في عالم تحسين الدوال السوداء (Black-box Optimization)، تعتبر التحديات المرتبطة بتكلفة الوظائف ووجود ميزانية تقييم محدودة من القضايا الشائكة. وعادةً ما يتم استخدام تحسين الوكلاء (Surrogate Optimization) كحل، لكن طبيعة هذه الطريقة، بسبب تعقيد نماذجها وأساسياتها، غالباً ما تفتقر إلى الشفافية والفهم الواضح.

على الرغم من أن الأدبيات الحالية تركز بشكل كبير على تحسين فرص الوصول إلى القيم المثلى العالمية، إلا أن الفهم العملي للإستراتيجيات المقترحة حديثاً لا يزال موضوعاً غير مستكشف جيداً، خصوصاً في البيئات ذات التقييمات الدفعة.

تقدم هذه الورقة البحثية مجموعة جديدة من القياسات تدعى "قياسات الشرح الشاملة لتحسين الوكلاء (IEMSO)"، الخاصة بتعزيز الشفافية والثقة في عملية تحسين الوكلاء. تهدف هذه القياسات لـ:
- توفير تفسيرات واضحة أثناء وبعد عمليات التقييم المكلفة.
- تقسيم القياسات إلى أربع فئات رئيسية، تهتم كل منها بجانب محدد من عملية تحسين الوكلاء؛ وهي: قياسات نواة العينة، خصائص الدفعة، قياسات عملية التحسين، وأهمية الميزات.

تظهر التجارب التي تم إجراؤها ضمن الدراسة الإمكانيات الكبيرة لهذه القياسات عبر مختلف المعايير المستخدمة, مما يعزز الفكرة أن الشفافية والثقة في تطبيقات الذكاء الاصطناعي ليست مجرد أمانة نظرية، بل يمكن تحقيقها من خلال خطوات عملية.

إن فهم كيفية تعزيز هذه العوامل يمكن أن يمنح المختصين الأدوات اللازمة لبناء ثقة أكبر في النماذج والحلول المعتمدة على الذكاء الاصطناعي، مما يؤدي إلى تحسين النتائج.