ومع ذلك، ورغم هذه الشكوك، يقدم البحث الجديد الذي تم نشره في الأرشيف العلمي (arXiv) إطار عمل جديد يسمى "مستوى الكفاءة الموزعة (Amortized Efficiency Threshold - AET)" والذي يُقدِّم توضيحًا واضحًا للفجوة بين الحلول العصبية والخوارزميات التقليدية، وكيفية كسر هذه الفجوة في سياقات معينة.
ما هو مستوى الكفاءة الموزعة (AET)؟
يُعرَّف مستوى الكفاءة الموزعة على أنه الحجم التوزيعي الذي تزداد عنده كفاءة الحلول العصبية لتساوي كفاءة الخوارزميات التقليدية من حيث إجمالي الطاقة أو الكربون المستخدم، تحت قيود واضحة على جودة الحلول. تقدم هذه الدراسة دليلاً على أن نسبة الطاقة المطلوبة بين الحلول العصبية والخوارزمية التقليدية تصل إلى ثابته أقل من واحد كلما كانت الحلول العصبية أكثر كفاءة في الحالات الفردية.
نتائج الدراسة:
تم تطبيق هذا الإطار على تحدي تحسين مسارات التسليم المتعددة (Multi-Task VRP - MTVRP) بوجود 20 عميلًا عبر 19 نموذج مشكلة وخمسة بذر تدريب، مع استخدام أسلوب الخوارزمية التقليدية المعروفة عبر PyVRP. النتائج أظهرت أن النقطة المحورية للتداخل بين الحلول العصبية والخوارزميات التقليدية تقترب من $1.58 imes 10^5$ حالة موزعة، مع نسبة 0.41 لكل حالة فردية.
هذا التطور يعكس حجم المشاكل المتوسطة التي تم اختبارها، مما يفتح الآفاق للبحث المستقبلي حول تحسين كفاءة الحلول العصبية في سياقات أكبر.
كيف ترى الفجوة بين الحلول العصبية والخوارزميات التقليدية في المستقبل؟ شاركونا آراءكم في التعليقات.