Uma equipe internacional desenvolveu um modelo de inteligência artificial capaz de planejar ações sem explorar sistematicamente todas as soluções possíveis. Inspirado em mecanismos associados ao hipocampo, o sistema combina mapas cognitivos, cálculos aleatórios e elementos reutilizáveis para progredir em direção a um objetivo.
Os mapas cognitivos representam as relações entre objetos ou situações de forma geométrica. Eles fornecem ao modelo uma espécie de direção geral. Ele pode então testar etapas intermediárias, manter aquelas que o aproximam da meta e abandonar rapidamente os caminhos menos promissores.
Essa abordagem também se baseia em uma amostragem neuronal. O sistema gera vários cenários possíveis sem calcular cada trajetória até o fim. Em seguida, ele avalia a orientação deles no mapa cognitivo, antes de seguir com as opções consideradas mais úteis.
Os pesquisadores acrescentam uma organização dita composicional. As informações e os planos são divididos em elementos que podem ser reutilizados em diferentes situações. Esse princípio permite que o modelo monte uma nova estratégia a partir de componentes já disponíveis, em vez de recomeçar inteiramente seu aprendizado.
O dispositivo foi testado em três categorias de tarefas. Ele deveria navegar em um espaço bidimensional, orientar-se em um ambiente abstrato com várias dimensões e, em seguida, montar e desmontar uma silhueta composta por diferentes peças.
Segundo os autores, o modelo também pode se adaptar quando a situação muda, sem exigir um novo treinamento completo. Essa capacidade pode interessar a robôs, veículos autônomos ou dispositivos que funcionam localmente com recursos limitados.
Os pesquisadores também apresentam seu método como muito menos intensivo em energia do que redes neurais multicamadas ou grandes modelos de linguagem.
A equipe não busca, portanto, reproduzir todas as funções de uma inteligência artificial generalista. Ela propõe, em vez disso, uma arquitetura especializada para planejamento e resolução de problemas.