في عالم الذكاء الاصطناعي، تعد القدرة على التعميم إلى السياقات الجديدة أمرًا حيويًا، وخاصة بالنسبة لعمليات صنع القرار في سياقات ماركوف (MDP). في إطار سياسة النقل بدون تمرين (Zero-Shot Policy Transfer - ZSPT) للسياقات، يتعين على الوكلاء التدريب على مجموعة ثابتة من السياقات والتكيّف مع سياقات جديدة.

أظهرت أبحاث حديثة أن التدريب على حالات إضافية، حتى وإن كانت غير ذات صلة بالمهمة الحالية، يمكن أن يُحسّن القدرة على التعميم إلى السياقات غير المرئية. ولكن، هل يأتي هذا التحسين على حساب دقة وظيفة القيمة (Value Function) التي يتعلمها الوكيل؟

تشير النتائج إلى أن زيادة تغطية الوكيل عبر التدريب على هذه الحالات الإضافية، مع تعزيز الدقة، قد يحسن التعميم بشكل أكبر. هنا يأتي دور النهج الجديد Explore-Go الذي يستلهم من استراتيجيات الاستكشاف الخالص. حيث يتم تقديم مرحلة استكشاف خالصة في بداية كل حلقة تدريب، مما يتيح للوكيل فهم السياقات بشكل أفضل.

عند دمج هذا الأسلوب مع خوارزميات معروفة، أظهرت التجارب تحسن الأداء في اختبارات التعميم، حتى في الأنظمة التي تعاني من معلومات جزئية، مما يمثل خطوة نحو تعزيز قدرات الوكلاء في بيئات معقدة.

من خلال هذا البحث، نأمل في تزويد الممارسين بتعديل بسيط يمكن أن يحسن بشكل ملحوظ قدرة التعميم لوكلائهم، مما يضع أسس جديدة لتصميم استراتيجيات الذكاء الاصطناعي القادرة على التعامل مع التغييرات الحادة في السياقات.