في عالم الذكاء الاصطناعي، يمثل التخطيط الفعال تحديًا بارزًا، لا سيما في السياقات التي تتسم ببيانات غير مكتملة. وقد قدم الباحثون إطار العمل PIE-APT، الذي يتيح تخطيطًا ذكيًا على الرسوم البيانية الديناميكية الزمنية (Temporal Dynamic Knowledge Graphs) من خلال استخدام تقنيات استدلال متزايدة.

يهدف هذا الخبر إلى تقديم لمحة عامة عن الإطار الجديد، حيث يتكون من وحدتين رئيسيتين: PIE-Abducer، الذي يقوم بالاستدلال المباشر، وPIE-APT، الذي يتعامل مع التخطيط. باستخدام المنطق الوصفي SROIQ، يتم تمثيل الانتقالات بين الحالات كتحديثات غير أحادية، مما يساهم في الحفاظ على القابلية للتقرير وتجاوز مشكلة الاستجابات المعقدة.

يعالج PIE-Abducer قصور المعرفة من خلال تجنب العدّ الأدنى لمجموعات الأهداف، بدلاً من ذلك يعمل على حقن نفي منطقي لهدف معين، واستنباط الفرضيات الناقصة عبر نتائج رفض مباشرة. بينما تستخدم PIE-APT بنية Generate-and-Test التكرارية، مما يسمح بتوليف سلس لكل من تسلسلات الإجراءات والافتراضات الاستدلالية.

أظهرت النتائج كيف أن هذا الإطار يتفوق على المخططين التقليديين، حيث يقدم تحسينات نوعية كبيرة في القدرة على التخطيط والاستدلال، مما يمهد الطريق لدورات ذكاء اصطناعي أكثر فعالية في المستقبل.