في عالم الذكاء الاصطناعي، تبرز أهمية القدرة على اتخاذ القرارات السليمة، خصوصاً في حالات التفكير الهرمي (Hierarchical Reasoning). كثيراً ما تحدثفشلًا في هذه النوعية من التفكير عند نقاط اتخاذ القرار الوسيطة، عندما يلتزم الروبوت باتجاه خاطئ دون إدراك أنه يفتقر إلى معلومات حرجة. في هذا السياق، طرحت دراسة جديدة مفهومًا مبتكرًا يُعرف بـ ACTION-RATING، وهو نظام يدمج عملية الاستفسار ضمن مساحة أفعال الروبوت.

تفسير هذا النظام يكمن في كيفية تفاعل الروبوت مع المعلومات المتاحة له. بدلاً من اعتبار طلب المساعدة كآلية للقلق الخارجي، يقوم الروبوت بتصنيفه كجزء من سلم إجرائي مشترك يتنافس فيه الاستفسار مع إجراء العمل في كل نقطة قرار. وبذلك، تصبح طلبات المساعدة مرئية خلال حالات الوساطة.

تنشأ من تصنيفات الروبوت ثلاثة أوضاع البحث عن المعلومات: الوضع الإلزامي (حيث لا يوجد أي فرع قابل للتطبيق) والوضع الفرصي (حيث لا تزال هناك حالة من عدم اليقين رغم وجود مرشح رئيسي). عند فحص تطبيقات عملية على تصنيف الجدول الزمني للتعريفات المنسقة، الذي يتضمن 30,000 نقطة، تم ملاحظة تحول كبير من الطلب الإلزامي إلى الطلب الفرصي. ومن المثير للاهتمام أن فعالية البحث المعلوماتي (Information-Seeking Effectiveness) قد ازدادت بشكل ملحوظ، حيث وصلت إلى 74% مقارنةً بـ 50% في السابق.

أظهرت الاختبارات الاستنتاجية أنه حتى حينما تتدهور جودة الإجابات، لا يزال نمط السعي للحصول على المعلومات يظل قائماً، مما يدعم الفكرة القائلة بضرورة وجود فاصل تجريبي بين الطلب للمساعدة وجودة المساعدة المتلقاة. تحت ظروف التحكم في قنوات الإجابات، تم تسجيل زيادة في الدقة بلغت 16.2%، مما يشير إلى إمكانية الاستفادة الكبيرة من التحسينات في تحديد المواقع.

باختصار، تشير هذه الدراسات إلى مستقبل مثير وواعد لنظم الذكاء الاصطناعي، حيث ستحسن من قدرتها على طلب الدعم عند الحاجة، مما يسهل اتخاذ القرارات السليمة.