🤖 چرا «مدل‌های جهانی» در بازی‌های ساده هم خطا می‌کنند؟

مدل‌های جهانی (World Models) که پایه و اساس هوش مصنوعی در یادگیری تقویتی (MBRL) هستند، همیشه آن‌قدرها که فکر می‌کنیم دقیق نیستند! 🎮

محققان در یک مطالعه جدید، پنج مدل مطرح (مثل DreamerV3 و DIAMOND) را در بازی کلاسیک Atari Pong تست کردند و به نتایج جالبی رسیدند:

🔹 این مدل‌ها در محیط‌های شبیه‌سازی شده دچار خطاهای عجیبی مثل غیب شدن توپ یا عدم تعامل صحیح با راکت می‌شوند.
🔹 وقتی از آن‌ها خواسته شد در محیط‌های شبیه‌سازی شده خودشان یاد بگیرند، عملکردشان به شدت افت کرد.

این تحقیق نشان می‌دهد که هوش مصنوعی هنوز در درک «مفاهیم حیاتی» (مثل تشخیص توپ و رفتار آن) ضعف دارد. محققان برای حل این مشکل، روشی به نام «Concept-Guided Spatial Regularization» را پیشنهاد داده‌اند که نویدبخش مدل‌های دقیق‌تر در آینده است. 🚀

منبع: arXiv Machine Learning