Vous créez un jeu éducatif qui doit répondre à des questions de probabilité simples telles que : « Un bocal contient 6 billes rouges, 4 billes vertes et 3 billes jaunes. Quelle est la probabilité de tirer une bille verte ? » Quelle approche répond à l'exigence avec le moins de frais opérationnels ?

L'implémentation d'un code simple basé sur des règles est la solution la plus rentable car les problèmes de probabilité décrits sont déterministes et peuvent être résolus avec des formules mathématiques directes (nombre de cas favorables / nombre total de cas). Cette approche ne nécessite pas de données d'entraînement, de puissance de calcul intensive ou de maintenance complexe, ce qui minimise les coûts opérationnels. Entraîner un modèle de régression supervisée serait excessif et coûteux, car il faudrait collecter et étiqueter des données d'entraînement pour des problèmes qui ont déjà une solution algorithmique simple. L'apprentissage par renforcement est destiné aux problèmes de prise de décision séquentielle dans des environnements dynamiques, ce qui est inapproprié pour le calcul direct de probabilités. L'apprentissage non supervisé pour estimer la densité de probabilité est également trop complexe et coûteux pour ce cas d'utilisation, car il n'y a pas de données non étiquetées à analyser pour des modèles cachés.