تا به حال فکر کردهاید که اگر هوش مصنوعی نتواند کل محیط اطرافش را ببیند، چگونه باید یاد بگیرد؟ در محیطهایی که دسترسی به تمام اطلاعات نداریم (Partial Observability)، یادگیری تقویتی به دلیل نیاز به حافظه و محاسبات سنگین بسیار چالشبرانگیز است.
محققان در مقاله جدیدی، معماری «Recurrent Trace Units» (RTU) را معرفی کردهاند که یادگیری تقویتی را در حالت «جریان داده» (Streaming) ممکن میکند. این روش اجازه میدهد مدلها بدون نیاز به حافظه بسیار بزرگ یا آپدیتهای سنگین، دقیقاً مثل انسانها به صورت لحظهای یاد بگیرند و در محیطهای کنترلی پیچیده عملکردی عالی داشته باشند. 🤖💡
منبع: arXiv Machine Learning