محققان در مقالهای جدید، چالش بزرگ «عدم قطعیت» در یادگیری تقویتی آفلاین (Offline RL) را هدف قرار دادهاند. در این روش، با معرفی تکنیک «Posterior Hybrid Bayesian Belief» (به اختصار PhyB)، مشکل پیچیدگی محاسباتی در مدلهای بیزی حل شده است.
این روش جدید به هوش مصنوعی اجازه میدهد تا با استفاده از مدلهای ترکیبی، بهتر از گذشته دادههای محدود را تحلیل کرده و به عملکردی خیرهکننده در محیطهای تست دست پیدا کند. این دستاورد گامی مهم برای بهینهسازی سیاستهای هوش مصنوعی بدون نیاز به تعامل آنلاین است.
منبع: arXiv AI