Yapay zeka alanında önemli bir adım atan araştırmacılar, robotların birden fazla görevi eş zamanlı olarak öğrenmesini sağlayan yenilikçi bir sistem geliştirdi. SwitchMT olarak adlandırılan bu yöntem, otonom ajanların gerçek dünya ortamlarına uyum sağlama kapasitesini önemli ölçüde artırıyor.
Mevcut pekiştirmeli öğrenme yaklaşımları, robotlara birden fazla görevi aynı anda öğretmeye çalışırken görevler arası müdahale sorunu yaşıyor. Bu durum, sistemin genel performansını düşürüyor. Araştırmacılar bu sorunu çözmek için insan beyninin çalışma prensibinden ilham aldı.
SwitchMT sistemi, spiking sinir ağları adı verilen özel bir yapay sinir ağı türünü kullanıyor. Bu ağlar, gerçek nöronların elektriksel darbe üretme şeklini taklit ederek hem düşük enerji tüketimi sağlıyor hem de daha etkili öğrenme gerçekleştiriyor. Sistemin en önemli yeniliği, görevler arasında sabit aralıklarla geçiş yapmak yerine, duruma göre adaptif olarak görev değiştirme stratejisi uygulaması.
Bu yaklaşım, Deep Spiking Q-Network adı verilen gelişmiş bir ağ yapısı kullanarak, her göreve özgü bağlamsal sinyalleri işleyebiliyor. Böylece robot, hangi görevde ne zaman odaklanması gerektiğini daha akıllıca belirleyebiliyor.
Geliştirilen sistem, özellikle kaynak kısıtlı ortamlarda çalışan otonom robotlar için büyük avantajlar sunuyor ve gelecekte daha akıllı, çok yetenekli robot sistemlerinin temelini oluşturuyor.