محققان در مطالعهای جدید به روشی دست یافتهاند که هوش مصنوعی را در محیطهای پیچیده بسیار کارآمدتر میکند. این روش با ایجاد یک «همافزایی» بین مدلهای جهانی و عاملهای هوشمند، به مدل کمک میکند فقط اطلاعاتی را یاد بگیرد که واقعاً برای تصمیمگیری و انجام کارها (مثل رباتیک) لازم است.
به زبان ساده، بهجای اینکه مدل با دادههای اضافی و غیرضروری پر شود، روی جزئیاتی تمرکز میکند که واقعاً در کنترل و موفقیت در کارها تاثیرگذارند. نتیجه؟ رباتها و عاملهای هوشمند اکنون با سرعت و دقت بیشتری در محیطهای جدید عمل میکنند و مهارتهای جدید را بهتر یاد میگیرند. 🤖🚀
منبع: arXiv Machine Learning