רובוטים אוטונומיים, מערכות אנרגיה ורכבים חכמים נדרשים לקבל החלטות בעולם שאינו צפוי. המודלים הקלאסיים של קבלת החלטות מניחים שאפשר לתאר כל פיסת אי-ודאות במספר אחד: הסתברות. אבל מה קורה כשההסתברות הזאת עצמה אינה ידועה? מסה של מכונית שידוע רק שהיא נעה בין 950 ל-1050 ק"ג, חיישן שמתדרדר עם הזמן או נתונים מועטים שמהם אומדים את הסביבה כולה: בכל אלה הסתמכות עיוורת על אומדן נקודתי עלולה להוביל להחלטות מסוכנות.
המאמר מתמקד בהבחנה בין שני סוגי אי-ודאות. הראשון הוא רעש טבעי שאי אפשר להיפטר ממנו. השני נובע מחוסר ידע, ובניגוד לראשון ניתן לצמצם אותו. השאלה המרכזית היא כיצד אפשר לבנות מודלים ושיטות החלטה שמתמודדים עם שני הסוגים יחד, בלי לוותר על בטיחות ובלי להפוך לשמרניים מדי.
החוקרים עורכים מסע בין כמה עולמות מקבילים: תהליכי החלטה מרקוביים ותצפיתיות חלקית, משחקים מול יריבים, בקרה של מערכות דינמיות רציפות ולמידה מחזקת. בכל אחד מהם הם בוחנים כיצד מייצגים אי-ודאות, כיצד לומדים אותה מנתונים ואילו כלים קיימים לפתור את הבעיה. בסוף המסלול מחכה רשימת אתגרים פתוחים, ובהם מימדים גבוהים, סביבות משתנות ושילוב ידע מוקדם. מי שמתעניין בבינה מלאכותית שאפשר לסמוך עליה ימצא כאן מפה מסודרת של התחום.






