Yapay zeka sistemleri ideal laboratuvar koşullarında mükemmel performans gösterebilir, ancak gerçek dünya çok daha zorlu bir test sahasıdır. MIT'den araştırmacılar, sürekli bilgi akışına erişemeyen AI ajanlarının nasıl karar aldığını inceleyen çığır açıcı bir çalışma yayınladı.
Araştırma, 'zamana bağlı Markov karar süreçleri' adı verilen dinamik ortamlarda çalışan AI sistemlerine odaklanıyor. Bu sistemler, sensör arızaları, iletişim kesintileri ya da hesaplama gücü sınırları nedeniyle güncel bilgilere erişemeyebilir. Örneğin, bir otonom araç geçici olarak GPS sinyalini kaybedebilir ya da bir robot sistemin internet bağlantısı koparabilir.
Geliştirilen 'atlama güncellemeli' çerçeve, eski bilgilerle çalışmak zorunda kalan AI ajanlarının performans kaybını matematiksel olarak analiz ediyor. Sistem, mevcut verileri olasılık temelli yöntemlerle değerlendirip, sınırlı zaman diliminde en iyi kararları almaya çalışıyor.
Araştırmanın en önemli bulgusu, güncelleme sıklığı ile performans arasındaki ilişkiyi net olarak ortaya koyması. Bu, yapay zeka sistemlerinin ne kadar 'eski' bilgiyle hala güvenilir çalışabileceğinin sınırlarını belirliyor.
Çalışma, otonom sistemlerden endüstriyel robotlara, gerçek dünyada kesintisiz veri akışının mümkün olmadığı tüm alanlarda devrimsel etkiler yaratabilir.