Ny metod lär AI att fatta bättre beslut än de den observerar

arXiv cs.AI

Forskare föreslår en ny variant av 'invers optimering' – en teknik som försöker lista ut vilka mål en beslutsfattare egentligen optimerar för, baserat på observerade val. Istället för att lära sig efterlikna besluten strävar metoden efter att hitta en modell som konsekvent presterar bättre än de observerade besluten på varje delaspekt. I tester på både syntetisk och verklig data slår den nya metoden befintliga alternativ när det gäller att generera lösningar som faktiskt är bättre än originalbesluten.