Pesquisadores publicam estudo sobre como a IA aprende regras ocultas por tentativa e erro
Estudo publicado no arXiv avalia a capacidade da IA de inferir regras ocultas e transferir aprendizado em jogos de teste
O repositório acadêmico arXiv publicou, em agosto de 2026, o artigo “AI Learning and Conceptual Transfer in the Game of Hidden Rules”, identificado como arXiv:2608.21372v1. O estudo usa o ambiente Game of Hidden Rules (GOHR) como campo de testes.
A pesquisa investiga a capacidade de agentes de aprendizado por reforço (Reinforcement Learning — RL) de inferir regras ocultas usando apenas feedback de tentativa e erro. Também aborda o design de representações (Representation Design), a análise da dificuldade das regras, o aprendizado por transferência (Transfer Learning) e a generalização (Generalization).
Na parte técnica, a equipe utilizou uma arquitetura A2C (Advantage Actor-Critic) baseada em Transformer e comparou o desempenho das representações Feature-Centric e Object-Centric. O relatório também confronta os resultados com o aprendizado humano auxiliado por bots simulados (Pseudo-Bot-Assisted Human Learning).
O estudo aprofunda a compreensão de como a IA pode aprender, adaptar-se e transferir conhecimento em situações sem regras explícitas, um passo importante para desenvolver sistemas mais flexíveis e próximos da aprendizagem humana.