De gruñidos a gramática: Lenguaje emergente a partir de la búsqueda cooperativa de alimento

From Grunts to Grammar: Emergent Language from Cooperative Foraging

May 19, 2025

Autores: Maytus Piriyajitakonkij, Rujikorn Charakorn, Weicheng Tao, Wei Pan, Mingfei Sun, Cheston Tan, Mengmi Zhang

cs.AI

Resumen

Los primeros cavernícolas dependían de gestos, vocalizaciones y señales simples para coordinar, planificar, evitar depredadores y compartir recursos. Hoy, los humanos colaboran utilizando lenguajes complejos para lograr resultados extraordinarios. ¿Qué impulsa esta evolución en la comunicación? ¿Cómo surge, se adapta y se vuelve vital el lenguaje para el trabajo en equipo? Comprender los orígenes del lenguaje sigue siendo un desafío. Una hipótesis destacada en lingüística y antropología sugiere que el lenguaje evolucionó para satisfacer las demandas ecológicas y sociales de la cooperación humana temprana. El lenguaje no surgió de manera aislada, sino a través de objetivos de supervivencia compartidos. Inspirados por esta perspectiva, investigamos el surgimiento del lenguaje en Juegos de Recolección multiagente. Estos entornos están diseñados para reflejar las limitaciones cognitivas y ecológicas que se cree que influyeron en la evolución de la comunicación. Los agentes operan en un mundo de cuadrícula compartido con solo conocimiento parcial sobre otros agentes y el entorno, y deben coordinarse para completar tareas como recoger objetivos de alto valor o ejecutar acciones ordenadas temporalmente. Utilizando aprendizaje por refuerzo profundo de extremo a extremo, los agentes aprenden tanto acciones como estrategias de comunicación desde cero. Descubrimos que los agentes desarrollan protocolos de comunicación con características distintivas del lenguaje natural: arbitrariedad, intercambiabilidad, desplazamiento, transmisión cultural y composicionalidad. Cuantificamos cada propiedad y analizamos cómo diferentes factores, como el tamaño de la población y las dependencias temporales, moldean aspectos específicos del lenguaje emergente. Nuestro marco sirve como plataforma para estudiar cómo el lenguaje puede evolucionar a partir de la observabilidad parcial, el razonamiento temporal y los objetivos cooperativos en entornos multiagente encarnados. Publicaremos todos los datos, códigos y modelos de manera abierta.

English

Early cavemen relied on gestures, vocalizations, and simple signals to coordinate, plan, avoid predators, and share resources. Today, humans collaborate using complex languages to achieve remarkable results. What drives this evolution in communication? How does language emerge, adapt, and become vital for teamwork? Understanding the origins of language remains a challenge. A leading hypothesis in linguistics and anthropology posits that language evolved to meet the ecological and social demands of early human cooperation. Language did not arise in isolation, but through shared survival goals. Inspired by this view, we investigate the emergence of language in multi-agent Foraging Games. These environments are designed to reflect the cognitive and ecological constraints believed to have influenced the evolution of communication. Agents operate in a shared grid world with only partial knowledge about other agents and the environment, and must coordinate to complete games like picking up high-value targets or executing temporally ordered actions. Using end-to-end deep reinforcement learning, agents learn both actions and communication strategies from scratch. We find that agents develop communication protocols with hallmark features of natural language: arbitrariness, interchangeability, displacement, cultural transmission, and compositionality. We quantify each property and analyze how different factors, such as population size and temporal dependencies, shape specific aspects of the emergent language. Our framework serves as a platform for studying how language can evolve from partial observability, temporal reasoning, and cooperative goals in embodied multi-agent settings. We will release all data, code, and models publicly.