Penyelidik dari MIT dan institusi lain telah menemui fenomena yang dipanggil "kesan latihan dalaman, " yang menunjukkan bahawa melatih agen kecerdasan buatan (AI) dalam persekitaran yang kurang bising boleh membawa kepada prestasi yang lebih baik dalam persekitaran yang lebih tidak menentu. Secara tradisinya, dianggap bahawa persekitaran latihan harus menyerupai dengan dekat persekitaran di mana agen akan dikerahkan. Walau bagaimanapun, kajian ini menunjukkan bahawa apabila agen AI dilatih dalam persekitaran yang stabil dan bebas bunyi, mereka mungkin mengatasi agen yang dilatih dalam senario yang lebih kompleks dan bising apabila diuji. Penyelidik, diketuai oleh Serena Bono, meneroka kesan ini dengan melatih AI untuk bermain permainan Atari yang diubahsuai dengan ketidaktentuan yang ditambah. Mereka mendapati bahawa agen yang dilatih dalam persekitaran bersih ini menunjukkan prestasi yang lebih baik secara keseluruhan, menyokong idea bahawa kesan ini adalah sifat yang lebih luas daripada pembelajaran penguatan.

Kerja mereka mencabar kebijaksanaan konvensional, mencadangkan bahawa mencipta senario latihan simulasi yang direka khas untuk meminimumkan bunyi mungkin lebih bermanfaat. Kajian ini melibatkan peningkatan strategi penerokaan agen, dengan pemahaman bahawa agen yang dilatih dalam persekitaran yang kurang bising belajar peraturan permainan dengan lebih mudah berbanding mereka yang terdedah kepada kekacauan. Ke depan, pasukan merancang untuk menyiasat bagaimana kesan latihan dalaman ini boleh diterapkan kepada persekitaran pembelajaran yang lebih kompleks dan aplikasi AI lain, seperti pemprosesan bahasa semula jadi dan penglihatan komputer. Penyelidikan ini akan dibentangkan di Persidangan Persatuan untuk Kemajuan Kecerdasan Buatan.