گروه علمی: محققان موسسه فناوری کالیفرنیا در آمریکا، در بررسیهای خود روی الگوریتمهای یادگیری تقویتی متا، به چگونگی انطباقپذیری مغز در برخورد با پیچیدگی و تردیدهای تصمیمگیری یا یادگیری موضوعی پی بردند.
محققان آمریکایی توانستند مکانیسمهای محاسباتی و عصبی مغز انسان هنگام یادگیری تقویتی متا را شناسایی کرده و یکی از بخشهای اصلی هوش انسان را وارد الگوریتمهای هوش مصنوعی کنند. یادگیری تقویتی، فرایندی است که در آن افراد با پردازش پاداشها و تنبیهها در سطح عصبی بهمرور یاد میگیرند، از میان انواع کارها، بهترین آنها را انتخاب کنند.محققان با شناخت این سازوکار مغز در یادگیری تقویتی میتوانند الگوریتمهایی تولید کنند تا این نوع یادگیری را تقلید کرده و کارکرد هوش مصنوعی را افزایش دهند.یادگیری تقویتی در انسان بهطور ذاتی پیچیده است و فرایندی پویا دارد و شامل هدفگزینی، انتخاب استراتژی، گزینش عمل، اصلاح استراتژی، تخصیص منابع شناختی و غیره است. معمولا محیطزیست که به سرعت در حال تغییر و تحولات چندجانبه است، انسان را با مشکلات چالشبرانگیزی مواجه میکند و او قبل از اینکه فرصتهای خوب خود را از دست بدهد یا حتی بتواند اطلاعات زیادی جمعآوری کند، باید فورا تصمیمگیریهای صحیح و مهمی انجام دهد.این روش برخلاف یادگیری عمیق (هوش مصنوعی) هنگام تصمیمگیری و یادگیری است. در این یادگیری به اطلاعات متعددی نیاز است تا ماشین مجهز به هوش مصنوعی، بتواند تصمیمگیریهای پیچیده را انجام دهد. محققان با شناسایی مکانیسمهای عصبی و محاسباتی مغز در انجام دادن وظیفه پیچیده تصمیمگیریهای مهم امیدوارند که بهزودی سیستمهای هوشمند مصنوعی که به اندازه مغز در تصمیمگیری توانا باشند، تولید کنند. الگوریتمهای هوش مصنوعی که توانایی تقلید مکانیسمهای عصبی و محاسباتی مغز را در مواقع تصمیمگیریهای مهم و فوری داشته باشند، میتوانند زندگی انسان را بیش از هر زمان دیگر راحتتر کنند.