百万次交流让自创词汇形成共同含义
在布鲁塞尔自由大学（VUB）和比利时那慕尔大学研究人员开展的实验中，10个人工智能智能体从空白词汇表起步，经过100万次交互，学会为彼此识别物体，成功率最高达到99.76%。它们的词语和含义是在反复交流中形成的，而非来自人类编写的词典。
目录
研究人员在37个公开数据集上测试了这套方法，数据集涵盖葡萄酒化学测量值、美国国家航空航天局（NASA）系外行星数据，以及鸟类和人脸照片。在重点展示的7个数据集上，测试交互的成功率介于95.77%至99.76%之间。
这项研究的核心成果，是让智能体就如何指称事物达成共识。每个智能体都保留自己对自创词汇与观察属性之间的关联。通过反馈，这些个体关联逐渐变得足够兼容，使群体能够交流，即使成员对环境的感知有所不同。
这篇题为《连续世界中的涌现式交流：大规模自组织形成概念扎根的词汇》的研究论文介绍了计算机模拟实验。智能体处理的是物体和图像的数值表示。研究人员指出，这种方法未来可能用于机器人、自动驾驶汽车和工业传感器。
词语如何发挥作用
每次交流由两个智能体参与。一个担任说话者，另一个担任听者；随着交互继续，双方角色会重新分配。两者都会接触到一个包含多个实体的场景，但只有说话者会被告知哪个实体是目标。
说话者必须选出一个有助于听者找到目标的词。如果词汇表中没有合适的词，它就会创造一个。论文使用由三个音节组成的任意字符串，例如“demoxu”，因此词语本身不带有预设含义。
听者将这个词与自己存储的概念进行比较，然后选择一个实体。两个智能体都会收到选择是否正确的反馈。如果选择错误，听者会看到目标实体，从而获得修正理解所需的信息。
研究人员设定了创造词语、表示概念以及根据结果学习的流程。具体词汇及其所指类别则在交互中逐渐形成。成功的交流会强化有用的关联，而后续经验则会调整词语对应的概念。
那慕尔大学教授、论文合著者卡特琳·贝尔斯在校方公告中介绍了局部交流如何让整个群体达成共识：
令人着迷的是，没有中央计算机强行规定规则。每次我们都让两个智能体在局部层面相互交流。正是通过这些个体之间的交互和更新，整个群体才自发形成了共同惯例。
智能体如何存储含义
每个实体都会以特征向量的形式传给智能体，也就是一组描述其属性的数值。例如，葡萄酒样本可以用化学测量值表示；图像则可以用视觉系统提取的数值特征表示。
一个词会关联到一个概念原型，即对适用观察对象类型的数学描述。原型记录典型数值、这些数值的变化程度，以及最重要的特征。这样，智能体便能判断新遇到的实体与熟悉词语的匹配程度。
语境也很重要。说话者会寻找一个概念与目标实体的匹配度高于场景中其他实体的词。因此，有用的词能帮助区分某个事物与眼前的其他选项，而不是简单地给每个物体贴上永久标签。
智能体各自私下保存这些表示。它们无法访问彼此的内部设置，也无法访问中央知识库。共享交流之所以能够形成，是因为它们使用的词语能引导彼此作出兼容的选择，同时各自的表示仍与自身观察结果相联系。
对于图像数据集，研究人员使用了现有视觉编码器DINOv2生成的384维特征。视觉编码器会将图像转换为其他软件可处理的数值描述，之后的词汇学习就在这些描述上进行。
共享词汇效果如何？
标准实验让10个智能体组成群体，经过100万次交互进行训练。随后，研究人员通过10万次测试交互评估交流效果，其中包括训练期间未使用过的实体，并对10次独立运行的结果取平均值。
重点展示的7项结果既体现了这套方法的效果，也显示了不同任务之间的差异：
- CLEVR，一项涉及视觉物体属性的数据集：交流成功率99.76%。
- 葡萄酒分析数据：99.76%。
- 系外行星数据：99.67%。
- 蘑菇数据：98.10%。
- MS COCO图像数据：95.77%。
- CelebA人脸图像：96.66%。
- 鸟类图像：95.88%。
这些百分比衡量的是听者选中目标实体的频率。在葡萄酒和CLEVR任务中，99.76%相当于每1万次测试交互中约有24次未能成功。在MS COCO任务中，95.77%相当于每1万次约有423次未成功。
两项结果相差3.99个百分点。在重点展示的各项任务中，交流都取得了很高的成功率，但自然图像数据集上的错误多于葡萄酒和系外行星任务。
研究团队还测量了词汇量和惯例一致性，后者反映智能体使用词语的一致程度。这些指标分别衡量交流过程的不同方面：群体既需要一套可用的标签，也需要对标签用法达成足够一致的共识，才能可靠地识别目标。
传感器不同也能达成共识
机器很少能以完全相同的方式观察世界。传感器可能采用不同的校准设置，读数可能包含噪声，而且一种设备可能捕捉到另一种设备无法检测的属性。这项研究测试了这些情况的变化。
VUB人工智能教授、论文合著者保罗·范·埃克解释了这项研究的动机，并以人们识别红色汽车为例。即便每个人眼睛测得的颜色值略有不同，人们仍能理解同一描述。共享词语超越了这些个体读数。
研究人员通过改变人工智能智能体的观察结果，将这一思路应用于实验。他们加入了类似校准差异的数值偏移、观察值噪声，以及可获取特征集合不同的智能体群体。
在CLEVR实验中，噪声较强时的交流成功率为87.67%；在传感器可用信息差异较大的情况下，成功率为83.47%。在这些条件下，该方法仍保留了相当强的协同能力，但准确率低于标准CLEVR实验。
论文将感知结构不同的群体称为异构群体。通俗地说，其成员接收到的信息种类或数量各不相同。它们的任务是利用各自能够获取的观察信息，在存在差异的情况下建立兼容的指称方式。
输入信息消失后，词汇也会改变
研究人员还测试了学习过程中信息突然减少的情况。在一项实验中，他们在学习进程过半时移除了代表传感器读数的输入中的一半。变化发生后，交流成功率达到93.82%。
持续交互让智能体有机会在条件变化时修正概念。当部分特征消失、剩余观察变得更重要时，一个原本与多项特征相关联的词，就可能以不同方式发挥作用。
论文还报告了智能体适应环境变化的情况。因此，持续学习是这套方法的核心部分：群体通过使用建立共同惯例，并在观察条件变化时继续调整它。
对于未来的机器系统来说，设备性能退化或运行条件变化时，这种能力可能很重要。目前的实验结果聚焦于智能体如何在模拟任务中调整词汇。
群体越大，需要的交流越多
研究考察了由2、10、25、50和100个智能体组成的群体。随着群体扩大，每个有用词语需要传播的范围也会增加，因为交流仍然发生在两两配对的个体之间。
在100个智能体参与的CLEVR实验中，经过100万次交互，交流成功率达到92.69%。将训练延长至1000万次交互后，成功率升至99.16%，提高了6.47个百分点。
交互总量有助于解释这一挑战的规模。假设每个智能体参与次数均匀，那么在10个智能体组成的群体中，100万次双智能体交流平均会让每个智能体参与20万次；在100个智能体组成的群体中，同样数量的交流平均只让每个智能体参与2万次。
增加到1000万次交流后，100个智能体组成的群体中，每个成员的平均参与次数又达到20万次。虽然每次交互的参与者是随机选取的，但这一比较说明了为什么更大的群体可能需要投入更多的总学习量，才能让共同惯例传播开来。
人们可以检查词语指代的内容
研究人员将可解释性列为这套设计的优势。词语指向一个包含可检查数值和特征权重的原型。研究人员可以追踪哪些观察结果帮助形成某个概念，以及该概念的表示如何在使用中发生变化。
对于带有具名化学测量值的数据集，检查结果可以将一个词与这些测量值的特定范围联系起来。对于图像数据，概念则关联到视觉编码器生成的特征，因此解释其含义也需要理解这些图像数值表示。
VUB人工智能实验室博士研究人员、论文合著者热罗姆·博托科·埃基拉谈到让智能体围绕自身感知构建概念的目的：
即使数据无法被人类理解，它们也会构建出有效的概念，而且这些概念与它们通过传感器感知到的内容完全对应。
人工监督可以包括检查这些关联如何形成。一项有用的检验是：当输入或环境发生变化后，两个使用同一词语的智能体是否仍会选中目标实体。研究采用的反馈机制正是以这种对应关系为学习核心。
论文发表、合作与潜在用途
这项研究由VUB的热罗姆·博托科·埃基拉、拉拉·费尔海恩、延斯·内文斯和保罗·范·埃克，以及那慕尔大学的卡特琳·贝尔斯共同完成。研究经费来自弗兰德斯研究基金会（FWO）和比利时国家科研基金会（FNRS），由WEAVE项目提供支持。
VUB的出版记录显示，论文刊载于《计算语言学协会汇刊》第14卷，第2234–2257页，DOI为10.1162/TACL.a.799。记录显示，论文于2026年8月发表。
论文发表和校方公告依次发生于以下时间：
- 2026年4月：论文提交。
- 2026年5月：论文修订。
- 2026年8月：校方出版记录列出期刊发表信息。
- 2026年10月14日：校方公告介绍研究结果。
研究人员指出，自动驾驶汽车、机器人和工业传感器可能会使用这种适应机器感知的交流方式。激光雷达通过光测量距离，声呐使用声音，红外传感器检测与温度相关的辐射，化学仪器则测量物质。共享词汇可能帮助机器在这些不同输入中指称有用模式。
下一步的实际工作，是测试这些惯例在实体设备、不断变化的环境和运行需求下能否发挥作用。研究人员没有给出部署时间表。目前的成果是一种经过测试的方法，可在多种数据之间建立共享指称，并能在噪声、感知差异和输入信息丢失的情况下测量其表现。
要点
- VUB和那慕尔大学的研究人员在37个公开数据集上测试了词汇形成过程。
- 由10个智能体组成的群体经过100万次交互训练，随后进行了10万次测试交互。
- 在重点展示的7个数据集上，成功率介于95.77%至99.76%之间。
- 研究人员提供了学习流程；智能体通过反馈形成具体词语及其关联概念。
- 实验测试了系统对观察噪声、不同感知结构和输入缺失的适应能力。
- 由100个智能体组成的群体在CLEVR任务中经过1000万次交互后，成功率达到99.16%。
- 研究采用计算机模拟；机器人、车辆和工业传感器是研究人员提出的潜在应用领域。
