🧠 کشف پدیده‌ای عجیب در هوش مصنوعی: وقتی مدل‌ها خودشان «کم‌حرف» می‌شوند!

محققان در یک پژوهش تازه، به رفتار جالبی در «یادگیری تقویتی» (Reinforcement Learning) برخوردند. آن‌ها متوجه شدند وقتی از شبکه‌های عصبیِ تصادفی و منجمد (Frozen Random CNNs) استفاده می‌کنیم، ایجنت‌های هوش مصنوعی به‌طور خودکار به سمت استفاده از تعداد بسیار کمی نورون (Sparsity) حرکت می‌کنند تا اطلاعات را فشرده کنند.

نکته جالب اینجاست که این سیستم‌ها بدون هیچ دستورالعملِ اضافه‌ای، فقط با چند نورون محدود، پیچیدگی‌های بازی‌هایی مثل Pong را یاد می‌گیرند! این کشف نشان می‌دهد که هوش مصنوعی می‌تواند با استفاده از «ظرفیت محدود» و بهینه‌سازیِ خودکار، بهره‌وری بسیار بالاتری داشته باشد.

این یافته‌ها به ما کمک می‌کند تا بفهمیم مدل‌های یادگیری تقویتی چطور ساختار محیط را درک می‌کنند و چرا گاهی «کم‌تر» واقعاً «بیشتر» است! ⚡️

منبع: arXiv AI