في عالم الذكاء الاصطناعي، يسعى العلماء باستمرار لإيجاد تقنيات أكثر كفاءة لفهم وتحليل سلوك الأنظمة المختلفة. وقد ظهرت تقنيات التعلم المعزز القائم على التفضيلات (Preference-Based Reinforcement Learning - PBRL) كبديل واعد للهندسة التقليدية للمكافآت، حيث تعتمد على تعلم النموذج من مقارنات مسارات ثنائية بدلاً من اعتمادها على مكافآت محددة مسبقًا.

ومع ذلك، تواجه هذه التقنيات تحديًا كبيرًا في التعامل مع بيانات التفضيل التي تأتي من معلقين متنوعين تتمتع موثوقيتهم بدرجات متفاوتة، ما بين معلقين دقيقين وآخرين يتسمون بشيء من الضجيج أو حتى يستخدمون تفضيلات معادية.

لذا، قدم الباحثون نموذج TriTrust-PBRL (TTP) كإطار موحد قادر على التعلم بشكل متزامن من نموذج مكافأة مشترك ومعلمات ثقة متخصصة لكل خبير استنادًا إلى تعليقات متعددة. الفكرة الرئيسية تكمن في أن معلمات الثقة تتطور بشكل طبيعي خلال عملية تحسين التدرج، لتصبح إيجابية (ثقة)، أو قريبة من الصفر (تجاهل)، أو سلبية (عكس الموقف)، مما يمكّن النموذج من عكس التفضيلات المعادية واستخراج إشارات مفيدة بدلاً من الاكتفاء بتجاهل التعليقات غير الصحيحة.

أثبتت النتائج التجريبية أن نموذج TTP يتجاوز الطرق التقليدية في التعلم المعزز القائم على التفضيلات، حيث حقق أداءً متميزًا في مجالات متنوعة مثل مهام المناورة (MetaWorld) والحركة (DM Control)، وذلك في ظل سيناريوهات تداخل متنوعة.

بفضل TTP، لا يتم تجاهل المعلومات الهامة من قبل المدربين، بل يتم التعلم بنجاح حتى من المجموعات الخبيرة التي تضم معلقين موثوقين وآخرين معادين، وهو ما يشير إلى قدرة هذا النموذج على تحسين الأداء بشكل كبير دون الحاجة إلى ميزات إضافية معقدة من الخبراء، بل يكفي معرفة هوية المعلقين.

إذا كنتم مهتمين بمستقبل تعلم الآلة وكيف يمكن لهذه التطورات أن تغير قواعد اللعبة، نود سماع آرائكم في التعليقات!