في عالم الذكاء الاصطناعي، تشكل كيفية اتخاذ القرارات تحديًا كبيرًا للمختصين والباحثين. في أحدث الأبحاث، تم تقديم أسلوب جديد يُدعى الاقتراب الواعي للقرارات (Decision-Aware Approximation)، الذي يهدف إلى تحسين نتائج مسائل التحسين التركيبي الموثوق (Evidential Combinatorial Optimization).

تقليدياً، كان يتم تقليل عدد العناصر الفيلة في دالة الكتلة (Mass Function) استنادًا إلى مسافة داخلية، مثل مسافة جاكار أو جوسيلمي، للحفاظ على قرب الاقتراب من الأصل كأساس من الأدلة. لكن الباحثين اعتمدوا نهجًا مختلفًا، حيث ركزوا على جودة القرار الناتج بدلاً من القرب التقليدي.

يتضمن هذا الابتكار تقريبًا يحافظ على الجودة المحددة للقرار، بحيث يمكن اتخاذ قرارًا باستخدام التقريب الأرخص وتقييمه وفقًا لدالة الكتلة الحقيقية. في حالات المسار الأقصر، يظهر أن الاقتراب العادي قد يغير القرار، بينما الاقتراب الواعي للقرارات يحافظ عليه.

أثبت الباحثون أن هذا الأسلوب يقلل من حدوث تغيير في القرار بنسبة ملحوظة في نماذج عشوائية، كما تم تحويل هذا الإجراء إلى برنامج ديناميكي دقيق للحالات الخلوية، وتم توسيعه إلى نسخة على الإنترنت تقوم بقص العناصر الفهمية قبل معرفة التكلفة النهائية.

تشير النتائج إلى أن الاقتراب الواعي للقرارات يُفضل على التقريبات التي تُركز على التمثيل، حيث يقلل من تعديل القرارات بشكل ملحوظ. هذه الدراسة ليست فقط خطوة كبيرة نحو تحسين فعالية خوارزميات الذكاء الاصطناعي، بل أيضًا تمثل إضافة قيمة إلى الأدوات المستخدمة في التحسينات التخطيطية.