Лексический консенсус: воплощенное обучение словам и общее значение у искусственных агентов

Аннотация

Системы искусственного интеллекта обычно оцениваются по производительности при выполнении задач и имитации поведения, однако такие оценки оставляют открытым вопрос, может ли искусственный агент приобретать, стабилизировать и использовать новые лексические значения на основе опыта, полученного через восприятие. В данной статье представлен Lexical Consensus — экспериментальная основа для изучения изучения слов на основе восприятия (grounded word learning) на структурированном перцептивном субстрате. Используя замороженные визуальные эмбеддинги DINOv2, неологизмы в стиле Кэрролла, интерпретируемые лексические обучающиеся модели и линейные базовые методы, мы проверяем, могут ли агенты приобретать искусственные метки для визуальных концептов, обобщать их в обоих направлениях и стабилизировать в контролируемых условиях. Основным результатом является устойчивый градиент перцептивной когерентности: нативные категории легче всего усваиваются, когерентные сверхобобщения остаются изучаемыми, дизъюнктивные концепты среднего уровня ухудшаются, а дальние дизъюнктивные концепты приближаются к случайности. Предварительно зарегистрированный эксперимент по диссоциации на CIFAR-100 подтверждает, что этот градиент определяется перцептивным расстоянием, а не семантической близостью: перцептивное расстояние предсказывает точность усвоения (частный R² = 0,245, p < 1e-7), в то время как семантическое расстояние не добавляет значимой объяснительной силы (частный R² = 0,002, p = 0,660). Двунаправленная оценка показывает, что называние и поиск различны: механизмы, основанные на примерах, превосходят центроидные прототипы в задаче поиска изображений по метке, выявляя измерение точности памяти, отдельное от точности называния. Контрольные проверки на фальсификацию, оценки с однородными пулами кандидатов и нулевые результаты по реструктуризации репрезентаций указывают на то, что замороженная перцептивная геометрия как обеспечивает лексическое заземление (grounding), так и ограничивает то, что может быть усвоено без адаптации репрезентаций.

English

Artificial intelligence systems are commonly evaluated through task performance and behavioral imitation, but such evaluations leave open whether an artificial agent can acquire, stabilize, and use new lexical meanings from grounded experience. This paper introduces Lexical Consensus, an experimental framework for studying grounded word learning over a structured perceptual substrate. Using frozen DINOv2 visual embeddings, Carroll-style nonce words, and interpretable lexical learners plus linear baselines, we test whether agents can acquire artificial labels for visual concepts, generalize them bidirectionally, and stabilize them across controlled settings. The main result is a robust perceptual-coherence gradient: native categories are easiest to learn, coherent overextensions remain learnable, mid-range disjunctive concepts degrade, and far-disjunctive concepts approach chance. A pre-registered CIFAR-100 dissociation experiment confirms that this gradient is governed by perceptual distance rather than semantic relatedness: perceptual distance predicts acquisition accuracy (partial R^2 = 0.245, p < 1e-7), while semantic distance adds no significant explanatory power (partial R^2 = 0.002, p = 0.660). Bidirectional evaluation shows that naming and retrieval are distinct: exemplar-based mechanisms outperform centroid prototypes in label-to-image retrieval, exposing a memory-fidelity dimension separate from naming accuracy. Falsification controls, homogeneous candidate-pool evaluations, and null results on representational restructuring indicate that frozen perceptual geometry both enables lexical grounding and limits what can be acquired without representational adaptation.