في عالم الذكاء الاصطناعي، تُشكل طرق التحسين تحديات كبيرة. وقد تمثل التحسين القائم على التفضيلات وحل المشكلات التوافقية (Neural Combinatorial Optimization) مناطق مثيرة للبحث. بينت الأبحاث أن الأساليب الحالية لم تستغل المعلومات الغنية الكامنة في مجموعة الحلول المعالجة بشكل كامل، مما أدى إلى ما يسمى بظاهرة "استقطاب الإشارة".

لذا، تم تقديم تقنية جديدة يُطلق عليها "SSPO"، وهي اختصار لـ "تحسين القائم على التفضيلات مع اعتبار التباين الهيكلي". تهدف هذه الطريقة إلى تصنيف جميع الحلول المعالجة من خلال نظام وزن يعتمد على عدم التوافق الهيكلي. الطريقة عمدت إلى زيادة وزن الحلول الهيكلية المتميزة، مما يساعد على مواجهة التحديات المعروفة في التحسين التقليدي.

أظهرت التجارب التي أجريت على معايير مختلفة، مثل مشكلة البائع المتجول (TSP)، أن التقنية الجديدة تحققت مكاسب ملحوظة بالمقارنة مع الطرق التقليدية. ولم يقتصر الأمر على ذلك، بل تم تطبيق تقنية SSPO في نظام تشغيل حقيقي في JD.com، مما يدل على إمكانية اعتمادها على نطاق واسع.

بهذا، تُسهم ساعة ذكاء اصطناعي جديدة في تقديم حلول أكثر ذكاءً وفائدة، مما يذكرنا بأهمية الابتكار المستمر في هذا المجال.