به گزارش کارگروه فناوری اطلاعات سایبربان، محققان دانشگاه تهران روشی را توسعه داده‌اند که به چندین عامل هوش مصنوعی اجازه می‌دهد بدون تکیه بر یک کنترل‌کننده مرکزی، یادگیری و تصمیم‌گیری کنند.
این تحقیق که در مجله تراکنش‌های IEEE در کنترل خودکار (IEEE Transactions on Automatic Control) منتشر شده است، توسط علی کاهه و حامد کبریایی از دانشکده مهندسی برق و کامپیوتر این دانشگاه انجام شده است.
چارچوب این محققان به مسائل یادگیری تقویتی چندعاملی مشارکتی می‌پردازد که در آن عامل‌های خودمختار در حین فعالیت تحت محدودیت‌های مشترک، یک هدف مشترک را دنبال می‌کنند. هر عامل به‌جای ارسال داده‌ها به یک سیستم هماهنگ‌کننده مرکزی، از اطلاعات محلی موجود استفاده می‌کند و با عامل‌های همسایه ارتباط برقرار می‌کند.
این روش، یک الگوریتم بهینه‌سازی اولیه - دوگانه توزیع‌شده را با معماری یادگیری تقویتی عامل - منتقد ترکیب می‌کند. همچنین، محققان به‌صورت ریاضی نشان دادند که عامل‌ها می‌توانند به اجماع برسند و الگوریتم تحت شرایط بررسی‌شده به سمت یک تعادل همگرا می‌شود.
آنها این رویکرد را با استفاده از یک سناریوی رقابت بازار مشارکتی شبیه‌سازی شده با شرایط متغیر ارزیابی کردند. این کار هنوز استقرار در ربات‌های فیزیکی، وسایل نقلیه، شبکه‌های انرژی یا سایر زیرساخت‌های عملیاتی را نشان نداده است.
کاربردهای بالقوه شامل رباتیک، سیستم‌های انرژی هوشمند، مدیریت ترافیک و محاسبات توزیع‌شده است که در آنها تعداد فزاینده‌ای از اجزای خودکار ممکن است نیاز به هماهنگی بدون ایجاد گلوگاه پردازش مرکزی داشته باشند.
