في عالم متسارع يُعتبر الذكاء الاصطناعي أحد أبرز الأمور، عُرضت دراسة مبتكرة حول "الاستدلال النشط الهرمي" (Hierarchical Active Inference)، وهو نموذج مُس Inspiration يتسم بالطابع العصبي لاستنتاج الأفعال استنادًا إلى مبدأ الطاقة الحرة (Free Energy Principle).

تخدم الدراسة أكاديمية الذكاء الاصطناعي من خلال توفير إطار موحد لفهم عمليات الإدراك والعمل والتعلم في الدماغ، حيث تم استخدام الاستدلال النشط سابقًا في مهام بيئية مهمة مثل التنقل والتخطيط، إلا أن تعدد مستويات التحديات الكبيرة لا يزال يقف عائقاً أمام تطبيقه في بيئات العالم الواقعي.

تستند الدراسة إلى بُنية معقدة تحت ظروف متفاوتة، حيث تقدم نموذجًا للتخطيط يعتمد على الاستدلال النشط الهرمي، والذي يدمج بين تمثيلات بيئية هرمية وتمثيلات وراثية (Successor Representations) لتسهيل التخطيط بكفاءة.

تُظهر النتائج كيف يمكن استخدام تمثيلات الوراثة ذات المستويات الأقل لتعلم حالات تجريدية أعلى، حيث تساهم عمليات التخطيط المعتمدة على الاستدلال النشط في تلك المستويات الأقل لتسريع تعلم الإجراءات المجردة والمتقدمة. كما تبرز النتائج قدرة هذه الحالات المجردة والأفعال المستنبطة على تسريع عمليات التخطيط بشكل ملحوظ.

تم اختبار هذا النهج على عدة مهام تشمل مشكلات التخطيط والتعلم بالتعزيز (Reinforcement Learning) مثل مهمة "الغرف الأربع" المعروفة، ومهمة التنقل المعتمد على المفاتيح، وغيرها من التحديات.

باختصار، تمثل هذه النتائج كما نعلم التطبيق الأول للكفاءات المستنبطة في الاستدلال النشط في نظريات عمل الدماغ المعتمدة على مبدأ الطاقة الحرة، مما يفتح آفاقًا جديدة لفهم الديناميات المعقدة للتعلم والإدراك في أنظمة الذكاء الاصطناعي.