في عالم الذكاء الاصطناعي، يبرز التقييم الفعّال كأحد الجوانب الأكثر حساسية لضمان النتائج الدقيقة. بينما يمكن أن يكون التقييم قابلاً لإعادة الإنتاج بالكامل، إلا أنه قد يدعم ادعاءات خاطئة، وهو خطر يزداد في الأنظمة المغلقة حيث تحدد السياسات الحالات التي يتم زيارتها والمكونات القابلة للرصد. لذلك، تم اقتراح بروتوكول آمن للمطالبات يتضمن ثلاث خطوات مهمة لضمان موثوقية التقييمات.

1. الرفض (Refuse)


تعتبر الخطوة الأولى هي رفض إجراء التقييم في حال عدم وجود دعم كافٍ لمقارنة فعالة. حيث يجب الامتناع عن اتخاذ قرارات عندما تكون البيانات غير متاحة أو غير كافية.

التفكيك (Decompose)">2. التفكيك (Decompose)


يتضمن هذا الإجراء عدم إبلاغ النجاح أو الفشل كنمط واحد، بل تقرير العمليات بشكل منفصل. يساعد ذلك على فهم نقاط الضعف بشكل أفضل والتعامل معها.

3. التحديث (Refresh)


تعتبر الإنذارات الناتجة عن تغير التوزيع بمثابة طلبات لإبطال وإعادة حساب الخريطة المرجعية، وهذا يشير إلى أهمية التحديث المستمر للبيانات لتجنب الأخطاء.

تُظهر نتائج التجارب أن 55 من 72 وحدة في النظام تم قبولها مرجعياً، مما يعكس قيمة هذه الخطوات في توفير تقييمات دقيقة. كما أكدت التجارب أن الانفتاح على إعادة العمليات أدى إلى تقليل حالات الفشل المُواطَأة بشكل ملحوظ.

هذا النظام الجديد بين استبعاد الأخطاء والتعامل مع البيانات يجدديان العلاقة بين التقييمات والقرارات، وهو خطوة نحو ضمان مستقبل أكثر موثوقية للذكاء الاصطناعي.