Các nhà nghiên cứu AI vừa công bố hai phương pháp mới trên arXiv nhằm nâng cao hiệu suất của các thuật toán tìm kiếm và lập kế hoạch tự động. Hai nghiên cứu này tập trung vào việc giảm thiểu chi phí tính toán thông qua kỹ thuật định tuyến lại Levin Tree Search và tối ưu hóa việc mã hóa các tác vụ phân rã sang dạng công thức SAT.
Diễn biến
Trong nghiên cứu đầu tiên về thuật toán tìm kiếm cây Levin (LTS), nhóm tác giả đề xuất sử dụng một bộ định tuyến lại (rerooter) được huấn luyện nhằm phân rã ngầm định các bài toán phức tạp thành các nhiệm vụ phụ mềm. Phương pháp này loại bỏ bước tạo mục tiêu phụ rõ ràng vốn gây tốn kém tài nguyên. Thử nghiệm của nhóm nghiên cứu cho thấy kỹ thuật mới giúp hệ thống mở rộng quy mô tốt trong các môi trường phức tạp và đạt hiệu suất trực tuyến tối ưu.
Nghiên cứu thứ hai tiếp cận bài toán lập kế hoạch thông qua việc mã hóa các tác vụ phân rã (FTS) sang bài toán thỏa mãn công thức logic (SAT). Nhóm nghiên cứu đề xuất nhiều phương pháp dịch chuyển hệ thức chuyển đổi phân rã sang logic mệnh đề, đồng thời phân tích cách khai thác tính năng chạy song song ở nhiều cấp độ khác nhau nhằm vượt qua giới hạn của các phương pháp tìm kiếm heuristic truyền thống.
Vì sao đáng chú ý
Các cải tiến này giải quyết trực tiếp điểm nghẽn về khả năng mở rộng của các hệ thống AI tự trị. Việc tối ưu hóa LTS giúp các robot hoặc tác nhân thông minh giải quyết các môi trường phức tạp hiệu quả hơn với chi phí phần cứng thấp hơn. Trong khi đó, việc chuyển đổi FTS sang SAT mở ra hướng đi mới cho các bài toán tối ưu hóa quy trình và logistics, giúp các doanh nghiệp công nghệ tối ưu hóa tài nguyên vận hành hiệu quả.