Aprendizagem Social por Meio de Interações com Outros Agentes: Uma Revisão

A aprendizagem social desempenha um papel importante no desenvolvimento da inteligência humana. Quando crianças, imitamos os padrões de fala dos nossos pais até sermos capazes de produzir sons; aprendemos com seus elogios e repreensões, e, como adultos, aprendemos trabalhando com outras pessoas. Neste trabalho, fazemos uma revisão do grau em que esse paradigma de desenvolvimento — aprendizagem social — tem sido refletido em aprendizado de máquina. Em particular, dado que aprender socialmente requer interagir com outros, nos interessamos por como agentes incorporados podem e têm utilizado essas técnicas. Isso é especialmente relevante à luz do grau em que avanços recentes no processamento de linguagem natural (NLP) nos permitem realizar novas formas de aprendizagem social. Examinamos como o clonagem de comportamento e a previsão do próximo token espelham a imitação humana, como o aprendizado a partir do feedback humano reflete a educação humana, e como podemos avançar para permitir agentes plenamente comunicativos que aprendem uns com os outros. Constatamos que, embora técnicas individuais de aprendizagem social tenham sido usadas com sucesso, houve pouco trabalho unificador mostrando como reuni-las em agentes socialmente incorporados.