تعتبر عمليات صنع القرار جزئياً القابلة للملاحظة (POMDPs) نموذجاً أساسياً لإجراء قرارات متسلسلة في ظل عدم اليقين. ومع ذلك، كانت العديد من مشاكل التحقق والتوليف المتعلقة بهذه العمليات تعتبر غير حاسمة أو معقدة في الحل. تكشف نتائج Madani وزملائه (2003) أنه لا يوجد خوارزمية يمكنها حساب أقصى احتمالية للوصول إلى حالات مستهدفة معينة، مما يبرز فجوة كبيرة مقارنة بعمليات صنع القرار الكاملة الملاحظة (MDPs) التي يمكن حساب قيم الوصول إليها في وقت كثير أسرع.

في هذا السياق، قمنا بتقديم فئة جديدة من عمليات POMDPs المعروفة باسم POMDPs القابلة للتحديد بعدياً. تساهم هذه الإضافة التقنية في تعريف بسيط وطبيعي، حيث يمكن تحديد الحالة التالية بشكل فريد اعتمادًا على الحالة الحالية، الإجراء المأخوذ، والملاحظة المستقبلة. رغم أن الحالة الفعلية قد تظل غير مؤكدة في عمليات POMDPs، فإن خاصية القابلية للتحديد بعدياً تعني أنه بمجرد معرفة الحالة الحقيقية، ستظل معروفة إلى الأبد.

هذه الفئة الجديدة، التي تضم جميع عمليات MDPs، تضم أيضاً أمثلة كلاسيكية مثيرة للاهتمام مثل Tiger POMDP، وبالتالي تمثل واحدة من أكبر الفئات المعروفة من POMDPs، حيث يمكن تقريبه قيمة الوصول إليهم بدقة.

إن النتائج التي تم التوصل إليها في هذا البحث تمثل خطوة هامة نحو تحسين خوارزميات اتخاذ القرار في بيئات غير مؤكدة، وتفتح مجالات جديدة للتطبيقات في مجالات متعددة من الذكاء الاصطناعي. لذا، يبقى سؤال واحد، كيف يمكن أن يؤثر هذا الاكتشاف الجديد على مستقبل الذكاء الاصطناعي؟