Badacze z arXiv opublikowali pracę pokazującą, że agenci podejmujący decyzje przy zaburzonej percepcji muszą wyraźnie uwzględniać niepewność swoich obserwacji, aby uniknąć katastrofalnych błędów. W eksperymentach z modelem Artificial Life odtwarzającym dynamikę drapieżnika i ofiary agenci bez świadomości szumu w percepcji szybko ulegali katastrofalnym porażkom wraz ze wzrostem poziomu zaburzeń, natomiast te wyposażone w strategie uwzględniające niepewność znacząco lepiej przetrwały i popełniały mniej błędów krytycznych.
Zauważono także ciekawe przejścia fazowe w zachowaniu agentów - w miarę rosnącej niepewności obserwacji przechodzili oni od aktywnego eksplorowania otoczenia do bardziej ostrożnych, konserwatywnych strategii. Model wykazał, że zbieranie jawnych informacji o środowisku, nawet gdy jest zaburzone, pozwala agentom lepiej radzić sobie w warunkach niskiego zaufania do własnych sensorów.
Problematyka jest istotna zarówno dla biologii poznawczej, jak i dla praktycznych zastosowań sztucznej inteligencji - agenci działający w realnym świecie nigdy nie mają doskonałych informacji, a systemy polegające na bezwzględnym zaufaniu do predykcji mogą podejmować katastrofalne decyzje. Praca stanowi interpretowalne połączenie ekologicznych zasad foraging, sztucznego życia i problemu nauki z zaburzonym danymi wejściowymi, sugerując że świadomość niepewności powinна być fundamentalnym elementem projektowania odpornych systemów autonomicznych.