محققان در مطالعهای جدید، چارچوب نوآورانهای تحت عنوان GUMDPs (فرایندهای تصمیمگیری مارکوف با هدف کلی) ارائه دادهاند که به ایجنتهای هوش مصنوعی کمک میکند تا در محیطهای پیچیده، نه تنها بر اساس عملکرد، بلکه با در نظر گرفتن «ریسک» تصمیمگیری کنند.
این روش با استفاده از تکنیکهای پیشرفتهای مثل MCTS (جستجوی درخت مونتکارلو)، به مدلها اجازه میدهد تعادلی هوشمندانه میان بازدهی و میزان ریسکپذیری برقرار کنند. این دستاورد میتواند کاربردهای گستردهای از آموزشهای خودکار (Imitation Learning) تا بهینهسازی سیستمهای چندهدفه داشته باشد.
منبع: arXiv AI