Günümüzde yapay zeka, robotikten tıbba ve siyaset bilimine kadar birçok alanda kullanılıyor. Ancak bu sistemlerin eğitilmesi ve gerçek dünya koşullarına adaptasyonu zorlu bir süreç. Özellikle takviyeli öğrenme modelleri, eğitildikleri görevlerde küçük değişikliklerle bile karşılaştıklarında başarısız olabiliyor. Örneğin, trafik yönetiminde kullanılan bir yapay zeka modeli, farklı hız sınırlarına, şerit sayılarına veya trafik düzenlerine sahip kavşaklarda sorun yaşayabiliyor.
Massachusetts Teknoloji Enstitüsü (MIT) araştırmacıları, bu sorunu çözmek için Model Tabanlı Transfer Öğrenme (MBTL) adını verdikleri yeni bir algoritma geliştirdi. Bu algoritma, yapay zeka aracısını eğitmek için en etkili görevleri stratejik olarak seçiyor. Böylece, sistem ilgili görevler koleksiyonundaki tüm görevleri başarıyla yerine getirebiliyor.
Araştırmacılar, MBTL algoritmasının simüle edilmiş görevlerde standart yaklaşımlardan 5 ila 50 kat daha etkili olduğunu belirterek, ''Bu verimlilik artışı, algoritmanın daha hızlı ve daha iyi çözümler öğrenmesine yardımcı olarak yapay zeka aracısının performansını önemli ölçüde iyileştiriyor'' dedi.
Çalışmanın baş yazarı Jung-Hoon Cho, algoritmanın basitliği ve etkililiği sayesinde toplum tarafından kolayca benimsenebileceğini vurguladı.
Araştırmacılar, gelecekte MBTL algoritmasını daha karmaşık sorunlara uygulamayı ve özellikle yeni nesil mobilite sistemleri gibi gerçek dünya problemlerini çözmek için kullanılmasının hedeflendiğini söyledi.
