适应未知情境作为基于学习的自适应系统的圣杯：研究方向
人工智能
2021-03-15 v1
摘要
自适应系统持续适应其执行环境中的变化。捕获所有可能的变化以预先定义合适的行为是不可行的，而在未知变化的情况下甚至是不可能的，因此可能需要人工干预。我们认为，适应未知情境是自适应系统的终极挑战。基于学习的方法被用于学习在未知情境下应展现的合适行为，以最小化或完全消除人工干预。虽然此类方法能在某种程度上将现有适应推广到新情境，但在系统能够适应一般未知和未预见情境之前，仍需取得若干突破。我们从基于学习的自适应系统的视角，提出为实现未预见适应所需探索的研究方向。至少，系统需要即时定义先前未见情境的内部表示，推断其与先前遭遇情境的关系以演进现有适应，并推理在新条件集合下实现其内在目标的可行性。最后我们讨论了即便我们能够，是否确实应当构建在无人类监督下自行定义行为并调整目标之系统。
引用
@article{arxiv.2103.06908,
title = {Adaptation to Unknown Situations as the Holy Grail of Learning-Based Self-Adaptive Systems: Research Directions},
author = {Ivana Dusparic and Nicolas Cardozo},
journal= {arXiv preprint arXiv:2103.06908},
year = {2021}
}