Des grognements à la grammaire : émergence du langage par la recherche coopérative de nourriture

From Grunts to Grammar: Emergent Language from Cooperative Foraging

May 19, 2025

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

cs.AI

Résumé

Les premiers hommes des cavernes s'appuyaient sur des gestes, des vocalisations et des signaux simples pour se coordonner, planifier, éviter les prédateurs et partager les ressources. Aujourd'hui, les humains collaborent en utilisant des langages complexes pour obtenir des résultats remarquables. Qu'est-ce qui motive cette évolution de la communication ? Comment le langage émerge-t-il, s'adapte-t-il et devient-il essentiel pour le travail d'équipe ? Comprendre les origines du langage reste un défi. Une hypothèse majeure en linguistique et en anthropologie suggère que le langage a évolué pour répondre aux exigences écologiques et sociales de la coopération humaine primitive. Le langage n'est pas apparu de manière isolée, mais à travers des objectifs de survie partagés. Inspirés par cette perspective, nous étudions l'émergence du langage dans des jeux de recherche de nourriture multi-agents. Ces environnements sont conçus pour refléter les contraintes cognitives et écologiques qui auraient influencé l'évolution de la communication. Les agents opèrent dans un monde en grille partagé avec une connaissance partielle des autres agents et de l'environnement, et doivent se coordonner pour accomplir des tâches comme collecter des cibles de haute valeur ou exécuter des actions temporellement ordonnées. En utilisant l'apprentissage par renforcement profond de bout en bout, les agents apprennent à la fois les actions et les stratégies de communication à partir de zéro. Nous constatons que les agents développent des protocoles de communication présentant des caractéristiques clés du langage naturel : l'arbitraire, l'interchangeabilité, la délocalisation, la transmission culturelle et la compositionnalité. Nous quantifions chaque propriété et analysons comment différents facteurs, tels que la taille de la population et les dépendances temporelles, façonnent des aspects spécifiques du langage émergent. Notre cadre sert de plateforme pour étudier comment le langage peut évoluer à partir de l'observabilité partielle, du raisonnement temporel et des objectifs coopératifs dans des environnements multi-agents incarnés. Nous rendrons publics toutes les données, le code et les modèles.

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.