Investigadors del MIT i d'altres institucions han descobert un fenomen conegut com l'"efecte d'entrenament en interiors", que suggereix que entrenar agents d'intel·ligència artificial (IA) en entorns menys sorollosos pot portar a un millor rendiment en entorns més imprevisibles. Tradicionalment, es pensava que els entorns d'entrenament haurien d'assegurar una simulació estreta dels entorns on s'implegarien els agents. No obstant això, aquest estudi indica que quan els agents d'IA es entrenen en entorns estables i lliures de soroll, poden superar aquells entrenats en escenaris més complexos i sorollosos quan s'avaluen. Els investigadors, dirigits per Serena Bono, van explorar aquest efecte entrenant IA per jugar a jocs d'Atari modificats amb una imprevisibilitat afegida. Van descobrir que els agents entrenats en aquests entorns nets tenien un millor rendiment en general, recolzant la noció que aquest efecte és una propietat més àmplia de l'aprenentatge per reforç.

La seva feina desafia la saviesa convencional, suggerint que crear escenaris d'entrenament simulats dissenyats intencionadament per minimitzar el soroll podria ser més beneficiós. L'estudi va implicar l'enfortiment de les estratègies d'exploració dels agents, amb la comprensió que els agents entrenats en entorns menys sorollosos aprenen les regles dels jocs més fàcilment en comparació amb aquells exposats al caos. De cara al futur, l'equip té previst investigar com es pot aplicar l'efecte d'entrenament en interiors a entorns d'aprenentatge més complexos i altres aplicacions d'IA, com el processament del llenguatge natural i la visió per ordinador. Aquesta recerca es presentarà a la Conferència de l'Associació per a l'Avanç de la Intel·ligència Artificial.