Nie wiesz, jak zmierzyć się z jakimś dużym problemem? Zorientuj się, jakie łatwiejsze podzadania są na drodze do celu. Polscy matematycy opracowali algorytm, który konstruuje i wyszukuje podzadania tak, by jak najoszczędniej rozwiązywać złożone problemy. Może się przydać choćby robotom.
Nasz algorytm Adaptive Subgoal Search (AdaSubS) łączy uczenie maszynowe z klasyczną algorytmiką w celu rozwiązywania złożonych zadań kombinatorycznych, takich jak układanie kostki Rubika lub dowodzenie matematycznych nierówności. Algorytm wykorzystuje wyuczone wysokopoziomowe taktyki oraz adaptuje swoje działanie do stopnia trudności zadania w danej chwili.
opisują autorzy pracy.
Publikacja zespołu polskich naukowców (z udziałem badacza z Kanady) o Adaptive Subgoal Search (dostępna w bazie arXiv oraz na stronie projektu) została doceniona na jednej z trzech najważniejszych konferencji informatycznych na świecie dot. sztucznej inteligencji – The International Conference on Learning Representations (ICLR). Pracę tę zakwalifikowano tam do najlepszych 5 proc. przyjętych prac (ang. notable-top-5 proc.). To w skali Polski wyjątkowe osiągnięcie.
BĄDŹ DZIELNY! DZIEL PROBLEMY
Nie zawsze zdajemy sobie z tego sprawę, ale przy wykonywaniu codziennych czynności stosujemy strategię dzielenia dużego zadania na mniejsze problemy.
Kiedy chcemy pójść na pocztę, mamy po drodze do osiągnięcia ileś 'kamieni milowych’. Musimy ubrać się, znaleźć klucze i portfel, wyjść z domu, wybrać drogę, którą dojdziemy na pocztę, a potem tę drogę stopniowo pokonywać itd. Jedne z tych 'kamieni milowych’ są łatwiejsze i szybsze do osiągnięcia, a czynności na tym odcinku wykonujemy niemal automatycznie, a inne wymagają więcej zaangażowania.
– opisuje w rozmowie z PAP współautor pracy dr Łukasz Kuciński z Instytutu Matematycznego PAN.
Źródło informacji: Nauka w Polsce
