Il MIT ha sviluppato un metodo per addestrare modelli di IA basati sull’apprendimento per rinforzo, migliorandone l’affidabilità in contesti complessi e variabili come la gestione del traffico urbano.
La tecnica, chiamata Model-Based Transfer Learning (MBTL), si concentra su un sottoinsieme strategico di compiti, massimizzando le prestazioni complessive e puntando a ridurre drasticamente i costi di addestramento. Test su scenari simulati hanno dimostrato un’efficienza da cinque a cinquanta volte superiore rispetto agli approcci tradizionali.
L’algoritmo potrebbe trovare applicazione in settori come la mobilità intelligente, con l’intento di prendere decisioni più efficaci e sostenibili con un minor impiego di risorse computazionali.
Leggi l’articolo completo: MIT researchers develop an efficient way to train more reliable AI agents su news.mit.edu.
Immagine generata tramite DALL-E 3.
