Naukowcy z grupy badawczej opublikowali pracę pokazującą, że istnieje równanie optymalności Bellmana dla optymalizacji plastyczności w procesach decyzyjnych Markowa. Jest to przełomowy wynik dla dziedziny uczenia wzmacniającego, szczególnie dla agentów uczących się przez całe życie.
Praca buduje na niedawnych ustaleniach Abel et al. z 2025 roku, którzy zaproponowali nową formalizację dilemacie stabilności-plastyczności. Zamiast tradycyjnego sformułowania, naukowcy zdefiniowali plastyczność jako zdirektowaną informację od obserwacji agenta do jego akcji, a empowerment jako zdirektowaną informację w kierunku odwrotnym. To przefrazowanie pozwoliło im przeformułować klasyczny problem jako tradeoff między empowerment a plastyczności.
Dotychczas badania skupiały się na optymalizacji empowerment, ale brakował formalnego narzędzia do optymalizacji plastyczności. Przedstawiona praca wypełnia tę lukę, udowadniając iż można zastosować klasyczną teorię Bellmana również dla plastyczności. Ma to istotne znaczenie dla systemów, które muszą balansować między elastycznym uczeniem się nowych rzeczy a zachowaniem już nabytej wiedzy - problem kluczowy w sztucznej inteligencji działającej w zmiennych środowiskach.