Các nhà khoa học máy tính từ Surrey đã chứng minh rằng một phương pháp học tăng cường sâu kết thúc mở, không có mô hình, có thể ổn định các tập dữ liệu lớn (lên đến 200 tập dữ liệu) được sử dụng trong các mô hình AI. Cách tiếp cận mở ra triển vọng khám phá ra cách ngăn chặn sự phát triển của bệnh ung thư bằng cách dự đoán phản ứng của các tế bào ung thư đối với những nhiễu loạn bao gồm cả việc điều trị bằng thuốc.

Học tăng cường là một phương pháp học máy cho máy tính để đưa ra quyết định đúng và trừng phạt nó nếu đưa ra quyết định sai. Theo thời gian, AI học cách đưa ra quyết định tốt hơn.

Cách tiếp cận không có mô hình để học tăng cường là khi AI không có định hướng hoặc đại diện rõ ràng về môi trường của nó. Cách tiếp cận không có mô hình được coi là mạnh mẽ hơn vì AI có thể bắt đầu học ngay lập tức mà không cần mô tả chi tiết về môi trường của nó.

Công việc này tạo ra một bước tiến lớn hướng tới tiên lượng nhiễu loạn trên mạng lưới gen, điều cần thiết khi chúng ta hướng tới phương pháp trị liệu nhắm tới mục tiêu. Kết quả nghiên cứu này rất thú vị đối với phòng thí nghiệm vì từ lâu các nhà khoa học đã xem xét một tập hợp nhiễu loạn rộng hơn bao gồm môi trường vi mô của tế bào.