Resolvendo o Cubo Mágico Eficientemente com Representações Aprendidas: Sem Heurísticas Artesanais Necessárias
Na IA clássica, a percepção depende da aprendizagem de representações espaciais, enquanto o planejamento — raciocínio temporal sobre sequências de ações — é tipicamente alcançado através de busca. Este trabalho explora representações que capturam estruturas espaciais e temporais. O aprendizado contrastivo temporal padrão frequentemente falha devido a recursos espúrios. Os autores introduzem Representações Contrastivas para Raciocínio Temporal (CRTR), usando amostragem negativa para remover esses recursos e melhorar o raciocínio temporal. CRTR se destaca em tarefas temporais complexas como Sokoban e Cubo Mágico, resolvendo este último mais rápido que o BestFS (embora com soluções mais longas). Notavelmente, esta é a primeira demonstração de resolução eficiente de estados arbitrários do Cubo Mágico usando apenas representações aprendidas, eliminando a necessidade de heurísticas de busca artesanais.
Leia mais