Emergent Communication in Multi-Agent Systems
Penelitian tentang bagaimana agen AI mengembangkan protokol komunikasi mereka sendiri melalui tekanan koordinasi.
Status: In Progress
Latar Belakang
Pertanyaan sentral: apakah bahasa harus innate, atau bisa muncul dari tekanan koordinasi?
Chomsky berargumen bahasa terlalu kompleks untuk dipelajari dari data saja — harus ada Universal Grammar bawaan. Tapi riset emergent communication di multi-agent AI menunjukkan bahwa beberapa fitur bahasa (compositionality, Zipf’s law) bisa muncul dari tekanan koordinasi saja, tanpa harus innate.
Metodologi
- Setup: Dua atau lebih neural network dilatih untuk bermain referential game (satu melihat gambar, yang lain menebak)
- Training: Reinforcement learning untuk optimisasi communication success
- Analysis: Compositionality, Zipf’s law, mutual exclusivity, dll
Temuan Utama
- Lazaridou et al. (2017, NeurIPS): Multi-agent mengembangkan bahasa dengan komposionalitas
- Bouchacourt & Baroni (2018): Bahasa emergent memiliki Zipf-like distribution
- Chaabouni et al. (2022): Beberapa universal linguistik muncul tanpa hard-coding
- NeLLCom (2023): Replikasi trade-off word-order/case-marking
Implikasi
Jika bahasa bisa muncul dari tekanan koordinasi di agen AI, ini menantang asumsi innate Chomsky. Tapi: apakah emergent communication benar-benar “bahasa” (ada makna, ada grounding), atau hanya “protokol”? Ini perdebatan yang belum selesai.
Lihat juga
- Mengapa Bahasa Terbentuk — konteks teoretis
- AI Agent — aplikasi
- Large Language Model — model bahasa modern
- Embedding — representasi matematis