محققان در یک پژوهش جدید، محدودیتهای مدلهای دینامیک نهفته (Latent Dynamics Models) مثل «Dreamer» رو بررسی کردن. نتیجه جالب و تأملبرانگیز بود: این مدلها ممکنه در پیشبینیهای طولانیمدت دچار خطا بشن و بهجای درک واقعیت محیط، به سمت نواحی خاصی کشیده بشن که باعث میشه عملکرد خودشون رو بهتر از چیزی که هست ارزیابی کنن (تخمین بیش از حد پاداش).
این یافته نشون میده که نباید به راحتی تصور کنیم روشهای سنجش «عدم قطعیت» که در مدلهای سادهتر جواب میدن، در مدلهای پیچیده تصویری هم به همون دقت عمل میکنن. این یک گام مهم برای ساخت هوش مصنوعی قابلاعتمادتر و هوشمندتر در آینده است! 🚀
منبع: arXiv Machine Learning