پژوهشگران در مطالعهای تازه، قدرت «سیاستهای برنامهپذیر» (PERL) را در مقابل شبکههای عصبی سنتی (NERL) در یادگیری تقویتی تکاملی محک زدند. نتایج جالب است: مدلهای برنامهپذیر نهتنها تفسیرپذیرتر هستند، بلکه در محیطهای شبیهسازی حیات مصنوعی (ALife)، نرخ بقای بهمراتب بالاتری را نسبت به مدلهای عصبی از خود نشان دادند! 📈
این تحقیق نشان میدهد که گاهی ساختار منطقی و کدنویسی شده میتواند از پیچیدگیهای «جعبه سیاه» شبکههای عصبی پیشی بگیرد و تحولی در طراحی عاملهای هوشمند ایجاد کند. 🧬
منبع: arXiv Machine Learning