محققان MIT تکنیک جدیدی را توسعه داده‌اند که به مدل‌های هوش مصنوعی مولد کمک می‌کند تا راه حل‌هایی برای مسائل پرخطر پیدا کنند. در این شرایط، یک پاسخ معقول کافی نیست: خروجی اغلب باید الزامات ایمنی، فیزیکی یا خاص وظیفه‌ای را که غیرقابل مذاکره هستند، برآورده کند. محققان روشی ایجاد کرده‌اند که به مدل‌های مولد کمک می‌کند تا بدون قربانی کردن کیفیت خروجی خود، این الزامات سخت‌گیرانه را برآورده کنند. کلید تکنیک آن‌ها دادن آزادی بیشتر به مدل در طول فرآیند تولید و اعمال محدودیت‌های سخت‌گیرانه بر روی خروجی نهایی است، نه در هر مرحله میانی. در آزمایش‌هایی که شامل رباتیک، کنترل فرایندهای فیزیکی و بینایی کامپیوتر بود، این روش جدید به‌طور مداوم الزامات لازم را برآورده کرد و راه حل‌های بهتری نسبت به تکنیک‌های موجود پیدا کرد. این تکنیک قابل انطباق و plug-and-play در زمان استقرار کار می‌کند، بنابراین می‌توان آن را روی مدل‌های مولد از پیش آموزش‌دیده بدون نیاز به آموزش مجدد اعمال کرد. این قابلیت می‌تواند چنین مدل‌هایی را در برنامه‌هایی که قوانین ایمنی، قوانین فیزیکی یا سایر الزامات سخت‌گیرانه نباید نقض شوند، مفیدتر کند. «وعده هوش مصنوعی مولد توانایی آن در کاوش یک فضای غنی از احتمالات است، اما دنیای واقعی محدودیت‌هایی را برای اینکه کدام احتمالات قابل قبول هستند، تعیین می‌کند. رویکرد ما به ما امکان می‌دهد قدرت تولیدی را حفظ کنیم و در عین حال الزامات غیرقابل مذاکره برنامه‌های پرخطر یا حساس به ایمنی را اعمال کنیم»، می‌گوید نوید عزیزان، محقق ارشد این پروژه.