

주요 결과

• 세 번째 반복에서 아키텍트들은 블록 수준의 지시를 점차 제거하고, 전체 타워를 'C-형태' 또는 'U-형태'로 지칭하는 고수준 추상적 기술로 전환하였다.
• 비용 민감성(β > 0.5)이 강한 참가자들은 오류율 증가를 감수하면서도 가능한 가장 간결한 프로그램을 선택하여 효율성과 정확성 사이의 상충 관계를 보였다.
• 비용 민감성이 없는 경우(β = 0), 참가자들은 더 길지만 모호성이 적은 블록 수준의 지시를 선호하여 비용이 추상화를 이끄는 것으로 나타났다.
• 모델의 중간 수준의 β 값이 인간의 의사소통 진화 패턴을 가장 잘 재현하였다.
• 모델는 작업의 계층적 구조를 반영한 추상적 표현의 출현을 성공적으로 포착하였으며, 개별 블록이 아닌 전체 타워를 지칭하는 방식을 포함하였다.
• 결과적으로 의사소통과 추상화 학습은 상호보완적이며, 언어가 공유된 절차적 표현을 조율하는 수단으로 작용한다는 점이 시사되었다.