في عالم الذكاء الاصطناعي، تعتبر نماذج العالم (World Models) أدوات قوية لمساعدة الأنظمة على تقييم الحالات المستقبلية. لكن عند التفكير في التخطيط المستند إلى النموذج، تظهر أهمية كيفية توليد الإجراءات المرشحة. هنا يأتي دور PRISM، وهو إطار عمل مبتكر تم تصميمه لتحسين كفاءة التخطيط في البيئات العالمية.

بدلاً من الاعتماد فقط على دقة النموذج في محاكاة المستقبل، يتساءل PRISM عن الإجراءات التي يجب تقييمها على أي حال. معظم الأنظمة الحالية تعتمد على طرق البحث العشوائي أو على عرض خبراء كمصدر ابتدائي فقط، متجاهلة الثقة المرتبطة بحالة الخبراء. يتطلب توجيه هذا البحث بشكل صحيح وجود أولوية قوية للإجراءات، ورغم ذلك، غالباً ما تستخدم الطرق الحالية مشفرات بصرية مستقلة أو نماذج لغوية كبيرة لتحقيق ذلك.

يقدم PRISM حلاً مبتكراً من خلال توحيد العمليات، حيث يستخرج معلومات قيمة من مجموعة بيانات واحدة، مما يحافظ على البساطة المعمارية. تبني PRISM على نموذج عالمي بسيط، حيث يربط شبكة عصبية خفيفة (MLP) بمشفره المجمد لتوقع أولوية غاوسية تعتمد على الحالة. في مرحلة التخطيط، يعمل PRISM على دمج هذه الأولوية في توزيع العينة، مما يساعد على توجيه العملية بكفاءة.

بفضل هذه الطريقة، حقق PRISM زيادة في معدلات النجاح بنسبة 35 نقطة مئوية على نموذج التخطيط العالمي التقليدي في تجربة Cube، و32 نقطة في تجربة PushT، دون إضافة العبء الكبير على الأداء. إن ما يجعل PRISM مميزًا هو أنه يوفر تكاملًا مباشرًا وفعالًا، مما يحقق نتائج مبهرة في التخطيط الذكي.

إذا كنتم من المهتمين بعالم الذكاء الاصطناعي ونماذج التخطيط، فإن التطورات مثل PRISM تمثل خطوات هائلة نحو تحسين الأداء وفتح آفاق جديدة.