في عالم الذكاء الاصطناعي، تُعتبر نماذج العالم أداة حيوية تساعد الوكالات على التعلم والتخطيط عبر الخيال. ولكن، قد يصبح التنبؤ في البيئات غير المعروفة غير موثوق به، مما يؤدي إلى قرارات خاطئة. هنا يأتي دور نموذج العالم الواضح (LucidWM) الذي يطرح حلاً مبتكراً.

يتمثل الابتكار في نموذج LucidWM في تعلم الشك من التجربة ونشر الثقة عبر الخيال. من خلال دمج المنطق الذاتي (Subjective Logic) في التحولات الكاتيجورية، يميز LucidWM بين النتائج المتوقعة والدعم الأدلي لها، مما يمنح كل تحول درجة من الشك.

إن الشك أيضاً يُعرّف الثقة بمستوى التحول، التي تتراكم بشكل مضاعف على طول المسارات المتخيلة لإعادة تقييم العوائد خلال تعلم السياسات وتوجيه اختيارات الإجراءات.

والجدير بالذكر أن تقدير عدم اليقين في هذا النموذج لا يتطلب أي معلمات إضافية أو عمليات تمرير للأمام، مما يعزز كفاءته بشكل كبير.

عند تقييمه على أربعة نماذج عالمية أساسية ضد سبعة عشر قراءة لعدم اليقين، تمكن LucidWM من الكشف عن التغيرات البيئية والإشارة إلى عدم اليقين أثناء الأدوار المتأثرة بالأفعال.

في دراسة حالة للتحكم في التنقل، ساعد العمل بناءً على الثقة على تقليل عدد الخطوات المطلوبة للوصول إلى الهدف من 362 إلى 190 خطوة.

يمكن مشاهدة خمسة عشر فيديو لعرض كيفية تعامل LucidWM مع شكوكه وكيفية التصرف بناءً على تلك الشكوك، ويمكن الوصول إليها عبر: https://lucidwm.github.io.