比利時布魯塞爾自由大學人工智能（AI）實驗室和那慕爾大學團隊在一項大規模研究中証明，即使沒有人類教授語言，也沒有預設交流規則，AI智能體仍能通過反復互動，自發形成一套共享的、彼此能夠理解的詞匯體系。相關成果發表於最新一期《計算語言學學報》。

ChatGPT等大型語言模型主要通過訓練，學習和使用英語等人類語言。但人類語言植根於人的感官體驗，未必適合描述機器感知到的所有信息。如激光雷達獲取距離數據、紅外傳感器捕捉熱輻射、聲吶探測周圍物體、化學傳感器分析物質成分等。即使兩台機器配備相同類型的傳感器，實際測量結果也可能存在偏差，進一步增加彼此交流的難度。

此次研究中，團隊沒有給AI智能體准備現成的詞匯表，也沒有設置一套固定的通信編碼，而是讓它們在互動中逐步摸索。智能體可自行創造詞語、調整詞語對應的概念，並根據交流是否成功來修正表達方式。兩個智能體先進行局部交流，隨著越來越多的互動不斷累積，整個群體逐漸形成共同遵循的語言規則。

這有點像一群彼此陌生的人，在沒有統一教材的情況下，通過一次次交流慢慢約定某個詞代表什麼。不過，AI智能體形成的語言並不需要模仿人類的表達習慣，而是直接服務於它們所感知的數據和需要完成的任務。

團隊在37組不同類型、復雜程度各異的數據集上驗証了這一方法的適用性。數據涉及葡萄酒的物理化學性質、美國國家航空航天局的系外行星數據、視覺信息，以及鳥類和人臉圖像。測試表明，AI智能體成功發展出自己的詞匯體系，用於交流多種數據的信息。

這種語言也並非人類完全無法理解的“黑話”。由於每個詞語對應的概念原型能夠與底層傳感器數據建立聯系，人們可以進一步分析詞語表達的含義，了解機器究竟在交流什麼。

這一方法有望為自動駕駛汽車、機器人和工業傳感器等自主系統之間的通信提供新思路。（記者 張佳欣）