محققان در مقاله جدیدی به یکی از چالشهای بنیادین در یادگیری ماشین پرداختهاند: چگونه سیستمهای هوش مصنوعی باید تعادلی بین «کشف و شهود» (آزمایش گزینههای مختلف) و «تعهد» (انتخاب نهایی برای نتیجه بهتر) ایجاد کنند؟
این مطالعه الگوریتم جدیدی به نام RAEC معرفی میکند که به هوش مصنوعی کمک میکند تا در زمانهای حساس، بین عملکرد سریع و اهداف استراتژیک بلندمدت، بهترین مسیر را انتخاب کند. این تکنیک بهویژه در بهینهسازی پرتفوی و سیستمهای تصمیمگیرنده خودکار اهمیت بالایی دارد.
پیشرفتهای اینچنینی باعث میشود مدلهای هوشمند در دنیای واقعی، کمتر دچار «کوتاهبینی» شوند و تصمیمات هوشمندانهتری بگیرند.
منبع: arXiv Machine Learning