1000 مهمة في اليوم.. الروبوتات تتعلم بشكل أقرب إلى البشر
درب الباحثون روبوتًا على تعلم ألف مهمة بدنية مختلفة في يوم واحد باستخدام عرض توضيحي واحد فقط لكل مهمة، لم تكن هذه مجرد اختلافات طفيفة في الحركة نفسها، بل شملت المهام وضع الأشياء اليومية وطيها وإدخالها والإمساك بها والتعامل معها في العالم الحقيقي، يُعد هذا إنجازًا كبيرًا في مجال الروبوتات.
لماذا كانت الروبوتات دائماً بطيئة التعلم
وفقا لموقع"foxnews"، حتى الآن، كان تعليم الروبوتات المهام الفيزيائية عمليةً غير فعالة بشكلٍ كبير، فحتى أبسط الأفعال تتطلب في كثير من الأحيان مئات أو آلاف العروض التوضيحية، ويتعين على المهندسين جمع كميات هائلة من البيانات وضبط الأنظمة بدقة متناهية في الخفاء، ولهذا السبب، تُكرر معظم روبوتات المصانع حركةً واحدةً بلا نهاية، وتفشل بمجرد تغير الظروف، أما البشر، فيتعلمون بطريقة مختلفة، فإذا شرح لك أحدهم كيفية القيام بشيء ما مرةً أو مرتين، يمكنك عادةً فهمه، وقد أعاق هذا الفارق بين التعلم البشري وتعلم الروبوتات تطور علم الروبوتات لعقود، ويهدف هذا البحث إلى سد هذا الفارق.
كيف تعلم الروبوت 1000 مهمة بهذه السرعة
يكمن هذا الإنجاز في طريقة أكثر ذكاءً لتعليم الروبوتات التعلم من العروض التوضيحية، فبدلاً من حفظ الحركات كاملةً، يقسم النظام المهام إلى مراحل أبسط، تركز إحدى المراحل على التوافق مع الجسم، بينما تتولى الأخرى التفاعل نفسه، تعتمد هذه الطريقة على الذكاء الاصطناعي، وتحديداً تقنية تُسمى التعلم بالتقليد، والتي تُمكن الروبوتات من تعلم المهام الفيزيائية من العروض التوضيحية البشرية.
ثم يعيد الروبوت استخدام المعرفة التي اكتسبها من المهام التي تعلمها في وقت سابق ويقوم بتطبيقها على مهام جديدة، يتيح هذا النهج القائم على الاسترجاع للنظام التعميم بدلاً من البدء من الصفر في كل مرة، باستخدام هذه الطريقة، المسماة نقل مسار المهام المتعددة، درب الباحثون ذراعًا روبوتية حقيقية على 1000 مهمة يومية مختلفة في أقل من 24 ساعة من وقت العرض العملي البشري، الأهم من ذلك، أن هذا لم يتم في محاكاة، بل حدث في العالم الحقيقي، بأشياء حقيقية، وأخطاء حقيقية، وقيود حقيقية، هذه التفاصيل مهمة.
يتناول هذا البحث إحدى أكبر العقبات في مجال الروبوتات: عدم كفاءة التعلم من العروض التوضيحية، من خلال تجزئة المهام وإعادة استخدام المعرفة، حقق النظام تحسناً هائلاً في كفاءة البيانات مقارنةً بالأساليب التقليدية، هذا النوع من التقدم نادر الحدوث بين عشية وضحاها، يشير هذا إلى أن مستقبل الروبوتات الذي تحدثنا عنه لسنوات قد يكون أقرب مما كان يبدو عليه قبل بضع سنوات فقط.
التعلم الأسرع
التعلم الأسرع يغير كل شيء، فإذا احتاجت الروبوتات إلى بيانات وبرمجة أقل، ستصبح أرخص وأكثر مرونة، وهذا يفتح المجال أمام الروبوتات للعمل خارج البيئات الخاضعة لرقابة صارمة.
على المدى البعيد، قد يُمكن هذا الروبوتات المنزلية من تعلم مهام جديدة من خلال عروض توضيحية بسيطة بدلاً من استخدام برامج متخصصة، كما أن له آثاراً بالغة الأهمية على الرعاية الصحية والخدمات اللوجستية والتصنيع.
على نطاق أوسع، يشير هذا إلى تحول في مجال الذكاء الاصطناعي، فنحن نبتعد عن الحيل البراقة ونتجه نحو أنظمة تتعلم بطرق أقرب إلى البشر، ليست أذكى من البشر، بل أقرب إلى طريقة عملنا اليومية.
إن تعلم الروبوتات ألف مهمة في اليوم لا يعني أن منزلك سيضم مساعدًا بشريًا غدًا، مع ذلك، فهو يمثل تقدمًا حقيقيًا في حل مشكلة حدت من قدرات الروبوتات لعقود، عندما تبدأ الآلات بالتعلم بشكل أقرب إلى البشر، يتغير مسار النقاش، يتحول السؤال من ما يمكن للروبوتات تكراره إلى ما يمكنها التكيف معه لاحقًا، هذا التحول جدير بالاهتمام.