[{"data":1,"prerenderedAt":14},["ShallowReactive",2],{"$ffZrGo_UqHO5YOtfpjBa9WAPRGWKDDtrvOVUqtGVOxoQ":3},{"id":4,"title":5,"slug":6,"content":7,"excerpt":8,"coverImage":9,"category":10,"tags":11,"published":12,"createdAt":13,"updatedAt":13},92,"涌现通信：AI 如何自发发明\"语言\"？","emergent-communication","# 涌现通信：AI 如何自发发明\"语言\"？\n\n## 什么是涌现通信？\n\n当两个或多个 AI agent 需要协作完成任务时，它们可以**自发地发明一套\"语言\"**来交流——这不是人类教给它们的，而是从奖励信号中演化出来的。\n\n## 一个简单的例子\n\n```\n环境：两个 robot 需要在迷宫里找到彼此\nAgent A 看到：左前方有红色物体\nAgent B 看不到\n\n如果 A 发送 0.73 给 B，B 走了 3 步后找到了目标\n→ A 学会了用 [0.73] 表示\"红色物体在左边\"\n→ 这就是涌现通信\n```\n\n## 与符号语言的区别\n\n| 维度 | 涌现协议 | 符号语言 |\n|------|---------|---------|\n| 来源 | 从奖励中学习 | 人类预定义 |\n| 可解释性 | 通常不可读 | 人类可直接理解 |\n| 效率 | 往往更高 | 可能有冗余 |\n| 泛化性 | 可能过拟合当前任务 | 组合性更好 |\n\n## 为什么有趣？\n\n1. **语言起源**：人类语言是怎么来的？涌现通信提供了计算实验的窗口\n2. **AI 可解释性**：agent 发明的\"语言\"通常人类看不懂——和 LLM 的黑箱问题异曲同工\n3. **哲学意义**：最优的认知方式是否依赖符号系统？\n\n## 前沿方向\n\n- **组合性**：如何让涌现语言具有类似人类语言的组合结构？\n- **Zero-shot 通信**：新场景下还能有效沟通吗？\n- **多模态涌现通信**：用图像、动作等\"说话\"\n","当两个 AI 被放在同一环境中需要协作，它们会发明一套人类看不懂的通信协议——这叫涌现通信",null,"教程","教程, 涌现通信, 多智能体, 语言起源, 早期文章",true,"2026-03-25T00:00:00.000Z",1794201835362]