Araştırmacılar, kendi kendine öğrenen ajanlar için GAI'nin resmi bir temelini önerdiler

Araştırmacılar, politikaların yinelemeli iyileştirilmesini ve rekürsif öz-eğitimini (RSI) tanımlamak için tek bir matematiksel yapı sunan Genelleştirilmiş Aracılı Yineleme (GAI) adlı bir çalışma yayınladılar. Yazarlar, klasik öğrenme yöntemlerini, otonom zeka gelişimi kavramlarıyla birleşik bir paradigma altında birleştirmeyi amaçlıyorlar.

GAI'nin temelinde, değiştirilebilir bileşenlerin bir konfigürasyonu olarak bir aracın modeli yatmaktadır, burada öğrenme süreci, bir döngüsel algoritma olarak değerlendirme ve sonraki optimizasyon olarak temsil edilir. Sistem, iki ana parametre kullanır: iyileştirme mekanizmasının konumu (aracın içinde veya dışında) ve sonuçların değerlendirilmesi için dış bir koordinat sistemi varlığı. Bu değişkenler, sistemleri, sabit hedeflerden tamamen öz-referanslı yapılara kadar, onların polaritesine göre sınıflandırmaya olanak tanır.

Önerilen yaklaşım, klasik yinelemeli politika iyileştirilmesi (GPI) ve rekürsif öz-mükemmelleştirme arasındaki farklılıkları formalize etmeyi sağlar. Yazarlar, mevcut mimarilerin sistematize edilmesi için GAI'yi kullanır, bu da, belirli koşullara göre öz-eğitim süreçlerindeki eksiklikleri belirleme olanağı sağlar. Bu, farklı sistemlerin tek bir koordinat ölçeğinde karşılaştırılmasına olanak tanır.

Çalışma, gelecekteki otonom aracilerin analizi ve tasarımı için temel bir temel oluşturmayı amaçlamaktadır. Aracın öz-değişime uygun koşullarının formalizasyonu, "hedef kayması" sorunlarının önlenmesine ve sistemlerin uzun vadeli davranışlarının öngörülebilirliğine yardımcı olur. Araştırma, CC BY-NC-ND 4.0 lisansı altında mevcuttur.