מסגרת בינה מלאכותית חדשה משפרת קבלת החלטות במערכות תשתית חכמות

This post is also available in: English (אנגלית)

פריצת דרך עדכנית בתחום הבינה המלאכותית מציגה שיטה יעילה יותר לניהול מערכות מורכבות שבהן פועלים מספר מקבלי החלטות בדרגות סמכות שונות — תרחיש נפוץ בתשתיות מודרניות כגון רשתות חשמל, מערכות תחבורה ורכבים אוטונומיים.

המסגרת החדשה פותחה על ידי חוקרים מאוניברסיטת Florida Atlantic, ופורסמה בכתב העת IEEE Transactions on Systems, Man and Cybernetics: Systems. מטרת המודל היא לשקף את טבעה הלא-שוויוני של קבלת החלטות בעולם האמיתי. בניגוד למודלים מסורתיים רבים, אשר מניחים שכל הסוכנים פועלים בו זמנית ובעל שיקול דעת שווה, הגישה הזו מכירה בקיומה של היררכיה — שבה החלטות מסוימות מתקבלות תחילה, ואחרות נגזרות מהן בתגובה.

המודל נבנה על בסיס ניסוח תיאוריית המשחקים Stackelberg-Nash, שבמסגרתה "מנהיג" מבצע את המהלך הראשון, וסוכנים "עוקבים" מגיבים בצורה מיטבית לפעולה זו. מבנה זה משקף באופן מדויק יותר מערכות שבהן החלטות של סמכות מרכזית — כגון חברת חשמל או מרכז בקרה תחבורתי — משפיעות על תגובת יתר הגורמים, כך על פי TechXplore.

כדי לשפר את היעילות, החוקרים שילבו מנגנון עדכון מבוסס אירועים (Event-Triggered). בשונה ממודלים רגילים שמבצעים חישוב מחדש של החלטות בכל שלב זמן, הגישה החדשה מבצעת עדכונים רק כאשר נדרש. כך ניתן לצמצם עומסי חישוב ולחסוך באנרגיה — מבלי לפגוע בביצועים או ביציבות המערכת.

בלבה, הגישה משתמשת בשיטת למידת חיזוק (Reinforcement Learning), המאפשרת לסוכנים ללמוד ולהתאים את התנהגותם לאורך זמן בהתאם למשוב מהסביבה ולניסיון שנצבר. תכונה זו הופכת את המסגרת לרלוונטית במיוחד עבור סביבות לא ודאיות, שבהן פועלים גורמים שונים עם רמות מידע ושליטה שונות.

תוצאות הסימולציות הראו כי המודל מצליח להתמודד היטב עם אי-סימטריה, תוך שמירה על יציבות והפחתה של חישובים מיותרים. לממצאים אלו עשויה להיות השפעה ישירה בתחומים שבהם תשתיות תלויות בקבלת החלטות מהירה, מתואמת ואינטליגנטית — כמו רשתות חשמל חכמות, מערכות תחבורה מקושרות, ותפעול אוטונומי.

כעת, צוות החוקרים ממשיך לבחון את המודל בסביבות מורכבות ומציאותיות יותר, מתוך כוונה לשלב את הארכיטקטורה הזו בעתיד במערכות הדיגיטליות שמפעילות את ערי העתיד.