به گزارش سرویس ترجمه ایمنا، انسان‌ها تصوری واضح از خود در مغزشان دارند که یک الگوی رفتاری در اختیار آن‌ها قرار می‌دهد. این الگو به انسان اطلاع می‌دهد که چه حجمی از محیط اطراف خود را اشغال کرده است و این حجم چگونه در حین حرکت تغییر می‌کند. تصور انسان از بدن خود همیشه درست و واقع‌بینانه نیست بااین‌وجود عامل مهمی برای تعیین چگونگی رفتار وی در جامعه محسوب می‌شود. از سوی دیگر ساختار مغز به‌شیوه‌ای طراحی شده است که به‌طور مداوم برای حرکت آماده و مراقب باشد بدن انسان اعمالی همچون بازی کردن، لباس پوشیدن و هرگونه فعالیت دیگر را بدون ضربه خوردن، آسیب دیدن یا افتادن انجام دهد.
بدن انسان از دوران نوزادی آغاز به شکل‌گیری می‌کند و مدل‌های بدنی وی از این بازه زمانی توسعه می‌یابد که این امر بسیار طبیعی است، با این حال ربات‌ها نیز چنین توسعه‌ای را آغاز کرده‌اند. گروهی از مهندسان کلمبیایی موفق به تولید رباتی شده‌اند که می‌تواند برای اولین بار بدون دریافت هیچ‌گونه کمک انسانی، مدلی از کل بدن خود را از ابتدای تولید بیاموزد؛ رباتی که می‌تواند مورفولوژی تمام بدنه خود را از طریق «خود مدل‌سازی» بصری یاد بگیرد تا با برنامه‌ریزی و کنترل حرکت چندگانه سازگار شود. نحوه عملکرد این ربات توسط تیم سازنده در مقاله‌ای منتشر شده در نشریه Science Robotics توضیح داده شده است.
خود مدل‌سازی در ربات‌ها
مدل‌های محاسباتی درونی اجسام فیزیکی برای توانایی ربات‌ها و حیوانات به‌طور یکسان برای برنامه‌ریزی و کنترل اعمالشان ضروری است. این خود مدل‌سازی‌ها به ربات‌ها اجازه می‌دهد تا نتایج چندین اقدام احتمالی آینده را بدون آزمایش آن‌ها در واقعیت فیزیکی در نظر بگیرند. پیشرفت‌های اخیر در خود مدل‌سازی‌های کاملاً مبتنی بر داده، ماشین‌ها را قادر می‌سازد تا سینماتیک رو به جلو خود را به‌طور مستقیم از داده‌های تعاملی تکلیف-مستقل از داده (task-agnostic) بیاموزند که به‌عنوان یادگیری بدون پاداش تعریف می‌شود، بااین‌حال مدل‌های سینماتیکی رو به جلو فقط می‌توانند جنبه‌های محدودی از مورفولوژی، مانند موقعیت عوامل انتهایی یا سرعت مفاصل و اجرام را پیش‌بینی کنند.
چالش کلیدی در این زمینه، مدل‌سازی کل مورفولوژی و سینماتیک بدون دانش قبلی از این امر محسوب می‌شود که چه جنبه‌هایی از مورفولوژی به وظایف آینده مربوط می‌شود. مهندسان کلمبیایی در ساخت ربات خود به‌جای مدل‌سازی مستقیم سینماتیک رو به جلو، یک شکل مفیدتر از خود مدل‌سازی را به‌کار گرفته‌اند؛ شکلی که می‌تواند مشروط به وضعیت ربات به پرسش‌های اشغال فضا پاسخ دهد. این‌چنین مدل‌های خودکار مبتنی بر پرس‌وجو، در حوزه فضایی پیوسته، دارای حافظه کارآمد، کاملاً قابل‌تمایز و سینماتیک هستند و می‌توانند در طیف وسیع‌تری از وظایف مورد استفاده قرار گیرند.
مهندسان کلمبیایی نشان داده‌اند که یک خود مدل‌سازی بصری در حدود یک درصد از فضای کاری خود دقیق است و ربات را قادر می‌سازد تا وظایف مختلف برنامه‌ریزی و کنترل حرکت را انجام دهد. خود مدل‌سازی بصری همچنین به ربات اجازه می‌دهد آسیب‌های دنیای واقعی را شناسایی، بومی‌سازی و بازیابی کند که این امر منجر به بهبود انعطاف‌پذیری ماشین می‌شود. ربات مهندسان کلمبیایی یک مدل سینماتیکی از خود می‌سازد و از آن برای برنامه‌ریزی حرکات، دستیابی به اهداف و اجتناب از موانع موجود در طیف وسیعی از سناریوهای مشخص استفاده می‌کند و حتی آسیب‌های وارده به بدنه خود را نیز به‌صورت خودکار شناسایی و اصلاح می‌کند.
رباتی که همچون یک نوزاد خود را کاوش می‌کند
محققان کلمبیایی برای ربات خود یک بازوی رباتیک را در دایره‌ای متشکل از پنج دوربین ویدئویی قرار دادند و ربات در حالی‌که آزادانه در محیط اطراف حرکت می‌کرد خود را از دریچه این دوربین‌ها تماشا می‌کرد. مانند نوزادی که برای اولین بار به کاوش خود را در سالنی از آینه‌ها می‌پردازد، ربات تکان می‌خورد تا بفهمد بدنش به‌طور دقیق چگونه در پاسخ به فرمان‌های مختلف موتور به حرکت در می‌آید. پس از حدود سه ساعت، ربات متوقف شد چراکه شبکه عصبی عمیق داخلی آن، یادگیری رابطه بین اعمال حرکتی ربات و حجمی را که در محیط خود اشغال کرده بود، به پایان رسانده بود.
مدیر آزمایشگاه ماشین‌های خلاق کلمبیا در توضیح این عملکرد گفت: کنجکاو بودیم که ببینیم ربات خود را چگونه تصور می‌کند، اما این کار از طریق نگاه کردن به شبکه عصبی میسر نیست، چراکه این شبکه برای ربات تنها یک جعبه سیاه است. بااین‌وجود پس از این‌که محققان تکنیک‌های مختلف تجسم را مورد آزمون قرار دادند، خودانگاره به تدریج پدیدار شد که نوعی فضای ابری بود که به آرامی سوسو می‌زد و به‌نظر می‌رسید بدن سه‌بعدی ربات را در بر می‌گیرد. همان‌طور که ربات حرکت می‌کرد، این ابر به آرامی آن را دنبال می‌کرد.
تکیه ربات‌های خود مدل‌ساز به سیستم‌های خودمختار
توانایی ربات‌ها برای مدل‌سازی خود بدون کمک مهندسان به دلایل زیادی مهم است. این امکان نه تنها باعث صرفه‌جویی در نیروی کار می‌شود بلکه به ربات اجازه می‌دهد تا با فرسودگی خود هماهنگ باشد و حتی آسیب را شناسایی و جبران کند. علاوه بر این محققان این توانایی را مهم می‌دانند زیرا بشر به سیستم‌های خودمختار نیاز دارد تا بیشتر به خود متکی شود؛ یک ربات کارخانه می‌تواند بخشی که درست کار نمی‌کند را تشخیص و برای رفع مشکل به جبران آسیب یا درخواست کمک اقدام کند.
خودآگاهی ربات‌ها
ربات هوشمند مهندسان کلمبیا بخشی از تلاش چند دهه‌ای آن‌ها برای یافتن شیوه‌های اعطای نوعی خودآگاهی به ربات‌ها است. خود مدل‌سازی شکل بدوی خودآگاهی محسوب می‌شود و برخورداری یک ربات، حیوان یا انسان از یک خود الگویی دقیق باعث می‌شود در جهان بهتر عمل کند، تصمیمات بهتری بگیرد و مزیت تکاملی داشته باشد.
محققان از محدودیت‌ها، ریسک‌ها و مناقشات مربوط به اعطای استقلال بیشتر به ماشین‌ها از طریق خودآگاهی اطلاع دارند بااین‌وجود دانشمندان کلمبیایی اعلام کردند که نوع خودآگاهی نشان‌داده‌شده در این مطالعه در مقایسه با خودآگاهی بشری کاملاً بی‌اهمیت و ساده است، اما باید از جایی شروع کرد چراکه بشر باید به‌آرامی و با دقت پیش رود تا بتواند از مزایای این تکامل بهره ببرد و در عین حال خطرات را به حداقل برساند.
ترجمه از: مریم زمانی، خبرنگار ایمنا
نظر شما