Angeliki Lazaridou é uma cientista de pesquisa no Google DeepMind em Londres, conhecida por seu trabalho em fundamentar modelos de linguagem de grande escala em ambientes interativos e sistemas multiagentes. Sua pesquisa situa-se na interseção de processamento de linguagem natural, aprendizado por reforço e aprendizado multimodal, com ênfase particular em como agentes artificiais podem adquirir e usar linguagem por meio de comunicação e corporificação, em vez de corpora de texto estáticos.
Lazaridou concluiu seu doutorado em linguística computacional na Universidade de Toronto, onde foi orientada por Suzanne Stevenson e trabalhou em representação semântica e aquisição lexical. Posteriormente, ocupou uma posição de pós-doutorado na Universidade de Oxford antes de ingressar na DeepMind (agora parte do Google DeepMind) em 2016. Na DeepMind, tornou-se uma figura de destaque no estudo da comunicação emergente, explorando como agentes desenvolvem suas próprias linguagens para resolver tarefas colaborativas.
Comunicação emergente e aprendizado multiagente
O trabalho inicial de Lazaridou na DeepMind, frequentemente em colaboração com Karl Moritz Hermann e outros, demonstrou que agentes de aprendizado por reforço poderiam desenvolver protocolos de comunicação composicionais do zero. Em uma série de artigos influentes, ela mostrou que agentes treinados para se referir a objetos em um mundo de grade poderiam evoluir linguagens que exibiam estrutura sistemática, embora essas linguagens frequentemente diferissem das linguagens humanas em eficiência e robustez. Seu artigo de 2017 "Multi-Agent Cooperation and the Emergence of (Natural) Language" (com Igor Mordatch) tornou-se uma referência fundamental para o campo, mostrando que agentes poderiam aprender a se comunicar por meio de símbolos discretos enquanto resolviam tarefas cooperativas.
Essa linha de pesquisa estendeu-se à investigação dos fatores que influenciam o surgimento de propriedades linguísticas semelhantes às humanas, como composicionalidade e ambiguidade. O trabalho de Lazaridou destacou os trade-offs entre sucesso comunicativo e complexidade linguística, e ela contribuiu para entender quando e por que agentes desenvolvem convenções compartilhadas. Suas descobertas têm implicações para o design de sistemas de IA mais interpretáveis e controláveis, bem como para teorias da evolução da linguagem.
Fundamentando linguagem em contextos multimodais e corporificados
Um tema central da pesquisa de Lazaridou é a fundamentação - conectar símbolos linguísticos a experiências perceptuais e físicas. Ela trabalhou no alinhamento de modelos de visão-linguagem com representações textuais, permitindo que agentes raciocinem sobre imagens e vídeo por meio da linguagem. Em um artigo de 2021, ela e colegas introduziram um método para fundamentar modelos de linguagem em mundos visuais, treinando-os em dados pareados de imagem-texto, melhorando sua capacidade de responder a perguntas visuais e gerar legendas descritivas.
Mais recentemente, Lazaridou focou em fundamentar modelos de linguagem de grande escala em ambientes interativos, como jogos baseados em texto e mundos simulados. Este trabalho visa ir além dos dados de pré-treinamento estáticos, permitindo que modelos aprendam com feedback, exploração e interação social. Ela esteve envolvida em projetos que usam aprendizado por reforço para ajustar modelos de linguagem para comportamento orientado a objetivos, incluindo tarefas como navegação e uso de ferramentas, que exigem tanto compreensão linguística quanto planejamento.
Contribuições para segurança e avaliação de IA
Lazaridou também contribuiu para a avaliação e segurança de modelos de linguagem de grande escala. Ela coautorou trabalhos sobre medição da precisão factual e consistência de texto gerado, e sobre detecção e mitigação de vieses nas saídas de modelos. Sua perspectiva enfatiza que a fundamentação em interações do mundo real pode reduzir alucinações e melhorar a confiabilidade, pois os modelos são forçados a alinhar sua linguagem com estados observáveis.
Em 2023, ela participou de discussões e publicações sobre os desafios de alinhar sistemas de IA generativa com valores humanos, particularmente em configurações multiagentes onde modelos devem coordenar entre si e com pessoas. Ela argumentou pela importância de estudar a comunicação como um meio de alcançar objetivos compartilhados, em vez de meramente como uma tarefa de correspondência de padrões.
Publicações selecionadas e reconhecimento
O trabalho de Lazaridou foi publicado em veículos de destaque, incluindo a Conference on Neural Information Processing Systems (NeurIPS), a International Conference on Learning Representations (ICLR) e a Association for Computational Linguistics (ACL). Seus artigos receberam milhares de citações, e ela é uma palestrante convidada frequente em workshops sobre comunicação emergente e IA interativa.
Ela atuou como chair de área para grandes conferências de NLP e aprendizado de máquina e orientou numerosos estagiários e estudantes no Google DeepMind. Sua pesquisa foi apresentada em veículos de divulgação científica popular, destacando as maneiras surpreendentes pelas quais agentes de IA desenvolvem suas próprias linguagens.
Direções atuais
A partir de 2025, Lazaridou continua explorando como modelos de linguagem de grande escala podem ser incorporados em agentes corporificados que percebem, agem e se comunicam em ambientes dinâmicos. Seus projetos recentes envolvem aprendizado por reforço multiagente com negociação e cooperação semelhantes às humanas, bem como o uso de modelos de mundo para melhorar a compreensão da linguagem. Ela permanece uma defensora vocal de abordagens interdisciplinares que combinam insights da linguística, ciência cognitiva e ciência da computação.
Seu trabalho é amplamente visto como uma ponte entre modelos de linguagem estáticos e a inteligência interativa e fundamentada necessária para aplicações do mundo real, como robótica, assistentes virtuais e sistemas de IA colaborativos.