في عالم الذكاء الاصطناعي، تحتاج الأنظمة المتكيفة إلى طرق مبتكرة لتحقيق التطور المستدام. يُعَدُّ التقليد (Imitation) أحد المفاتيح الأساسية لهذا الغرض، حيث يتيح للأنظمة الفعالة التميز في التعامل مع التحديات الجديدة من خلال التعلم من التجارب الناجحة.

لقد تم تناول هذا الموضوع في بحث حديث، حيث تم تقديم نموذج لتقليد التجارب الناجحة من دون الحاجة إلى تحديد أي جزء من الخبرة يجب إصلاحه. يتمثل هذا النموذج في "التقليد السلبي" (Passive Imitation) كحلقة معمارية. تبدأ العملية بتحديد العقدة المنتهكة، ثم يتم استخراج الهدف المحلي، واقتراح مهارة متناسبة مع التأثير، واختبار التصحيح المقترح، وأخيراً الاحتفاظ بالأدلة بعد التحقق الكامل من المهمة.

تم تنفيذ هذه الحلقة كنموذج تحكم رمزي حتمي، وتم تحليل تعقيد الاستعلامات المتعلقة بالإصلاح تحت افتراضات التعرف الواضح وعدم التدخل. وعبر عشر عالمات أدوات محاكاة، تمكن التقليد السلبي من حل جميع المهام المتبقية التي تحتوي على برودة عددها 600، مُحققاً نسبة نجاح تقدر بـ 70% مع نموذج التنقيط الذاتي، في حين حققت نماذج السيطرة الأخرى نسب نجاح أقل بكثير.

هذه النتائج توضح أنه بدلاً من الاعتماد على حوافز فريدة أو ذكاء عام، يمكن لنموذج تصحيح محدود يحتفظ بالنتائج أن يحقق نتائج رائعة. وعبر بعض التجارب، تم الوصول إلى نسبة نجاح 100% خلال تدفق يتضمن 24 مهمة.

تجدون تفاصيل البحث وجميع نتائج الاختبارات متاحة على GitHub، الأمر الذي يعكس الجهود المستمرة في تحسين تكنولوجيا الذكاء الاصطناعي.