Bir veri bilimci, her sinyaldeki trafik davranışının küçük rastgele gürültüye tabi olarak diğerleriyle ilişkili olduğu bir kentsel trafik sistemini modelliyor. Desenleri analiz etmek ve tıkanıklığı azaltmak için en uygun modelleme yaklaşımı hangisidir?

Doğru cevap, problemin çok aracılı bir pekiştirmeli öğrenme görevi olarak formüle edilmesini ve ilişkili bir denge politikası öğrenilmesini önerir. Kentsel trafik sistemleri, her aracın (ajanın) diğerlerinin davranışını etkilediği ve etkilendiği karmaşık, dinamik ortamlardır. Çok aracılı pekiştirmeli öğrenme (Multi-Agent Reinforcement Learning - MARL), bu tür sistemlerde her ajanın kendi ödülünü maksimize ederken sistemin genel dengesini optimize etmeyi öğrenmesini sağlar. Bu yaklaşım, trafik sıkışıklığını azaltmak için koordineli davranışlar ve denge politikaları geliştirmek için idealdir. Tek aracılı pekiştirmeli öğrenme, diğer ajanların etkileşimini yeterince modelleyemediği için uygun değildir. Denetimli öğrenme, geçmiş verilere dayalı tahminler yapsa da, dinamik ve etkileşimli bir sistemde optimal denge politikaları oluşturmak için yeterli değildir; sadece mevcut kalıpları öğrenir, yeni, optimize edilmiş davranışları keşfetmez. Denetimsiz öğrenme ise etiketlenmemiş verilerdeki kalıpları bulur ancak belirli bir hedefi (tıkanıklığı azaltma) optimize eden bir politika öğrenemez.