{"id":98263,"date":"2026-10-08T15:23:41","date_gmt":"2026-10-08T12:23:41","guid":{"rendered":"https:\/\/twodots.gr\/?p=98263"},"modified":"2026-10-08T15:23:41","modified_gmt":"2026-10-08T12:23:41","slug":"comportament-logic-eronat-in-context","status":"publish","type":"post","link":"https:\/\/twodots.gr\/ro\/erdm-logiki-symperifora-lathos-perivallon\/","title":{"rendered":"ERDM: c\u00e2nd comportamentul \u00abgre\u0219it\u00bb este un r\u0103spuns logic la un mediu nepotrivit"},"content":{"rendered":"<div class=\"td-article-lede\">\n<p><strong>R\u0103spunsul mai \u00eent\u00e2i:<\/strong> ERDM \u0219i agen\u021bii AI au o lec\u021bie crucial\u0103 \u00een comun: un sistem poate \u00eenv\u0103\u021ba \u00een mod consecvent \u0219i, cu toate acestea, poate ajunge la un comportament nedorit, atunci c\u00e2nd recompensele, ac\u021biunile disponibile \u0219i mediul \u00eel conduc c\u0103tre o strategie logic\u0103 la nivel local, dar gre\u0219it\u0103 din punct de vedere opera\u021bional.<\/p>\n<\/div>\n<p>Modelul ERDM arat\u0103 de ce un agent de inteligen\u021b\u0103 artificial\u0103 poate \u00eenv\u0103\u021ba corect, dar ac\u021biona gre\u0219it atunci c\u00e2nd recompensele, op\u021biunile \u0219i mediul s\u0103u intr\u0103 \u00een conflict. Un comportament poate p\u0103rea ira\u021bional dac\u0103 \u00eel analiz\u0103m separat de mediul care l-a generat. Dac\u0103 \u00eens\u0103 lu\u0103m \u00een considerare presiunile, op\u021biunile disponibile \u0219i a\u0219tept\u0103rile de recompens\u0103 ale sistemului, acela\u0219i model se poate dovedi \u00een concordan\u021b\u0103 cu ceea ce a \u00ab\u00eenv\u0103\u021bat\u00bb c\u0103 \u00eel protejeaz\u0103. Aceasta este ideea central\u0103 din spatele <strong>Modelul decizional recurent din punct de vedere evolutiv (ERDM)<\/strong>, un nou cadru computa\u021bional de \u00eenv\u0103\u021bare asistat\u0103 propus de Andrew Hu.<\/p>\n<p>Lucrarea analizeaz\u0103 modul \u00een care neconcordan\u021ba evolutiv\u0103, ra\u021bionalitatea limitat\u0103 \u0219i <em>satisficing<\/em> pot genera strategii adaptative \u0219i neadaptative. Modelele complexe, precum evitarea, agresivitatea, prietenia s\u0103n\u0103toas\u0103 sau neputin\u021ba \u00eenv\u0103\u021bat\u0103, nu sunt introduse ca scenarii gata formate. Ele rezult\u0103 din decizii simple repetate \u00eentr-un mediu stocastic.<\/p>\n<p>Pentru profesioni\u0219tii care proiecteaz\u0103 agen\u021bi AI, automatiz\u0103ri sau sisteme de luare a deciziilor, mesajul practic este clar: atunci c\u00e2nd un sistem manifest\u0103 un comportament nedorit, problema s-ar putea s\u0103 nu se afle doar \u00een model. Poate s\u0103 se afle \u00een peisajul de recompense, \u00een informa\u021biile pe care le percepe, \u00een op\u021biunile care \u00eei sunt permise sau \u00een succesiunea evenimentelor. Este aceea\u0219i categorie de probleme cu care ne confrunt\u0103m atunci c\u00e2nd <a href=\"https:\/\/twodots.gr\/ai-finds-a-way-techniti-noimosyni-aprovlepti-symperifora\/\">IA g\u0103se\u0219te c\u0103i neprev\u0103zute c\u0103tre un obiectiv<\/a>.<\/p>\n<div class=\"td-article-toc\">\n<div class=\"td-toc-title\">Cuprins<\/div>\n<ul>\n<li><a href=\"#ti-montelopoiei-erdm\">Ce modeleaz\u0103 de fapt ERDM<\/a><\/li>\n<li><a href=\"#antamoives-sygkrouomena-kinitra\">Cum recompensele devin stimulente contradictorii<\/a><\/li>\n<li><a href=\"#mathisi-adraneia-orio-kindynou\">\u00cenv\u0103\u021bare, iner\u021bie \u0219i pragul de risc<\/a><\/li>\n<li><a href=\"#dokimi-antixootitas\">Cum a fost organizat testul de rezisten\u021b\u0103<\/a><\/li>\n<li><a href=\"#stathero-loss-diaforetikes-politikes\">Pierdere constant\u0103, politici diferite<\/a><\/li>\n<li><a href=\"#ypsili-antixootita\">Ce s-a schimbat \u00een condi\u021bii extrem de dificile<\/a><\/li>\n<li><a href=\"#anthektikes-evalotes-ypoomades\">De ce au ap\u0103rut subgrupuri rezistente \u0219i vulnerabile<\/a><\/li>\n<li><a href=\"#reward-design-epixeiriseon\">De la articolul \u0219tiin\u021bific la proiectarea sistemelor de recompense \u00een cadrul \u00eentreprinderilor<\/a><\/li>\n<li><a href=\"#mesoi-oroi-failure-modes\">De ce valorile medii ascund modurile de defectare<\/a><\/li>\n<li><a href=\"#elegxos-prin-deployment\">Cadru de verificare \u00eenainte de implementare<\/a><\/li>\n<li><a href=\"#oria-symperasma\">Limitele studiului \u0219i concluzia principal\u0103<\/a><\/li>\n<\/ul>\n<\/div>\n<h2 id=\"ti-montelopoiei-erdm\">Ce modeleaz\u0103 de fapt ERDM<\/h2>\n<p>ERDM este un sistem de \u00eenv\u0103\u021bare prin \u00eent\u0103rire cu un singur agent \u00eentr-un mediu stocastic. Nu a fost conceput pentru a g\u0103si politica optim\u0103 \u00eentr-o sarcin\u0103 bine definit\u0103. A fost conceput pentru a studia ce se \u00eent\u00e2mpl\u0103 atunci c\u00e2nd un agent trebuie s\u0103 ac\u021bioneze \u00een situa\u021bii \u00een care obiectivele sale sunt contradictorii \u0219i nicio ac\u021biune nu este \u00eentotdeauna corect\u0103.<\/p>\n<p>Mediul cuprinde trei categorii de probleme recurente: amenin\u021bare, urm\u0103rirea unei pr\u0103zi sau a unei \u021binte \u0219i oportunitatea unei alian\u021be. Acestea func\u021bioneaz\u0103 ca abstrac\u021bii ale unor provoc\u0103ri care se repet\u0103 \u00een mod evolutiv. Agentul observ\u0103 starea sa intern\u0103 \u0219i extern\u0103, alege o ac\u021biune, accept\u0103 consecin\u021bele \u0219i \u00ee\u0219i actualizeaz\u0103 estim\u0103rile de valoare.<\/p>\n<p>Studiul leag\u0103 acest cadru de teoria neconcordan\u021bei evolutive: mecanismele care s-au format \u00eentr-un mediu pot produce efecte negative \u00eentr-un altul. ERDM nu demonstreaz\u0103 c\u0103 aceast\u0103 teorie explic\u0103 tulbur\u0103rile psihice umane. Ofer\u0103 un spa\u021biu de simulare \u00een care ipotezele privind mediul, motiva\u021biile \u0219i comportamentul pot fi concretizate \u0219i verificate f\u0103r\u0103 a fi necesare experimente reale pe oameni.<\/p>\n<aside class=\"td-article-note\"><strong>Ce nu este ERDM:<\/strong> nu este un instrument de diagnostic clinic, nu este un cadru pentru agen\u021bi de produc\u021bie \u0219i nu constituie o dovad\u0103 c\u0103 oamenii func\u021bioneaz\u0103 ca agen\u021bi de \u00eenv\u0103\u021bare prin \u00eent\u0103rire. Este un model computa\u021bional pentru ipoteze mecaniciste.<\/aside>\n<p>Aceast\u0103 distinc\u021bie este important\u0103 \u0219i din punct de vedere opera\u021bional. Valoarea studiului nu const\u0103 \u00een faptul c\u0103 ofer\u0103 un algoritm gata de utilizare pentru asisten\u021ba clien\u021bilor sau comer\u021bul electronic. Ci \u00een faptul c\u0103 arat\u0103, \u00eentr-un mod sistematic, de ce mediul de lucru al agentului trebuie considerat parte integrant\u0103 a sistemului \u0219i nu doar un simplu decor. Acela\u0219i principiu este analizat \u0219i \u00een <a href=\"https:\/\/twodots.gr\/world-models-ai-perivallon-agent-koino-systima\/\">modele globale \u00een care agentul \u0219i mediul trebuie evaluate ca un sistem comun<\/a>.<\/p>\n<h2 id=\"antamoives-sygkrouomena-kinitra\">Cum recompensele devin stimulente contradictorii<\/h2>\n<p>Agentul \u00eenva\u021b\u0103 pe baza a trei dimensiuni concurente de recompens\u0103. Prima se refer\u0103 la starea de subzisten\u021b\u0103 sau fizic\u0103, pe care lucrarea o simbolizeaz\u0103 cu L. A doua este valoarea social\u0103 defensiv\u0103, DB, care este legat\u0103 de strategii de dominare \u0219i de neutralizare a amenin\u021b\u0103rilor. A treia este valoarea social\u0103 a \u00eengrijirii, NB, care este legat\u0103 de prestigiu \u0219i de oferirea de beneficii altora.<\/p>\n<p>O ac\u021biune poate consolida o dimensiune \u0219i le poate afecta pe celelalte. Lupta \u00eempotriva unei amenin\u021b\u0103ri, de exemplu, poate \u00eembun\u0103t\u0103\u021bi pozi\u021bia defensiv\u0103 a agentului, dar \u00eei poate afecta starea fizic\u0103 \u0219i capacitatea de a-i sprijini pe ceilal\u021bi. Deoarece consecin\u021bele depind de starea agentului, iar parametrii de mediu variaz\u0103 \u00een mod stocastic, nu exist\u0103 o politic\u0103 unic\u0103 care s\u0103 maximizeze toate aspectele.<\/p>\n<p>Acest lucru oblig\u0103 sistemul s\u0103 fac\u0103 <em>satisficing<\/em>: s\u0103 aleag\u0103 solu\u021bii care sunt adecvate \u00een condi\u021biile restric\u021biilor actuale, nu solu\u021bii perfecte din punct de vedere teoretic. Pentru un flux de lucru de IA \u00een mediul de afaceri, analogia este direct\u0103, dar trebuie s\u0103 r\u0103m\u00e2n\u0103 doar o analogie. Dac\u0103 un agent optimizeaz\u0103 simultan viteza, costul, calitatea \u0219i conformitatea, o alegere care pare proast\u0103 din perspectiva unui indicator poate fi cel mai bun echilibru disponibil pe baza semnalelor pe care i le-am furnizat.<\/p>\n<div class=\"td-comparison td-comparison-cards--horizontal\">\n<div class=\"td-chart-head\">\n<p class=\"td-chart-kicker\">Dou\u0103 mecanisme de iner\u021bie<\/p>\n<p class=\"td-chart-title\">Neajutorarea dob\u00e2ndit\u0103 \u0219i apatia nu sunt acela\u0219i lucru<\/p>\n<p class=\"td-chart-intro\">Modelul ERDM distinge dou\u0103 cazuri \u00een care agentul nu se angajeaz\u0103 \u00eentr-o alt\u0103 ac\u021biune, deoarece evalu\u0103rile de valoare subiacente sunt diferite.<\/p>\n<\/div>\n<div class=\"td-comparison-grid\">\n<div class=\"td-platform-card\">\n<p class=\"td-platform-name\">Impotenta dob\u00e2ndit\u0103<\/p>\n<p>Toate ac\u021biunile disponibile sunt considerate excesiv de negative \u00een raport cu pragul de risc. Inac\u021biunea reprezint\u0103 o suspendare axat\u0103 pe risc.<\/p>\n<\/div>\n<div class=\"td-platform-card\">\n<p class=\"td-platform-name\">Apatie<\/p>\n<p>Nicio ac\u021biune disponibil\u0103 nu pare s\u0103 ofere o recompens\u0103 suficient\u0103. Inactivitatea este o lips\u0103 de motiva\u021bie adecvat\u0103, determinat\u0103 de dorin\u021ba de recompens\u0103.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<p>Aceast\u0103 distinc\u021bie are o valoare practic\u0103. Un agent de afaceri poate \u00abbloca\u00bb deoarece fiecare op\u021biune disponibil\u0103 \u00eencalc\u0103 o anumit\u0103 barier\u0103 de protec\u021bie sau deoarece nicio op\u021biune nu dep\u0103\u0219e\u0219te pragul minim de utilitate. \u00cen primul caz, este posibil s\u0103 fie necesar\u0103 o escaladare sigur\u0103 sau o posibilitate de inversare. \u00cen al doilea caz, este posibil s\u0103 fie nevoie de un obiectiv mai bine definit sau de mai multe instrumente. Acela\u0219i e\u0219ec vizibil poate necesita o corectare diferit\u0103.<\/p>\n<h2 id=\"mathisi-adraneia-orio-kindynou\">\u00cenv\u0103\u021bare, iner\u021bie \u0219i pragul de risc<\/h2>\n<p>Fiecare ac\u021biune are propria re\u021bea de valori independent\u0103. Re\u021beaua prime\u0219te starea ca intrare \u0219i genereaz\u0103 recompensa a\u0219teptat\u0103 pentru ac\u021biunea respectiv\u0103. Arhitectura descris\u0103 \u00een lucrare are dou\u0103 niveluri ascunse, de 128 \u0219i 64 de unit\u0103\u021bi, \u0219i o ie\u0219ire. Alegerea se face cu ajutorul unei politici epsilon-greedy, astfel \u00eenc\u00e2t agentul s\u0103 profite uneori de ceea ce consider\u0103 deja a fi cea mai bun\u0103 op\u021biune \u0219i alteori s\u0103 exploreze.<\/p>\n<p>Episodul se \u00eencheie atunci c\u00e2nd starea fizic\u0103 sau dimensiunea principal\u0103 a supravie\u021buirii sociale ajunge la zero. Recompensele cresc propor\u021bional cu resursele disponibile: aceea\u0219i pierdere are o pondere mai mare atunci c\u00e2nd agentul se afl\u0103 deja \u00eentr-o situa\u021bie vulnerabil\u0103. Starea este \u00eemp\u0103r\u021bit\u0103 \u00een zone distincte, de la \u201edire\u201d la \u201estable\u201d, cu o sensibilitate mai mare la valorile sc\u0103zute ale resurselor.<\/p>\n<p>Acest aspect explic\u0103 de ce o ac\u021biune nu are o semnifica\u021bie constant\u0103. O ac\u021biune care este acceptabil\u0103 atunci c\u00e2nd resursele sunt abundente poate deveni dezastruoas\u0103 atunci c\u00e2nd agentul se afl\u0103 aproape de limita de sustenabilitate. \u00cen cazul IA de produc\u021bie, pragurile \u0219i regulile de escaladare trebuie s\u0103 \u021bin\u0103 seama de context: gradul de \u00eencredere, riscul economic, sensibilitatea datelor, impactul asupra clientului \u0219i posibilitatea unei interven\u021bii umane.<\/p>\n<p>Ghidarea \u2019state-aware\u201d nu este doar un prompt mai detaliat. Ea trebuie s\u0103 modifice ac\u021biunile permise \u0219i pragurile atunci c\u00e2nd se schimb\u0103 starea. De aceea, este util s\u0103 corel\u0103m proiectarea recompenselor cu <a href=\"https:\/\/twodots.gr\/smrc-sd-kathodigisi-ai-agent-katastasi\/\">controlul unui agent AI \u00een func\u021bie de starea sistemului<\/a> \u0219i nu doar dintr-o politic\u0103 general\u0103.<\/p>\n<h2 id=\"dokimi-antixootitas\">Cum a fost organizat testul de rezisten\u021b\u0103<\/h2>\n<p>\u00cen scopul valid\u0103rii, studiul a simulat experien\u021bele negative din copil\u0103rie ca trei niveluri de intensitate a amenin\u021b\u0103rii. Nivelul sc\u0103zut de adversitate a utilizat amenin\u021b\u0103ri cu intensitatea de 20\u201340 pe o scar\u0103 de la 0 la 100, cea moderat\u0103 40\u201360, iar cea ridicat\u0103 80\u2013100. Frecven\u021ba celor trei tipuri de mediu a fost men\u021binut\u0103 constant\u0103, astfel \u00eenc\u00e2t diferen\u021ba fundamental\u0103 s\u0103 fie intensitatea evenimentelor nefavorabile.<\/p>\n<p>Testele principale au cuprins 200 de simul\u0103ri independente cu 1.500 de pa\u0219i de antrenament pentru agen\u021bii cu predominan\u021b\u0103 DB, agen\u021bii cu predominan\u021b\u0103 NB \u0219i agen\u021bii aleatori \u00een cele trei condi\u021bii. Agen\u021bii aleatori nu prezentau lips\u0103 de ini\u021biativ\u0103 sau apatie \u00een spa\u021biul de ac\u021biune, deoarece aceste op\u021biuni presupun estim\u0103ri de valoare.<\/p>\n<p>Studiul nu red\u0103 experien\u021ba copil\u0103riei \u00een toat\u0103 complexitatea sa uman\u0103. Ea utilizeaz\u0103 elimin\u0103ri controlate pentru a examina dac\u0103 anumite tipare cunoscute pot ap\u0103rea din combina\u021bia dintre recompense, risc \u0219i \u00eenv\u0103\u021bare. Aceasta este o validare computa\u021bional\u0103, nu o validare clinic\u0103 \u0219i nu constituie o baz\u0103 pentru diagnostic sau recomand\u0103ri terapeutice.<\/p>\n<aside class=\"td-article-note\"><strong>Citirea corect\u0103 a numerelor:<\/strong> Procentele prezentate mai jos descriu comportamente din cadrul simul\u0103rii ERDM. Acestea nu sunt rate epidemiologice, nu prev\u0103d comportamentul uman \u0219i nu pot fi transpuse ca atare \u00een sistemele corporative.<\/aside>\n<h2 id=\"stathero-loss-diaforetikes-politikes\">Pierdere constant\u0103, politici diferite<\/h2>\n<p>Unul dintre cele mai utile rezultate este distan\u021ba dintre convergen\u021ba pierderii de \u00eenv\u0103\u021bare \u0219i convergen\u021ba comportamentului. La agen\u021bii DB, pierderea a sc\u0103zut de la 92% la 97%, \u00een func\u021bie de condi\u021bie, \u00een timp ce la agen\u021bii NB sc\u0103derea a dep\u0103\u0219it 99% \u00een toate condi\u021biile. Pantele din fereastra t\u00e2rzie ale pierderii \u0219i ale recompensei nu s-au ab\u0103tut de la zero, ceea ce indic\u0103 stabilizarea procesului de \u00eenv\u0103\u021bare.<\/p>\n<p>Cu toate acestea, diversitatea ac\u021biunilor nu a disp\u0103rut. Agen\u021bii DB \u0219i-au p\u0103strat 34%\u201344% din entropia ini\u021bial\u0103, iar cei NB, 34%\u201349%. Sistemul putea, a\u0219adar, s\u0103 aib\u0103 un proces de \u00eenv\u0103\u021bare stabil f\u0103r\u0103 ca to\u021bi agen\u021bii s\u0103 ajung\u0103 la aceea\u0219i strategie. \u00cen condi\u021bii de adversitate ridicat\u0103, corela\u021bia dintre pierderea din fereastra t\u00e2rzie \u0219i entropia comportamental\u0103 a devenit mai puternic\u0103, ceea ce indic\u0103 faptul c\u0103 stabilizarea \u00eenv\u0103\u021b\u0103rii \u0219i consecven\u021ba comportamentului au fost mai str\u00e2ns legate \u00een acel mediu.<\/p>\n<p>Pentru evaluarea agen\u021bilor AI, acest aspect este esen\u021bial. O curb\u0103 de pierdere uniform\u0103 sau un scor agregat bun nu demonstreaz\u0103 un comportament uniform sau dorit. Trebuie s\u0103 analiz\u0103m dispersia traiectoriilor, e\u0219ecurile minoritare \u0219i stabilitatea politicilor \u00een diferite secven\u021be de evenimente. Aceasta <a href=\"https:\/\/twodots.gr\/epalithefsi-politikon-reinforcement-learning-ai-agent\/\">verificarea politicilor de \u00eenv\u0103\u021bare prin \u00eent\u0103rire<\/a> trebuie s\u0103 se refere la modul \u00een care func\u021bioneaz\u0103 sistemul \u00een situa\u021bii critice, nu doar la faptul c\u0103 s-a \u00eembun\u0103t\u0103\u021bit un indicator mediu.<\/p>\n<h2 id=\"ypsili-antixootita\">Ce s-a schimbat \u00een condi\u021bii extrem de dificile<\/h2>\n<p>\u00cen cazul agen\u021bilor cu predominan\u021b\u0103 DB, a\u0219teptarea pozitiv\u0103 s-a men\u021binut la aproximativ 85% \u00een condi\u021biile f\u0103r\u0103 ACE \u0219i de adversitate moderat\u0103, dar a sc\u0103zut la 67% \u00een condi\u021bii de adversitate ridicat\u0103. Neajutorarea \u00eenv\u0103\u021bat\u0103, care a lipsit \u00een cele dou\u0103 condi\u021bii mai bl\u00e2nde, a ap\u0103rut cu o valoare medie de 15,2%. A\u0219teptarea negativ\u0103 a crescut de la aproximativ 15% la 33%.<\/p>\n<p>Rezultatul nu a fost o simpl\u0103 cre\u0219tere general\u0103 a agresivit\u0103\u021bii. Agresivitatea direc\u021bionat\u0103 gre\u0219it a sc\u0103zut de la 39% la 29,4%, iar agresivitatea rela\u021bional\u0103 de la 30,8% la 24,7%. Interpretarea studiului este c\u0103, atunci c\u00e2nd amenin\u021barea dep\u0103\u0219e\u0219te pragul de risc, inactivitatea determinat\u0103 de neputin\u021ba \u00eenv\u0103\u021bat\u0103 poate \u00eenlocui strategiile anterioare de dominare.<\/p>\n<p>Agen\u021bii cu predominan\u021b\u0103 NB au prezentat un profil diferit. Prietenia s\u0103n\u0103toas\u0103 a r\u0103mas comportamentul dominant, ajung\u00e2nd la aproximativ 47% \u00een condi\u021bii de adversitate ridicat\u0103, \u00een timp ce neajutorarea \u00eenv\u0103\u021bat\u0103 a lipsit. Aceast\u0103 constatare arat\u0103 c\u00e2t de mult o diferen\u021b\u0103 \u00een prioritatea recompensei poate modifica repertoriul emergent, f\u0103r\u0103 ca scenarii complexe \u0219i complete s\u0103 fi fost codificate \u00een prealabil.<\/p>\n<div class=\"td-chart td-chart--metrics\">\n<div class=\"td-chart-head\">\n<p class=\"td-chart-kicker\">Date cuantificate din articol<\/p>\n<p class=\"td-chart-title\">Patru cifre care explic\u0103 ERDM<\/p>\n<p class=\"td-chart-intro\">Valorile provin din simulare \u0219i nu reprezint\u0103 indicatori de performan\u021b\u0103 (KPI) de produc\u021bie, rate clinice sau previziuni privind rentabilitatea investi\u021biei (ROI).<\/p>\n<\/div>\n<div class=\"td-metric-grid\">\n<div class=\"td-metric-card\"><span class=\"td-metric-value\">200<\/span><span class=\"td-metric-label\">simul\u0103ri principale independente pentru fiecare setare<\/span><\/div>\n<div class=\"td-metric-card\"><span class=\"td-metric-value\">1.500<\/span><span class=\"td-metric-label\">etape de antrenament \u00een fiecare sesiune principal\u0103<\/span><\/div>\n<div class=\"td-metric-card\"><span class=\"td-metric-value\">15,2%<\/span><span class=\"td-metric-label\">neputin\u021b\u0103 \u00eenv\u0103\u021bat\u0103 medie DB \u00een condi\u021bii de adversitate sever\u0103<\/span><\/div>\n<div class=\"td-metric-card\"><span class=\"td-metric-value\">296 \/ 704<\/span><span class=\"td-metric-label\">serii rezistente \u0219i vulnerabile \u00een cadrul analizei suplimentare<\/span><\/div>\n<\/div>\n<\/div>\n<h2 id=\"anthektikes-evalotes-ypoomades\">De ce au ap\u0103rut subgrupuri rezistente \u0219i vulnerabile<\/h2>\n<p>Analiza suplimentar\u0103 a 1.000 de serii dominante din punct de vedere al DB, realizat\u0103 \u00een condi\u021bii de adversitate ridicat\u0103, a scos la iveal\u0103 dou\u0103 subgrupuri latente. Modelul de amestec gaussian a favorizat puternic o solu\u021bie cu dou\u0103 componente \u0219i a utilizat un prag de 2,04% al utilit\u0103\u021bii \u00eenv\u0103\u021bate. Cele 296 de rul\u0103ri au fost clasificate ca rezistente, cu o valoare medie de 0,43%, iar cele 704 ca vulnerabile, cu o valoare medie de 20%.<\/p>\n<p>Parametrii de mediu erau identici. Ceea ce se schimba era ordinea stocastic\u0103 a evenimentelor ini\u021biale, care genera istorii de recompense diferite. Agen\u021bii rezisten\u021bi au manifestat un comportament de protec\u021bie mai ridicat, 31,64% fa\u021b\u0103 de 7,92%, \u0219i o a\u0219teptare pozitiv\u0103 de 82,65% fa\u021b\u0103 de 62,35%.<\/p>\n<p>Amabilitatea s\u0103n\u0103toas\u0103 a prezentat o corela\u021bie negativ\u0103 puternic\u0103 cu neputin\u021ba \u00eenv\u0103\u021bat\u0103 \u00een cadrul simul\u0103rii: Pearson r=-0,91 \u0219i R\u00b2=0,83. \u00cen schimb, vulnerabilitatea legat\u0103 de c\u0103utarea ajutorului nu a prezentat o rela\u021bie semnificativ\u0103. Acest lucru nu \u00eenseamn\u0103 c\u0103 c\u0103utarea ajutorului nu protejeaz\u0103 oamenii. \u00cen acest model specific, agen\u021bii DB o subestimeaz\u0103 deoarece aceasta se traduce printr-un cost pentru pozi\u021bia lor social\u0103 defensiv\u0103.<\/p>\n<p>Concluzia practic\u0103 este c\u0103 aceea\u0219i configura\u021bie nu garanteaz\u0103 acelea\u0219i traiectorii. Succesiunea de instrumente, \u00eencerc\u0103ri repetate, excep\u021bii \u0219i interven\u021bii umane poate modifica starea ulterioar\u0103 a unui agent. Acesta este unul dintre motivele pentru care <a href=\"https:\/\/twodots.gr\/dynamic-context-scheduling-ai-agents-metavallomenos-kosmos\/\">antrenarea agen\u021bilor AI pentru medii \u00een schimbare<\/a> este nevoie de mai multe secven\u021be, nu doar de un singur \u201ehappy path\u201d.<\/p>\n<h2 id=\"reward-design-epixeiriseon\">De la articolul \u0219tiin\u021bific la proiectarea sistemelor de recompense \u00een cadrul \u00eentreprinderilor<\/h2>\n<p>ERDM nu este un model de marketing, de asisten\u021b\u0103 pentru clien\u021bi sau de comer\u021b electronic. Cu toate acestea, arhitectura sa pune \u00een lumin\u0103 o problem\u0103 general\u0103 a proiect\u0103rii agentice. Echipele stabilesc adesea un obiectiv \u2014 mai multe conversii, o deservire mai rapid\u0103, costuri mai mici \u2014 \u0219i trateaz\u0103 efectele secundare ca pe ni\u0219te erori imprevizibile. Un agent, \u00eens\u0103, poate pur \u0219i simplu s\u0103 urmeze cu consecven\u021b\u0103 stimulentele care i-au fost date.<\/p>\n<p>Un agent de asisten\u021b\u0103 pentru clien\u021bi care este remunerat \u00een principal pentru durata scurt\u0103 de rezolvare a unei solicit\u0103ri poate \u00eencheia conversa\u021biile \u00eenainte ca problema s\u0103 fie rezolvat\u0103. Un sistem de recomand\u0103ri care ia \u00een calcul doar clicurile imediate poate sacrifica \u00eencrederea sau diversitatea. Un agent de marketing care m\u0103soar\u0103 doar num\u0103rul de clien\u021bi poten\u021biali poate genera un volum de calitate sc\u0103zut\u0103. Acestea sunt exemple detaliate ale principiului \u0219i nu cazuri testate \u00een cadrul studiului.<\/p>\n<p>O bun\u0103 practic\u0103 const\u0103 \u00een identificarea conflictelor de obiective \u00eenainte de implementare. Ce indicatori sunt \u00een concuren\u021b\u0103? Ce comportament ar maximiza fiecare indicator \u00eentr-un mod nedorit? Ce costuri sunt invizibile \u00een model? Ce ac\u021biune sigur\u0103 lipse\u0219te? Discu\u021bia despre <a href=\"https:\/\/twodots.gr\/sparse-reward-ai-hints-critics-teachers\/\">recompense sporadice \u0219i \u00eendrumarea prin indicii, critici \u0219i \u00eendrum\u0103tori<\/a> arat\u0103, de asemenea, c\u0103 calitatea feedback-ului determin\u0103 ce poate \u00eenv\u0103\u021ba sistemul.<\/p>\n<div class=\"td-decision-band\">\n<p class=\"td-decision-kicker\">Decizia privind proiectarea recompensei<\/p>\n<p class=\"td-decision-title\">Nu corecta\u021bi doar rezultatul; verifica\u021bi ce a f\u0103cut ca comportamentul s\u0103 fie logic<\/p>\n<p>Identifica\u021bi recompensele, penaliz\u0103rile, semnalele de stare, ac\u021biunile disponibile, condi\u021biile de oprire \u0219i c\u0103ile de escaladare. Dac\u0103 agentul nu are o op\u021biune sigur\u0103 sau nu percepe costul unei ac\u021biuni, o solicitare mai strict\u0103 poate ascunde temporar simptomul f\u0103r\u0103 a modifica mecanismul.<\/p>\n<\/div>\n<p>NIST AI RMF abordeaz\u0103 riscul asociat IA ca o func\u021bie a probabilit\u0103\u021bii \u0219i a impactului \u00eentr-un context specific \u0219i avertizeaz\u0103 c\u0103 indicatorii pot fi simplifica\u021bi excesiv sau pot deveni obiectul unor practici de manipulare. Acest lucru se potrive\u0219te cu lec\u021bia practic\u0103 a ERDM: motiva\u021biile \u0219i limitele organiza\u021biei fac parte din securitate. Nu este suficient s\u0103 solicit\u0103m \u00abun comportament adecvat\u00bb din partea modelului dac\u0103 mediul opera\u021bional recompenseaz\u0103 altceva.<\/p>\n<h2 id=\"mesoi-oroi-failure-modes\">De ce valorile medii ascund modurile de defectare<\/h2>\n<p>Distinc\u021bia \u00eentre agen\u021bii rezisten\u021bi \u0219i cei vulnerabili arat\u0103 c\u0103 un rezultat agregat poate ascunde dou\u0103 categorii de comportament complet diferite. Dac\u0103 evaluarea ar lua \u00een considerare doar media nivelului de neajutorare \u00eenv\u0103\u021bat\u0103, nu ar eviden\u021bia clar structura bipartit\u0103 a celor 1.000 de serii.<\/p>\n<p>\u00cen cazul AI-ului de produc\u021bie, acest lucru se traduce prin necesitatea unei analize de cohort\u0103, a unor teste de risc de coad\u0103 \u0219i a relu\u0103rii unor ordine diferite ale evenimentelor. O rat\u0103 de succes global\u0103 nu este suficient\u0103. Trebuie s\u0103 \u0219tim care utilizatori, ce inten\u021bii, ce niveluri de resurse \u0219i ce secven\u021be de instrumente conduc la moduri de e\u0219ec. Ordinea cronologic\u0103 poate fi la fel de important\u0103 ca \u0219i intr\u0103rile individuale.<\/p>\n<p>Este la fel de important s\u0103 facem distinc\u021bia \u00eentre stabilitatea tehnic\u0103 \u0219i comportamentul dorit. O politic\u0103 poate fi stabil\u0103 \u0219i, \u00een acela\u0219i timp, problematic\u0103. Tablourile de bord trebuie s\u0103 includ\u0103 diversitatea comportamental\u0103, tiparele de refuz, calitatea escalad\u0103rii, rata de revenire la starea anterioar\u0103 \u0219i strategiile nedorite, nu doar laten\u021ba \u0219i finalizarea sarcinilor. Acesta este esen\u021ba <a href=\"https:\/\/twodots.gr\/ai-agents-behavioral-testing\/\">testarea comportamental\u0103 a agen\u021bilor de IA<\/a>.<\/p>\n<p>Analiza trebuie, de asemenea, s\u0103 coreleze fiecare e\u0219ec cu o cauz\u0103. Un e\u0219ec se datoreaz\u0103 faptului c\u0103 agentul nu dispunea de instrumentul potrivit, altul se datoreaz\u0103 faptului c\u0103 a primit un semnal de stare eronat, iar altul se datoreaz\u0103 faptului c\u0103 recompensa a favorizat o scurt\u0103tur\u0103. Aceast\u0103 logic\u0103 este asociat\u0103 cu sisteme \u00een care <a href=\"https:\/\/twodots.gr\/cdrl-ai-mathainei-apo-aitia-apotychias\/\">IA \u00eenva\u021b\u0103 din cauza e\u0219ecului<\/a> \u0219i nu doar pe baza unui indicator binar de succes.<\/p>\n<h2 id=\"elegxos-prin-deployment\">Cadru de verificare \u00eenainte de implementare<\/h2>\n<p>O echip\u0103 poate valorifica logica studiului f\u0103r\u0103 a copia acela\u0219i model. Ceea ce se cere este transformarea peisajului de recompense, a tranzi\u021biilor de stare \u0219i a excep\u021biilor \u00een artefacte verificabile. Fiecare etap\u0103 trebuie s\u0103 fie asociat\u0103 cu un caz de utilizare specific \u0219i cu o decizie care poate fi observat\u0103.<\/p>\n<div class=\"td-step-list\">\n<p class=\"td-step-list-title\">Analiza peisajului de recompense pentru un agent AI opera\u021bional<\/p>\n<ol>\n<li><span class=\"td-step-kicker\">Pasul 1<\/span><strong>Stabili\u021bi decizia \u0219i costul real al erorii<\/strong>\n<p>Nota\u021bi ce alege sau ce face agentul, pe cine afecteaz\u0103 \u0219i care sunt erorile reversibile, cele cu impact financiar sau cele cu risc ridicat.<\/p>\n<\/li>\n<li><span class=\"td-step-kicker\">Pasul 2<\/span><strong>Identifica\u021bi beneficiile oferite de concuren\u021b\u0103<\/strong>\n<p>Corela\u021bi viteza, calitatea, costul, conformitatea \u0219i experien\u021ba clientului cu indicatori distinc\u021bi, astfel \u00eenc\u00e2t un indicator s\u0103 nu le eclipseze pe celelalte.<\/p>\n<\/li>\n<li><span class=\"td-step-kicker\">Pasul 3<\/span><strong>Verifica\u021bi ce nu vede agentul<\/strong>\n<p>Identifica\u021bi costurile ascunse, rezultatele \u00eent\u00e2rziate, contextul incomplet \u0219i feedback-ul care ajunge abia c\u00e2nd este deja prea t\u00e2rziu.<\/p>\n<\/li>\n<li><span class=\"td-step-kicker\">Pasul 4<\/span><strong>Ad\u0103uga\u021bi ac\u021biuni sigure \u0219i condi\u021bii de oprire<\/strong>\n<p>Oferi\u021bi op\u021biuni pentru clarificare, a\u0219teptare, revenire la starea anterioar\u0103 \u0219i escaladare c\u0103tre personalul uman, \u00een loc s\u0103 obliga\u021bi sistemul s\u0103 aleag\u0103 \u00eentre ac\u021biuni neadecvate.<\/p>\n<\/li>\n<li><span class=\"td-step-kicker\">Pasul 5<\/span><strong>Red\u0103 diferite secven\u021be<\/strong>\n<p>Modifica\u021bi ordinea, intensitatea \u0219i frecven\u021ba evenimentelor, deoarece acela\u0219i set de intr\u0103ri poate genera un istoric al recompenselor \u0219i o politic\u0103 diferite.<\/p>\n<\/li>\n<li><span class=\"td-step-kicker\">Pasul 6<\/span><strong>M\u0103sura\u021bi cohortele \u0219i comportamentele extreme<\/strong>\n<p>Analiza\u021bi cozile de alocare, e\u0219ecurile minoritare, tiparele de refuz \u0219i grupurile de traiectorii, \u00een loc s\u0103 v\u0103 baza\u021bi doar pe medie.<\/p>\n<\/li>\n<li><span class=\"td-step-kicker\">Pasul 7<\/span><strong>Defini\u021bi proprietarul, istoricul modific\u0103rilor \u0219i regula de modificare<\/strong>\n<p>Desemna\u021bi o persoan\u0103 responsabil\u0103 pentru fiecare recompens\u0103 \u0219i m\u0103sur\u0103 de protec\u021bie, p\u0103stra\u021bi dovezi privind deciziile \u0219i modifica\u021bi configura\u021bia numai \u00een urma unei reevalu\u0103ri cuantificabile.<\/p>\n<\/li>\n<\/ol>\n<\/div>\n<p>Implementarea necesit\u0103 etape clare. Un test de performan\u021b\u0103 offline nu poate \u00eenlocui modul \u201eshadow\u201d, scenariile adversariale, revenirea la starea anterioar\u0103 \u0219i supravegherea uman\u0103. Acestea <a href=\"https:\/\/twodots.gr\/ai-agents-me-oria-aftonomia-kai-krisi\/\">Agen\u021bi AI cu limite<\/a> sunt de \u00eencredere atunci c\u00e2nd autonomia lor \u021bine cont de calitatea judec\u0103\u021bii \u0219i de amploarea impactului poten\u021bial.<\/p>\n<p>Supervizorul trebuie s\u0103 aib\u0103 posibilitatea real\u0103 de a interveni. Dac\u0103 un agent percepe fiecare op\u021biune ca fiind excesiv de negativ\u0103, este nevoie de o escaladare sigur\u0103 \u0219i de un spa\u021biu de ac\u021biune mai bun, nu de presiune pentru a continua. Dac\u0103 nicio ac\u021biune nu dep\u0103\u0219e\u0219te pragul de recompens\u0103, poate fi necesar\u0103 o redefinire a obiectivului. \u00cencrederea se construie\u0219te atunci c\u00e2nd <a href=\"https:\/\/twodots.gr\/ai-agents-confidence-context-data-human-oversight\/\">context, date \u0219i supraveghere uman\u0103<\/a> sunt asociate cu reguli executabile.<\/p>\n<h2 id=\"oria-symperasma\">Limitele studiului \u0219i concluzia principal\u0103<\/h2>\n<p>Lucrarea precizeaz\u0103 c\u00e2teva limit\u0103ri clare. \u00cen primul r\u00e2nd, se consider\u0103 c\u0103 agentul percepe situa\u021bia corect \u0219i f\u0103r\u0103 prejudec\u0103\u021bi, \u00een timp ce ra\u021biunea uman\u0103 \u0219i sistemele de IA de produc\u021bie pot prezenta zgomot, distorsiuni sau calibrare incorect\u0103. \u00cen al doilea r\u00e2nd, mediul este redus la trei st\u0103ri \u0219i la c\u00e2teva ac\u021biuni conservate. Nu include pe deplin empatia, eforturile e\u0219uate sau valorile specifice comunit\u0103\u021bii.<\/p>\n<p>\u00cen al treilea r\u00e2nd, este vorba despre un cadru cu un singur agent, prin urmare nu reproduce dinamica grupului, transmiterea cultural\u0103 sau evolu\u021bia social\u0103 \u00eentre mai mul\u021bi agen\u021bi activi. \u00cen al patrulea r\u00e2nd, nu exist\u0103 un studiu experimental de validare corespunz\u0103tor efectuat pe oameni. Rezultatele r\u0103m\u00e2n de natur\u0103 computa\u021bional\u0103, iar propunerile de interven\u021bii sunt ipoteze care urmeaz\u0103 s\u0103 fie verificate \u00een viitor.<\/p>\n<p>Aceste restric\u021bii nu invalideaz\u0103 modelul; ele definesc domeniul corect de aplicare al acestuia. Nu trebuie s\u0103 transform\u0103m o simulare \u00eentr-un diagnostic, nici o corela\u021bie din cadrul ERDM \u00eentr-o recomandare terapeutic\u0103. Valoarea const\u0103 \u00een faptul c\u0103 ipotezele mecaniciste privind mediul, recompensele \u0219i comportamentul devin vizibile \u0219i verificabile.<\/p>\n<p>Pentru companii, concluzia esen\u021bial\u0103 este simpl\u0103: nu evalua\u021bi un agent AI doar pe baza faptului c\u0103 a \u00ab\u00eenv\u0103\u021bat\u00bb sau a atins un obiectiv mediu. Analiza\u021bi ce a \u00eenv\u0103\u021bat s\u0103 considere valoros, ce riscuri percepe, ce op\u021biuni are la dispozi\u021bie, ce nu vede \u0219i cum succesiunea evenimentelor poate transforma o decizie logic\u0103 la nivel local \u00eentr-un rezultat opera\u021bional nedorit.<\/p>\n<section class=\"td-service-cta\">\n<div class=\"td-service-cta-content\">\n<p class=\"td-service-cta-kicker\">Automatiz\u0103ri bazate pe IA cu stimulente controlate<\/p>\n<p class=\"td-service-cta-title\">Proiecta\u021bi agen\u021bi care optimizeaz\u0103 rezultatul corect<\/p>\n<p>TWO DOTS integreaz\u0103 datele opera\u021bionale, proiectarea sistemelor de recompensare, m\u0103surile de protec\u021bie adaptate la starea sistemului, escaladarea c\u0103tre personalul uman, pista de audit \u0219i testarea comportamental\u0103 \u00een fluxuri de IA controlate.<\/p>\n<div class=\"td-service-cta-actions\"><a class=\"td-service-cta-button\" href=\"https:\/\/twodots.gr\/aftomatismoi-epicheiriseon-ai\/\">Vede\u021bi Automatiz\u0103ri pentru \u00eentreprinderi \u0219i IA<\/a><\/div>\n<\/div>\n<\/section>\n<section id=\"sychnes-erotiseis\" class=\"td-faq-section\">\n<div class=\"td-faq\">\n<p class=\"td-faq-heading\">\u00centreb\u0103ri frecvente<\/p>\n<details class=\"td-faq-item\">\n<summary class=\"td-faq-title\">Ce este ERDM?<\/summary>\n<div class=\"td-faq-content\">\n<p>Este un cadru computacional de \u00eenv\u0103\u021bare prin \u00eent\u0103rire care simuleaz\u0103 un agent \u00een medii caracterizate de amenin\u021b\u0103ri, obiective \u0219i alian\u021be, cu dimensiuni competitive de supravie\u021buire fizic\u0103 \u0219i social\u0103.<\/p>\n<\/div>\n<\/details>\n<details class=\"td-faq-item\">\n<summary class=\"td-faq-title\">ERDM este un model de diagnostic clinic?<\/summary>\n<div class=\"td-faq-content\">\n<p>Nu. Studiul este de natur\u0103 teoretic\u0103, nu include validarea experimental\u0103 pe oameni \u0219i nu trebuie utilizat pentru diagnosticare sau pentru luarea deciziilor terapeutice.<\/p>\n<\/div>\n<\/details>\n<details class=\"td-faq-item\">\n<summary class=\"td-faq-title\">Ce \u00eenseamn\u0103 \u201esatisficing\u201d \u00een cadrul modelului ERDM?<\/summary>\n<div class=\"td-faq-content\">\n<p>\u00censeamn\u0103 alegerea unei solu\u021bii care este satisf\u0103c\u0103toare \u00een cadrul constr\u00e2ngerilor existente, \u00een loc de c\u0103utarea unei solu\u021bii universal optime care s-ar putea s\u0103 nu existe.<\/p>\n<\/div>\n<\/details>\n<details class=\"td-faq-item\">\n<summary class=\"td-faq-title\">Care este diferen\u021ba dintre neputin\u021ba \u00eenv\u0103\u021bat\u0103 \u0219i apatie?<\/summary>\n<div class=\"td-faq-content\">\n<p>Prima se activeaz\u0103 atunci c\u00e2nd toate ac\u021biunile sunt prev\u0103zute a fi excesiv de negative \u00een raport cu pragul de risc, iar a doua atunci c\u00e2nd niciuna nu pare suficient de rentabil\u0103.<\/p>\n<\/div>\n<\/details>\n<details class=\"td-faq-item\">\n<summary class=\"td-faq-title\">Ce a ar\u0103tat testul de rezisten\u021b\u0103 la condi\u021bii extreme?<\/summary>\n<div class=\"td-faq-content\">\n<p>\u00cen cazul agen\u021bilor cu predominan\u021b\u0103 DB, neputin\u021ba \u00eenv\u0103\u021bat\u0103 a \u00eenregistrat o valoare medie de 15,2%, a\u0219tept\u0103rile pozitive au sc\u0103zut, iar agresivitatea nu a crescut \u00een mod uniform.<\/p>\n<\/div>\n<\/details>\n<details class=\"td-faq-item\">\n<summary class=\"td-faq-title\">De ce au ap\u0103rut dou\u0103 subgrupuri \u00een acelea\u0219i medii?<\/summary>\n<div class=\"td-faq-content\">\n<p>Seria aleatorie a evenimentelor ini\u021biale a generat istorii de recompense diferite, de\u0219i parametrii de mediu au fost identici \u00een cele 1.000 de rul\u0103ri suplimentare.<\/p>\n<\/div>\n<\/details>\n<details class=\"td-faq-item\">\n<summary class=\"td-faq-title\">Care este cursul de baz\u0103 \u00een domeniul IA aplicat\u0103 \u00een afaceri?<\/summary>\n<div class=\"td-faq-content\">\n<p>Echipele trebuie s\u0103 verifice \u00eempreun\u0103 modelul, stimulentele, ac\u021biunile disponibile, semnalele de stare, pragurile \u0219i secven\u021bele de evenimente care pot conduce la strategii nedorite.<\/p>\n<\/div>\n<\/details>\n<details class=\"td-faq-item\">\n<summary class=\"td-faq-title\">Cum se testeaz\u0103 un agent AI \u00eenainte de implementare?<\/summary>\n<div class=\"td-faq-content\">\n<p>Prin cartografierea recompenselor competitive, a nivelurilor de oprire sigure \u0219i a ac\u021biunilor de escaladare, redarea diferitelor secven\u021be, analiza cohortelor, testele de risc de coad\u0103 \u0219i pista de audit.<\/p>\n<\/div>\n<\/details>\n<\/div>\n<\/section>\n<div class=\"td-source-list\">\n<p id=\"piges\" class=\"td-source-list-title\">Surse<\/p>\n<ul>\n<li><a href=\"https:\/\/arxiv.org\/abs\/2608.23932\" target=\"_blank\" rel=\"noopener\">Andrew Hu \u2014 Modelul decizional recurent evolutiv \u00een dezvoltarea comportamentelor adaptative \u0219i neadaptative, arXiv<\/a><\/li>\n<li><a href=\"https:\/\/www.nist.gov\/publications\/artificial-intelligence-risk-management-framework-generative-artificial-intelligence\" target=\"_blank\" rel=\"noopener\">NIST \u2014 Cadrul de gestionare a riscurilor legate de inteligen\u021ba artificial\u0103: Profilul inteligen\u021bei artificiale generative<\/a><\/li>\n<li><a href=\"https:\/\/www.nist.gov\/itl\/ai-risk-management-framework\/nist-ai-rmf-playbook\" target=\"_blank\" rel=\"noopener\">NIST \u2014 Ghidul privind cadrul de gestionare a riscurilor asociate IA<\/a><\/li>\n<\/ul>\n<\/div>","protected":false},"excerpt":{"rendered":"<p>ERDM arat\u0103 de ce un agent AI poate \u00eenv\u0103\u021ba corect, dar poate ac\u021biona gre\u0219it atunci c\u00e2nd recompensele, op\u021biunile \u0219i mediul s\u0103u intr\u0103 \u00een conflict.<\/p>","protected":false},"author":1,"featured_media":106022,"comment_status":"open","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"_gspb_post_css":"","footnotes":""},"categories":[199],"tags":[6506,20975,20976,18034,19154],"class_list":["post-98263","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-techniti-noimosyni","tag-ai-agents","tag-behavioral-modeling","tag-incentive-design","tag-reinforcement-learning","tag-responsible-ai"],"_links":{"self":[{"href":"https:\/\/twodots.gr\/ro\/wp-json\/wp\/v2\/posts\/98263","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/twodots.gr\/ro\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/twodots.gr\/ro\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/twodots.gr\/ro\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/twodots.gr\/ro\/wp-json\/wp\/v2\/comments?post=98263"}],"version-history":[{"count":0,"href":"https:\/\/twodots.gr\/ro\/wp-json\/wp\/v2\/posts\/98263\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/twodots.gr\/ro\/wp-json\/wp\/v2\/media\/106022"}],"wp:attachment":[{"href":"https:\/\/twodots.gr\/ro\/wp-json\/wp\/v2\/media?parent=98263"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/twodots.gr\/ro\/wp-json\/wp\/v2\/categories?post=98263"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/twodots.gr\/ro\/wp-json\/wp\/v2\/tags?post=98263"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}