เอเจนต์ AI สร้างคลังคำศัพท์ร่วมกันผ่านการแลกเปลี่ยนหนึ่งล้านครั้ง โดยไม่มีพจนานุกรมกลาง

การแลกเปลี่ยนหนึ่งล้านครั้งเปลี่ยนคำที่คิดขึ้นใหม่ให้มีความหมายร่วมกัน

เอเจนต์ปัญญาประดิษฐ์ 10 ตัวซึ่งเริ่มต้นโดยไม่มีคลังคำศัพท์ เรียนรู้ที่จะระบุวัตถุให้กันและกันได้สำเร็จสูงสุด 99.76% หลังการโต้ตอบหนึ่งล้านครั้ง ในการทดลองของนักวิจัยจากมหาวิทยาลัย Vrije Universiteit Brussel (VUB) และมหาวิทยาลัย Namur ในเบลเยียม คำและความหมายของพวกมันพัฒนาขึ้นจากการแลกเปลี่ยนซ้ำ ๆ แทนที่จะมาจากพจนานุกรมที่มนุษย์เขียนขึ้น

นักวิจัยทดสอบวิธีการนี้กับชุดข้อมูลสาธารณะ 37 ชุด ตั้งแต่ข้อมูลการวัดทางเคมีของไวน์และข้อมูลดาวเคราะห์นอกระบบของ NASA ไปจนถึงภาพถ่ายนกและใบหน้ามนุษย์ ในชุดข้อมูลเด่น 7 ชุด อัตราความสำเร็จในการโต้ตอบเพื่อทดสอบอยู่ระหว่าง 95.77% ถึง 99.76%

ความสำเร็จหลักคือการตกลงกันว่าจะใช้คำเรียกสิ่งต่าง ๆ อย่างไร เอเจนต์แต่ละตัวเก็บความเชื่อมโยงระหว่างคำที่คิดขึ้นกับคุณสมบัติที่สังเกตพบไว้ในแบบของตนเอง ผ่านการให้ข้อมูลย้อนกลับ ความเชื่อมโยงเฉพาะตัวเหล่านั้นค่อย ๆ สอดคล้องกันมากพอให้กลุ่มสื่อสารได้ แม้สมาชิกจะรับรู้สภาพแวดล้อมแตกต่างกัน

บทความวิจัย ชื่อ Emergent Communication in Continuous Worlds: Self-Organisation of Conceptually Grounded Vocabularies at Scale อธิบายการทดลองจำลองด้วยคอมพิวเตอร์ เอเจนต์ทำงานกับตัวแทนเชิงตัวเลขของวัตถุและภาพ นักวิจัยระบุว่าการประยุกต์ใช้ที่เป็นไปได้ ได้แก่ หุ่นยนต์ ยานยนต์ไร้คนขับ และเซ็นเซอร์อุตสาหกรรม

คำหนึ่งคำมีประโยชน์ได้อย่างไร

การแลกเปลี่ยนแต่ละครั้งมีเอเจนต์สองตัวเข้าร่วม ตัวหนึ่งทำหน้าที่เป็นผู้พูด อีกตัวเป็นผู้ฟัง โดยสลับบทบาทกันเมื่อการโต้ตอบดำเนินต่อไป ทั้งคู่พบฉากที่มีสิ่งต่าง ๆ หลายอย่าง แต่มีเพียงผู้พูดที่ได้รับแจ้งว่าสิ่งใดคือเป้าหมาย

ผู้พูดต้องเลือกคำที่ช่วยให้ผู้ฟังเลือกเป้าหมายนั้นได้ หากในคลังคำศัพท์ไม่มีคำที่เหมาะสม ก็จะคิดคำขึ้นใหม่ บทความใช้ชุดตัวอักษรสามพยางค์ที่สุ่มขึ้น เช่น "demoxu" เพื่อให้ตัวคำไม่มีความหมายติดตัวมาแต่แรก

ผู้ฟังเปรียบเทียบคำนั้นกับแนวคิดที่ตนเก็บไว้ แล้วเลือกสิ่งหนึ่ง ทั้งสองเอเจนต์ได้รับข้อมูลย้อนกลับว่าการเลือกนั้นถูกต้องหรือไม่ หากเลือกผิด ผู้ฟังจะได้รับการเฉลยเป้าหมาย ทำให้มีข้อมูลสำหรับปรับความเข้าใจของตน

นักวิจัยกำหนดขั้นตอนการคิดคำ การแทนแนวคิด และการเรียนรู้จากผลลัพธ์ไว้ ส่วนคลังคำศัพท์เฉพาะและหมวดหมู่ที่เชื่อมโยงกับคำนั้นเกิดขึ้นระหว่างการโต้ตอบ การแลกเปลี่ยนที่ประสบความสำเร็จช่วยเสริมความเชื่อมโยงที่มีประโยชน์ ขณะที่ประสบการณ์ในเวลาต่อมาช่วยปรับแนวคิดที่ผูกกับคำต่าง ๆ

Katrien Beuls ศาสตราจารย์จากมหาวิทยาลัย Namur และผู้ร่วมเขียนบทความ อธิบายว่าการแลกเปลี่ยนเฉพาะหน้าทำให้เกิดข้อตกลงร่วมกันทั่วทั้งกลุ่มได้อย่างไรในประกาศของมหาวิทยาลัย:

สิ่งที่น่าทึ่งคือไม่มีคอมพิวเตอร์ส่วนกลางคอยกำหนดกฎ ทุกครั้งเราเปิดโอกาสให้เอเจนต์สองตัวสื่อสารกันในระดับเฉพาะจุด ข้อตกลงร่วมกันทั่วทั้งกลุ่มเกิดขึ้นเองโดยธรรมชาติจากการโต้ตอบและการปรับปรุงเฉพาะครั้งเหล่านี้เท่านั้น

สิ่งที่เอเจนต์เก็บไว้เป็นความหมาย

สิ่งแต่ละอย่างปรากฏต่อเอเจนต์ในรูปเวกเตอร์คุณลักษณะ ซึ่งเป็นชุดค่าที่บรรยายคุณสมบัติของสิ่งนั้น ตัวอย่างเช่น ตัวอย่างไวน์อาจแทนด้วยค่าการวัดทางเคมี ส่วนภาพอาจแทนด้วยคุณลักษณะเชิงตัวเลขที่ระบบการมองเห็นดึงออกมา

คำหนึ่งคำเชื่อมโยงกับต้นแบบแนวคิด ซึ่งเป็นคำอธิบายทางคณิตศาสตร์ของลักษณะการสังเกตที่คำนั้นใช้เรียกได้ ต้นแบบบันทึกค่าทั่วไป ระดับความแปรผันของค่าเหล่านั้น และคุณลักษณะที่สำคัญที่สุดไว้ ช่วยให้เอเจนต์ประเมินได้ว่าสิ่งที่พบใหม่เข้ากับคำที่คุ้นเคยมากน้อยเพียงใด

บริบทก็สำคัญเช่นกัน ผู้พูดค้นหาคำที่แนวคิดสอดคล้องกับเป้าหมายมากกว่าสิ่งอื่นในฉาก คำที่มีประโยชน์จึงช่วยแยกสิ่งหนึ่งออกจากตัวเลือกอื่นที่อยู่ตรงหน้า ไม่ใช่แค่ติดป้ายถาวรให้วัตถุทุกชิ้น

เอเจนต์เก็บตัวแทนข้อมูลเหล่านี้ไว้เป็นการส่วนตัว โดยไม่สามารถเข้าถึงการตั้งค่าภายในของกันและกันหรือฐานความรู้ส่วนกลาง การสื่อสารร่วมกันพัฒนาขึ้นเพราะคำของพวกมันชี้นำไปสู่การเลือกที่สอดคล้องกัน ขณะที่ตัวแทนข้อมูลเฉพาะของแต่ละตัวยังคงผูกอยู่กับสิ่งที่ตนสังเกตพบ

สำหรับชุดข้อมูลภาพ นักวิจัยใช้คุณลักษณะ 384 มิติจาก DINOv2 ซึ่งเป็นตัวเข้ารหัสภาพที่มีอยู่แล้ว ตัวเข้ารหัสภาพจะแปลงภาพเป็นคำอธิบายเชิงตัวเลขที่ซอฟต์แวร์อื่นประมวลผลได้ จากนั้นการเรียนรู้คลังคำศัพท์จึงทำงานกับคำอธิบายเหล่านั้น

คลังคำศัพท์ร่วมกันใช้ได้ผลดีแค่ไหน

การทดลองมาตรฐานฝึกเอเจนต์กลุ่มละ 10 ตัว ผ่านการโต้ตอบหนึ่งล้านครั้ง จากนั้นนักวิจัยประเมินการสื่อสารในการทดสอบ 100,000 ครั้ง ซึ่งรวมสิ่งที่กันไว้ไม่ให้ใช้ระหว่างการฝึก แล้วหาค่าเฉลี่ยจากการทดลองอิสระ 10 รอบ

ผลลัพธ์เด่นทั้ง 7 ชุดแสดงให้เห็นทั้งประสิทธิภาพของวิธีการและความแตกต่างระหว่างงาน:

• CLEVR ซึ่งเป็นชุดข้อมูลคุณลักษณะของวัตถุในภาพ: สื่อสารสำเร็จ 99.76%
• ข้อมูลวิเคราะห์ไวน์: 99.76%
• ข้อมูลดาวเคราะห์นอกระบบ: 99.67%
• ข้อมูลเห็ด: 98.10%
• ข้อมูลภาพ MS COCO: 95.77%
• ภาพใบหน้าจาก CelebA: 96.66%
• ภาพนก: 95.88%

เปอร์เซ็นต์เหล่านี้วัดว่าผู้ฟังเลือกสิ่งที่ผู้พูดตั้งใจได้บ่อยเพียงใด สำหรับงานไวน์และ CLEVR ค่า 99.76% หมายถึงการแลกเปลี่ยนที่ไม่สำเร็จราว 24 ครั้งต่อการทดสอบ 10,000 ครั้ง ส่วน MS COCO ค่า 95.77% หมายถึงประมาณ 423 ครั้งต่อการทดสอบ 10,000 ครั้ง

ผลลัพธ์เหล่านี้ต่างกัน 3.99 จุดเปอร์เซ็นต์ การสื่อสารยังประสบความสำเร็จในระดับสูงตลอดชุดงานที่ยกมา แต่ชุดข้อมูลภาพธรรมชาติมีข้อผิดพลาดมากกว่างานไวน์และดาวเคราะห์นอกระบบ

ทีมวิจัยยังวัดขนาดคลังคำศัพท์และความสอดคล้องของข้อตกลง ซึ่งบ่งชี้ว่าเอเจนต์ใช้คำได้สม่ำเสมอเพียงใด ตัวชี้วัดเหล่านี้สะท้อนคนละส่วนของกระบวนการ กลุ่มเอเจนต์ต้องมีทั้งชุดคำเรียกที่ใช้งานได้และความเห็นพ้องเกี่ยวกับวิธีใช้คำมากพอที่จะระบุเป้าหมายได้อย่างน่าเชื่อถือ

เซ็นเซอร์ที่ต่างกันก็ยังสร้างข้อตกลงร่วมกันได้

เครื่องจักรมักไม่ได้สังเกตโลกในแบบเดียวกันทุกประการ เซ็นเซอร์อาจตั้งเทียบค่าไว้ต่างกัน ค่าที่อ่านได้อาจมีสัญญาณรบกวน และอุปกรณ์หนึ่งอาจจับคุณสมบัติที่อีกอุปกรณ์ตรวจไม่พบ งานวิจัยนี้ทดสอบสภาวะเหล่านี้ในรูปแบบต่าง ๆ

Paul Van Eecke ศาสตราจารย์ด้านปัญญาประดิษฐ์จาก VUB และผู้ร่วมเขียนบทความ อธิบายที่มาของแนวคิดโดยยกตัวอย่างคนที่ระบุรถสีแดง ผู้คนเข้าใจคำบรรยายเดียวกันได้ แม้ดวงตาจะรับรู้ค่าสีต่างกันเล็กน้อย คำที่ใช้ร่วมกันอยู่เหนือความแตกต่างของการรับรู้เฉพาะบุคคลเหล่านั้น

การทดลองนำแนวคิดนี้มาทดสอบกับเอเจนต์ปัญญาประดิษฐ์ด้วยการปรับเปลี่ยนสิ่งที่พวกมันสังเกตพบ ได้แก่ การเพิ่มค่าตัวเลขคล้ายความแตกต่างจากการตั้งเทียบเซ็นเซอร์ การใส่สัญญาณรบกวนในค่าที่สังเกต และการสร้างกลุ่มที่สมาชิกมีชุดคุณลักษณะที่เข้าถึงได้ต่างกัน

เมื่อมีสัญญาณรบกวนสูงในการทดลอง CLEVR การสื่อสารสำเร็จ 87.67% ส่วนกรณีที่เซ็นเซอร์ที่ใช้งานได้แตกต่างกันมากขึ้น อัตราความสำเร็จอยู่ที่ 83.47% วิธีการนี้ยังช่วยให้ประสานงานกันได้มากในสภาวะดังกล่าว แม้ความแม่นยำจะต่ำกว่าการทดลอง CLEVR มาตรฐาน

บทความเรียกกลุ่มที่มีโครงสร้างการรับรู้ต่างกันว่า heteromorphic กล่าวอย่างง่ายคือ สมาชิกได้รับข้อมูลคนละชนิดหรือคนละปริมาณ งานของพวกมันคือพัฒนาคำอ้างอิงที่สอดคล้องกันแม้มีความแตกต่าง โดยอาศัยสิ่งที่สมาชิกแต่ละตัวเข้าถึงได้จากการสังเกต

คลังคำศัพท์ที่เปลี่ยนแปลงเมื่อข้อมูลนำเข้าหายไป

นักวิจัยยังทดสอบการสูญเสียข้อมูลอย่างฉับพลันระหว่างการเรียนรู้ ในการทดลองหนึ่ง มีการนำข้อมูลนำเข้าครึ่งหนึ่งที่ใช้แทนค่าการอ่านจากเซ็นเซอร์ออกไปเมื่อกระบวนการดำเนินไปได้ครึ่งทาง หลังการเปลี่ยนแปลงนี้ การสื่อสารสำเร็จ 93.82%

การโต้ตอบที่ดำเนินต่อไปเปิดโอกาสให้เอเจนต์ปรับแนวคิดเมื่อสภาวะเปลี่ยน คำที่เชื่อมโยงกับคุณลักษณะหลายอย่างอาจมีประโยชน์ในรูปแบบใหม่เมื่อคุณลักษณะบางส่วนหายไป และการสังเกตที่เหลือมีความสำคัญมากขึ้น

บทความยังรายงานการปรับตัวต่อการเปลี่ยนแปลงของสภาพแวดล้อม การเรียนรู้อย่างต่อเนื่องจึงเป็นหัวใจของแนวทางนี้ กลุ่มสร้างข้อตกลงร่วมกันผ่านการใช้งานและปรับเปลี่ยนข้อตกลงต่อไปเมื่อสิ่งที่สังเกตพบเปลี่ยนไป

ความสามารถดังกล่าวอาจมีความสำคัญต่อระบบเครื่องจักรในอนาคต เมื่ออุปกรณ์เสื่อมสภาพหรือเงื่อนไขการทำงานเปลี่ยนไป อย่างไรก็ตาม ผลการทดลองในขณะนี้กล่าวถึงการปรับคลังคำศัพท์ของเอเจนต์ภายในงานจำลอง

กลุ่มใหญ่ต้องแลกเปลี่ยนกันมากขึ้น

งานวิจัยศึกษากลุ่มเอเจนต์ขนาด 2, 10, 25, 50 และ 100 ตัว การขยายขนาดกลุ่มทำให้คำที่มีประโยชน์ต้องแพร่กระจายไปในวงกว้างขึ้น เพราะการแลกเปลี่ยนยังคงเกิดขึ้นระหว่างเอเจนต์ทีละคู่

ในการทดลอง CLEVR ที่มีเอเจนต์ 100 ตัว การสื่อสารสำเร็จ 92.69% หลังการโต้ตอบหนึ่งล้านครั้ง เมื่อขยายเวลาฝึกเป็น 10 ล้านครั้ง อัตราความสำเร็จเพิ่มเป็น 99.16% หรือเพิ่มขึ้น 6.47 จุดเปอร์เซ็นต์

จำนวนครั้งที่ใช้ฝึกช่วยอธิบายความท้าทายนี้ได้ หากการมีส่วนร่วมกระจายอย่างทั่วถึง การแลกเปลี่ยนหนึ่งล้านครั้งที่มีเอเจนต์เข้าร่วมครั้งละสองตัว จะเท่ากับการมีส่วนร่วมเฉลี่ย 200,000 ครั้งต่อเอเจนต์หนึ่งตัวในกลุ่มที่มี 10 ตัว แต่ในกลุ่มที่มี 100 ตัว การแลกเปลี่ยนจำนวนเท่ากันจะเฉลี่ยเพียง 20,000 ครั้งต่อเอเจนต์หนึ่งตัว

การแลกเปลี่ยน 10 ล้านครั้งทำให้ค่าเฉลี่ยกลับมาอยู่ที่เอเจนต์ละ 200,000 ครั้ง สำหรับกลุ่มที่มีสมาชิก 100 ตัว การพบปะรายครั้งสุ่มเลือกเอเจนต์เข้าร่วม แต่การเปรียบเทียบนี้แสดงให้เห็นว่าเหตุใดกลุ่มใหญ่จึงอาจต้องใช้งบการเรียนรู้รวมมากขึ้น เพื่อให้ข้อตกลงแพร่กระจายไปทั่วกลุ่ม

มนุษย์ตรวจสอบได้ว่าคำหนึ่งหมายถึงอะไร

นักวิจัยระบุว่าความสามารถในการตีความได้เป็นข้อดีของการออกแบบนี้ คำหนึ่งคำชี้ไปยังต้นแบบที่สามารถตรวจสอบค่าและน้ำหนักของคุณลักษณะได้ นักวิจัยจึงติดตามได้ว่าการสังเกตใดช่วยก่อรูปแนวคิด และตัวแทนของแนวคิดนั้นเปลี่ยนแปลงอย่างไรเมื่อมีการใช้งาน

สำหรับชุดข้อมูลที่มีชื่อกำกับการวัดทางเคมี การตรวจสอบอาจเชื่อมโยงคำหนึ่งกับช่วงค่าของการวัดเหล่านั้นได้ ส่วนข้อมูลภาพ แนวคิดจะเชื่อมกับคุณลักษณะที่ตัวเข้ารหัสภาพสร้างขึ้น ดังนั้นการอธิบายความหมายของแนวคิดจึงต้องทำความเข้าใจตัวแทนภาพเชิงตัวเลขเหล่านั้นด้วย

Jérôme Botoko Ekila นักวิจัยระดับปริญญาเอกจากห้องปฏิบัติการปัญญาประดิษฐ์ของ VUB และผู้ร่วมเขียนบทความ อธิบายจุดประสงค์ของการให้เอเจนต์สร้างแนวคิดจากการรับรู้ของตนเองไว้ว่า:

พวกมันสร้างแนวคิดที่ใช้การได้และตรงกับสิ่งที่รับรู้ผ่านเซ็นเซอร์ของตนอย่างแม่นยำ แม้ข้อมูลนั้นจะมนุษย์เข้าใจไม่ได้ก็ตาม

การกำกับดูแลโดยมนุษย์จะเกี่ยวข้องกับการตรวจสอบความเชื่อมโยงเหล่านั้นระหว่างที่พัฒนาขึ้น วิธีตรวจสอบที่มีประโยชน์คือดูว่าเอเจนต์สองตัวที่ใช้คำเดียวกันยังคงเลือกสิ่งที่ตั้งใจไว้ได้หรือไม่ หลังข้อมูลนำเข้าหรือสภาพแวดล้อมเปลี่ยนไป กลไกการให้ข้อมูลย้อนกลับของงานวิจัยทำให้ความสัมพันธ์นี้เป็นหัวใจของการเรียนรู้

การตีพิมพ์ ความร่วมมือ และการใช้งานที่เป็นไปได้

งานวิจัยนี้เป็นความร่วมมือของ Jérôme Botoko Ekila, Lara Verheyen, Jens Nevens และ Paul Van Eecke จาก VUB และ Katrien Beuls จากมหาวิทยาลัย Namur ได้รับทุนจากมูลนิธิวิจัยแฟลนเดอร์ส (FWO) และกองทุนวิจัยแห่งชาติเบลเยียม (FNRS) ผ่านโครงการ WEAVE

ระเบียนผลงานตีพิมพ์ของ VUB ระบุว่าวารสารที่ตีพิมพ์คือ Transactions of the Association for Computational Linguistics เล่มที่ 14 หน้า 2234–2257 โดยมี DOI 10.1162/TACL.a.799 และระบุวันตีพิมพ์ในเดือนสิงหาคม 2026

การตีพิมพ์และประกาศผลการวิจัยมีลำดับดังนี้:

• เมษายน 2026: ส่งบทความ
• พฤษภาคม 2026: แก้ไขบทความ
• สิงหาคม 2026: ระเบียนผลงานของมหาวิทยาลัยระบุว่าบทความได้รับการตีพิมพ์ในวารสาร
• 14 ตุลาคม 2026: มหาวิทยาลัยเผยแพร่ประกาศนำเสนอผลการวิจัย

นักวิจัยระบุว่ายานยนต์ไร้คนขับ หุ่นยนต์ และเซ็นเซอร์อุตสาหกรรม อาจเป็นผู้ใช้การสื่อสารที่ปรับให้เข้ากับการรับรู้ของเครื่องจักรได้ ไลดาร์วัดระยะทางด้วยแสง โซนาร์ใช้เสียง เซ็นเซอร์อินฟราเรดตรวจจับรังสีที่สัมพันธ์กับอุณหภูมิ และเครื่องมือทางเคมีใช้วัดสารต่าง ๆ คลังคำศัพท์ร่วมกันอาจช่วยให้เครื่องจักรอ้างถึงรูปแบบที่เป็นประโยชน์จากข้อมูลนำเข้าประเภทต่าง ๆ ได้

ขั้นตอนปฏิบัติถัดไปคือทดสอบว่าข้อตกลงเหล่านี้ทำงานอย่างไรกับอุปกรณ์จริง สภาพแวดล้อมที่เปลี่ยนแปลง และข้อกำหนดในการปฏิบัติงาน ยังไม่มีการระบุกำหนดเวลานำไปใช้งาน ขณะนี้ผลที่ได้คือวิธีการที่ผ่านการทดสอบแล้วสำหรับสร้างคำอ้างอิงร่วมกันจากข้อมูลหลากหลายประเภท พร้อมผลการทำงานที่วัดได้ภายใต้สัญญาณรบกวน ความแตกต่างด้านการรับรู้ และการสูญหายของข้อมูลนำเข้า

ประเด็นสำคัญ

• นักวิจัยจาก VUB และมหาวิทยาลัย Namur ทดสอบการสร้างคลังคำศัพท์กับชุดข้อมูลสาธารณะ 37 ชุด
• เอเจนต์กลุ่มละ 10 ตัวฝึกผ่านการโต้ตอบหนึ่งล้านครั้ง จากนั้นทดสอบการโต้ตอบ 100,000 ครั้ง
• อัตราความสำเร็จในชุดข้อมูลเด่น 7 ชุดอยู่ระหว่าง 95.77% ถึง 99.76%
• นักวิจัยกำหนดขั้นตอนการเรียนรู้ ส่วนเอเจนต์พัฒนาคำเฉพาะและแนวคิดที่เชื่อมโยงกับคำผ่านข้อมูลย้อนกลับ
• การทดลองทดสอบการปรับตัวต่อข้อมูลสังเกตที่มีสัญญาณรบกวน โครงสร้างการรับรู้ที่ต่างกัน และข้อมูลนำเข้าที่ขาดหาย
• เอเจนต์กลุ่ม 100 ตัวมีอัตราความสำเร็จ 99.16% ในงาน CLEVR หลังการโต้ตอบ 10 ล้านครั้ง
• งานวิจัยใช้การจำลองด้วยคอมพิวเตอร์ โดยเสนอว่าหุ่นยนต์ ยานยนต์ และเซ็นเซอร์อุตสาหกรรมอาจนำวิธีนี้ไปใช้ได้