Angeliki Lazaridou es una investigadora científica en Google DeepMind en Londres, conocida por su trabajo sobre la base de modelos de lenguaje de gran escala en entornos interactivos y sistemas multiagente. Su investigación se sitúa en la intersección del procesamiento del lenguaje natural, el aprendizaje por refuerzo y el aprendizaje multimodal, con un énfasis particular en cómo los agentes artificiales pueden adquirir y utilizar el lenguaje a través de la comunicación y la encarnación, en lugar de corpus de texto estáticos.
Lazaridou completó su doctorado en lingüística computacional en la Universidad de Toronto, donde fue asesorada por Suzanne Stevenson y trabajó en representación semántica y adquisición léxica. Posteriormente ocupó un puesto posdoctoral en la Universidad de Oxford antes de unirse a DeepMind (ahora parte de Google DeepMind) en 2016. En DeepMind, se convirtió en una figura destacada en el estudio de la comunicación emergente, explorando cómo los agentes desarrollan sus propios lenguajes para resolver tareas colaborativas.
Comunicación emergente y aprendizaje multiagente
El trabajo temprano de Lazaridou en DeepMind, a menudo en colaboración con Karl Moritz Hermann y otros, demostró que los agentes de aprendizaje por refuerzo podían desarrollar protocol de comunicación componenciales desde cero. En una serie de artículos influyentes, mostró que los agentes entrenados para referirse a objetos en un mundo de cuadrícula podían evolucionar lenguaje que exhibían una estructura sistemática, aunque estos lenguajes a menudo diferían de los lenguajes humanos en su eficiencia y robustez. Su artículo de 2017 "Multi-posalidad y la emergencia del lenguaje (natural)" (en colaboración con Igor Mordatch) se convirtió en una referencia fundacional para el campo, demostrando que los agentes podían aprender a comunicarse a través de símbolos discretos mientras resolvían tareas cooperativas.
Esta línea de investigación se extendió a investigar los factores que determinan la aparición de propiedades lingüísticas similares a las humanas, como la composicionalidad y la ambigüedad. El trabajo de Lazaridou destacó las complementaciones entre el éxito comunicativo y la complejidad del lenguaje, y contribuyó a comprender cuándo y por qué los agentes desarrollan convenciones compartidas. Personajes implicaciones para que el diseño de sistemas de IA más interpretables y controlables, así como para las teorías de la evolución del lenguaje.
Grounding del lenguaje en ámbitos multimodales y encarnados
Un tema central de la investigación de Lazaridou el grounding, es decir, conectar símbolos lingüísticos con experiencias sensoriales y físicas. Ha trabajado en combinar los modelos de visión y lenguaje con representaciones textuales, lo que permite a los agentes razonar sobre imágenes y vídeos a través del lenguaje. En un artículo de 2021, ella y sus colegas introdujeron un método para basar los modelos de lenguaje en base al mayor por medio de díadas de diálogo imagen-texto, mejorando los que los agentes puedan responder a preguntas visuales y generar capt orientados descriptivos y precisos.
Esto ha abordado la necesidad de base de modelos de lenguaje de gran escala en entornos de comunitación directa, como juegos basados en texto y mundos simulados, métodos que van más allá de los datos de preentrenamiento de datos estáticos, capturando las capacidades de aprendizaje desde el retroalimentación, la exploración y la interacción social. Ha participado en proyectos que emplean el aprendizaje por refuerzo para la sintonización de modelos de lenguaje para una conducta orientada a objetivos, en tareas como la navegación y el uso de herramientas, que requieren tanto compro unión lingüística como planificación.
Contribuciones a la seguridad y la evaluación de la IA
Lazaridou también ha contribuido a la evaluación y la seguridad de los modelos de lenguaje de gran escala. Ha sido coautora de trabajos sobre la medición de la exactitud y la consistencia fact orientadas de los datos generados período veces, así como la minigación de sesgos en las salidas del modelo. Su evaluación de la interpretación pone de relieve que el basamento en interacciones del mundo real puede reducir la alucinación y mejorar la fiabilidad, ya que las ego estimosos se ven obligados a alinearse con los estados observables.
En 2023, participó en conferencias y publicaciones sobre los desafíos de alinear los sistemas de IA generativa con los valores humanos, particularmente en entornos multiagente, donde los modelos deben coordinarse entre sí y con las personas. Defendió la importancia de estudiar la comunicación como un medio para lograr objetivos doyí seguro de grupo, no solo como una tarea de correspondencia de patrones.
Publicaciones seleccionadas y reconocimientos
El trabajo de Lazaridou ha sido publicado en medios de alto prestigio, entre ellos la Conferencia sobre Sistem de Procesamiento de Información Neural (NeurIPS), la Conferencia Internacional sobre Representación de Aprendizaje (ICLR) y la Asociación de Lingüística Computacional (ACL). Sus artículos han recibido miles de citas, y es una ponente frecuente en talleres sobre la representación informática computacionalo y la IA interactiva.
También ha sido buscada como organizadora de áreas en acceso y seminarios mayores de PLN y aprendizaje automático, y ha compartido su experiencia con numeros pasantes y estudiantes en Google DeepMind. Gracias a su investigación destacada en destacad visores de divulgación científica, ha revelado cómo los términos de los agentes de IA pueden desarrollar su propio lenguaje.
Direcciones actuales
A partir de 2025, Lazaridou sigue explorando las posibilidades de integrar los modelos de lenguaje de gran escala en agentes encarnados que lean, actúen y se comuniquen en entornos dinámicos. Sus proyectos más recientes involucran el aprendizaje por refuerzo multiagente con negociación y cooperación humana, así como el uso de modelos del mundo para mejorar la comprensión del lenguaje. Continúa defendiendo con firmeza el enfo que combina de los campos de la lingüística, la ciencia cognitiva y la informática.
Su trabajo se considera ampliamente como un puente entre los modelos de lenguaje estáticos y la inteligencia interactiva y basada en contextos requeridos para aplicaciones reales, como la robótica, los asistentes virtuales y los sistemas de IA colaborativa.