[论文解读] Symbol Emergence in Cognitive Developmental Systems: a Survey

Tadahiro Taniguchi, Emre Uğur+9 more|arXiv (Cornell University)|Jan 26, 2018

Language and cultural evolution参考文献 117被引用 7

一句话总结

本文将符号涌现确立为认知发展系统中的核心挑战，主张人类社会中的符号通过社会互动动态演化，而非预先定义。它整合符号学、发展机器人学和认知科学的洞见，将符号涌现视为一个涉及内在表征与社会动态的多维问题，倡导通过共享经验与互相信念来学习符号的系统。

ABSTRACT

Humans use signs, e.g., sentences in a spoken language, for communication and thought. Hence, symbol systems like language are crucial for our communication with other agents and adaptation to our real-world environment. The symbol systems we use in our human society adaptively and dynamically change over time. In the context of artificial intelligence (AI) and cognitive systems, the symbol grounding problem has been regarded as one of the central problems related to {\it symbols}. However, the symbol grounding problem was originally posed to connect symbolic AI and sensorimotor information and did not consider many interdisciplinary phenomena in human communication and dynamic symbol systems in our society, which semiotics considered. In this paper, we focus on the symbol emergence problem, addressing not only cognitive dynamics but also the dynamics of symbol systems in society, rather than the symbol grounding problem. We first introduce the notion of a symbol in semiotics from the humanities, to leave the very narrow idea of symbols in symbolic AI. Furthermore, over the years, it became more and more clear that symbol emergence has to be regarded as a multifaceted problem. Therefore, secondly, we review the history of the symbol emergence problem in different fields, including both biological and artificial systems, showing their mutual relations. We summarize the discussion and provide an integrative viewpoint and comprehensive overview of symbol emergence in cognitive systems. Additionally, we describe the challenges facing the creation of cognitive systems that can be part of symbol emergence systems.

研究动机与目标

• 将符号基底问题重新定义为符号涌现，强调动态、社会共同构建的符号系统，而非静态符号人工智能。
• 解决当前依赖预定义符号与固定语言知识的AI系统局限，这些局限阻碍了自然的人机交互。
• 整合符号学、发展心理学、神经科学与机器学习的洞见，以理解符号在生物与人工认知系统中如何涌现。
• 识别在创造能够通过互动、共享经验与互相信念形成实现符号学习与共创的认知系统方面面临的关键挑战。
• 主张将符号涌现作为推动人工认知系统与人机协作发展的核心问题，而非辅助性问题。

提出的方法

• 整合符号学理论框架（如皮尔斯的符号理论）以拓宽符号定义，超越符号人工智能的范畴。
• 回顾生物学、认知科学、机器人学与人工智能中符号涌现的历史与跨学科发展，突出跨领域关联。
• 提出双重视角：符号涌现既是个体内在认知发展的过程，也是通过社会互动实现的社会层面演化。
• 强调多模态感知运动数据融合与分层抽象在将符号扎根于现实世界经验中的作用。
• 引入共享信念系统作为语义交流的基础，其中语言与非语言信念共同演化。
• 倡导采用机器学习方法，使机器人能够自主生成并优化符号，而非依赖预编程的符号集合。

实验结果

研究问题

• RQ1 人工认知系统中的符号系统如何通过发展过程而非预定义方式涌现？
• RQ2 共享信念与相互理解在实现人机之间语义交流中发挥何种作用？
• RQ3 认知系统如何以反映人类语言与社会符号动态适应特性的形式学习表征与使用符号？
• RQ4 感知运动经验与多模态数据融合在促成具身化、抽象符号涌现方面发挥何种作用？
• RQ5 人工系统如何发展出类心理理论机制，以在基于符号的交流中推断并协调人类信念？

主要发现

• 符号涌现不仅仅是将符号与感知基底化的问题，更涉及通过社会互动实现的符号系统动态、共同建构的演化过程。
• 当前的AI与机器人系统因依赖固定、开发者定义的符号系统而无法支持自然的人机交互，缺乏共享经验或信念形成机制。
• 将符号学理论与认知发展系统相结合揭示出，符号并非静态存在，而是源于重复、情境敏感的互动。
• 共享信念系统——涵盖语言与非语言知识——是解决现实环境中歧义、实现有效沟通的关键。
• 具备符号涌现能力的认知系统必须整合感知运动数据的分层抽象，以及信念推断与相互理解的机制。
• 符号涌现并非辅助性挑战，而是发展真正具备认知能力、类人的人工系统并实现与人类共同学习与演化的中心问题。