Self-play for human-agent communication

Abstract

Les systèmes multi-agents fournissent un cadre pour jouer avec une population d’agents afin de simuler un comportement humain dans des environnements artificiels. Ils nous permettent de former des agents artificiels en utilisant le jeu en autonomie afin qu’ils puissent développer des stratégies pour résoudre des problèmes tout en collaborant/en rivalisant avec d’autres agents dans un environnement. La communication multi-agent imite cette configuration où les agents sont formés pour développer des langages émergents qui sont ensuite utilisés pour résoudre des tâches coopératives (ou mixtes). L’objectif final est de combler le fossé entre ces langages émergents et le langage naturel pour une communication efficace avec les humains. Ce travail vise à augmenter les agents artificiels avec la capacité d’utiliser et de comprendre le langage naturel. À cette fin, je présente quelques articles qui explorent différentes facettes de ce problème de recherche. J’étudie et propose des algorithmes qui montrent comment les populations et le jeu autonome peuvent aider à l’apprentissage de diverses stratégies qui peuvent faciliter la communication homme-agent. Multi-agent systems provide a framework to play with a population of agents to simulate human-like behavior in artificial environments. They allow us to train artificial agents using self-play so that they can develop strategies to solve problems while collaborating/competing with other agents in an environment. Multi-agent communication imitates this setup where agents are trained to develop emergent languages that are then used to solve cooperative (or mixed) tasks. The eventual goal is to bridge the gap between these emergent languages and natural language for efficient communication with humans. This work aims to augment artificial agents with the capability to use and understand natural language. To this end, I present three articles that explore different facets of this research problem. I investigate and provide algorithms that show how populations and self-play can help in learning diverse strategies that can facilitate human-agent communication.