في عالم الذكاء الاصطناعي (AI)، يعد التخطيط المشترك من أولويات التعاون بين البشر والآلات. فالتخطيط في بيئات مفتوحة غالبًا ما يتعامل مع مشكلات تتعلق بنقص المعلومات والأشياء غير المعروفة، مما يؤدي إلى فجوات معرفية تؤثر على فعالية التخطيط المشترك. هنا تأتي أهمية البحث الجديد الذي يحمل اسم Minimal Information Neuro-Symbolic Tree (MINT).

تقترح الدراسة أن MINT يمكن أن يكون الحل الأمثل لاكتشاف استراتيجيات التفاعل الفعالة للوكيلات الذكية (AI agents) لتحفيز المدخلات البشرية في التخطيط القائم على الكائنات. تبدأ MINT بإنشاء شجرة رمزية تمثل تفاعلات محتملة بين البشر والآلات، مستخدمةً سياسة تخطيط عصبية للتقدير الدقيق لعدم اليقين الموجود في النتائج الناتجة عن فجوات المعرفة.

عبر استخدام LLM (نماذج لغوية ضخمة)، يقوم النظام بالبحث وتلخيص عملية التفكير الخاصة بـ MINT، مما يمكّن من تجميع مجموعة من الاستفسارات التي تهدف إلى تحفيز المدخلات البشرية بشكل أمثل للحصول على أفضل نتائج في التخطيط. وأظهرت التقييمات على ثلاث معايير تشمل كائنات غير مرئية/غير معروفة أن التخطيط المستند إلى MINT حقق عوائد قريبة من الخبراء، مع طرح عدد محدود من الأسئلة لكل مهمة، بينما حقق تحسينات ملحوظة في المكافآت ومعدلات النجاح.

هذا الابتكار يمثل أملًا جديدًا في كيفية تعامل الذكاء الاصطناعي مع بيئات معقدة وفجوات معرفية، مما يعزز التفاعل البشري ويتيح فرصًا جديدة في مجالات متعددة.