قد لا يبدو الروبوت أعلاه مميزاً بشكل خاص، ولكنه في الواقع، ووفقاً لقياس جديد، الروبوت ذو المهارة الحركية الأعلى من بين جميع الروبوتات التي صممت حتى الآن. ومن أهم الحيل التي يستطيع أن يقوم بها، تصنيف الأغراض في درجك بسرعة ومهارة لا تضاهى. لا يكمن مفتاح المهارة الحركية لهذا الروبوت في مقابضه الميكانيكية، بل في دماغه. يستخدم هذا الروبوت برنامجاً يسمى ديكس نت لتحديد كيفية التقاط الأجسام، حتى لو كانت غريبة المنظر، بفعالية مدهشة.
تم تطوير ديكس نت من قبل كين جولدبرج، وهو بروفسور في جامعة كاليفورنيا في بيركلي، وأحد طلابه في الدراسات العليا، جيف ماهلر. يعمل البرنامج على آلة صناعية شائعة الانتشار من شركة ABB، وهي شركة سويسرية للروبوتات. استعرض جولدبرج آخر نسخة من نظامه في مؤتمر إيمتيك ديجيتال، وهو حدث مخصص للذكاء الاصطناعي من تنظيم إم آي تي تيكنولوجي ريفيو في سان فرانسيسكو. يعتبر نظام جولدبرج أقرب ما تم تطويره حتى الآن إلى المهارة البشرية. ويمكن استخدام الروبوتات الصناعية ذات المهارة الحركية العالية في المستودعات والمعامل، إضافة إلى المستشفيات والمنازل.
أما الأمر المميز حول ديكس نت فهو كيفية تعلم الإمساك. حيث أن البرنامج يجرب التقاط الأجسام في بيئة افتراضية، ويدرب شبكة عصبونية عميقة عبر المحاولة والخطأ، وهي مهمة شاقة حتى أثناء المحاكاة. غير أن البرنامج قادر على التعميم والانتقال من جسم رآه مسبقاً إلى جسم جديد، وهو أمر هام للغاية. بل إن الروبوت سيدفع الجسم قليلاً لينظر إليه بشكل أفضل إذا لم يحسم أمره حول كيفية إمساكه. وتتضمن النسخة الأحدث من النظام حساساً ثلاثي الأبعاد عالي الدقة وذراعين تخضع كل منهما لتحكم شبكة عصبونية مستقلة. زودت إحدى الذراعين بمقبض روبوتي تقليدي، أما الأخرى فزودت بنظام شفط. ويقوم برنامج الروبوت بمسح الجسم ومن ثم يفحص كلتا الشبكتين العصبونيتين ليتخذ قراره، وبسرعة، ما إذا كان من الأفضل استخدام المقبض أو الشفاط للإمساك بهذا الجسم.
قام الباحثون في جامعة كاليفورنيا في بيركلي ايضاً بتطوير أسلوب أفضل لقياس أداء روبوت الالتقاط، وهو معيار أطلق عليه اسم "متوسط الالتقاط في الساعة"، والذي يحسب بجداء الوقت المتوسط لعملية الالتقاط الواحدة مع احتمال النجاح، وذلك لمجموعة من الأجسام المتماثلة. سيساعد المعيار الجديد المختبرات التي تعمل على هذا النوع من الروبوتات على مشاركة نتائجها. يقول جولدبرج: "كنا نتناقش حول كيفية مقارنة نتائجنا لقياس مدى التقدم. ويعتمد هذا على الروبوت، والحساس، وبالطبع (وهو المعامل الأهم) الأجسام المستخدمة".
يمكن للبشر أن يحققوا قيمة 400 إلى 600 لمتوسط عدد مرات الالتقاط في الساعة. وفي مسابقة نظمتها أمازون مؤخراً، تمكنت أفضل الروبوتات من تحقيق نتائج تتراوح ما بين 70 و95. يمكن للروبوت الجديد أن يصل إلى قيمة تتراوح بين 200 و300، كما يقول جولدبرج. أما النتائج فهي جزء من مؤتمر في أستراليا سيقام في وقت لاحق من هذه السنة. ويضيف جولدبرج في عرضه التقديمي أنه يتوقع، خلال خمس سنوات، أن الروبوتات ستصل إلى "متوسط التقاط في الساعة يوازي القدرات البشرية أو يتفوق عليها".
يعتبر الإمساك بالأجسام الغريبة وغير المألوفة والتلاعب بها تحدياً أساسياً للروبوتات، ومن الأمور التي أعاقت تقدم هذه التكنولوجيا. وعلى سبيل المثال، فإن الروبوتات في مصانع السيارات تتميز بالسرعة والدقة، ولكنها غير قادرة على التكيف مع بيئة متغيرة أو غير مألوفة. وإضافة إلى العمل في المصانع أو المستودعات، يمكن بتحقيق تلاعب أكثر دقة أن تصبح الروبوتات مفيدة في المستشفيات ومنشآت رعاية كبار السن.
يعتبر التقدم الذي تم تحقيقه مؤخراً في هذه الناحية من الروبوتات ناتجاً عن عدة توجهات متزامنة، وقد بدأت الروبوتات الأصغر حجماً والأكثر أماناً بالانتشار، وظهرت أنواع جديدة من المقابض، والأهم من ذلك، أنها أنجزت خطوات هامة في مجال التعلم الآلي.
جيف ماهلر، طالب دراسات عليا في جامعة كاليفورنيا في بيركلي، وهو يعمل على نظام ديكس نت الروبوتي.
إضافة إلى عمل جولدبرج وبحثه في عدة مختبرات أكاديمية أخرى، فقد بدأ باحثون في مؤسسات مثل ديب مايند وأوبين أيه آي باستكشاف كيفية استخدام التعلم الآلي لجعل الروبوتات أكثر ذكاء وقدرة على التكيف. وقد تؤدي التطورات في الروبوتات إلى إحراز تقدم في مجالات أخرى من الذكاء الاصطناعي، مثل الإحساس بالبيئة المحيطة.
يقول روس تيدريك الذي شاهد العرض التجريبي للروبوت، وهو بروفسور في إم آي تي: "أحدث التعلم الآلي تأثيراً غير مسبوق على الروبوتات. وتنطوي زيادة انتشار الروبوتات إلى حد الحصول على بيانات كبيرة تتعلق بالروبوتيات على فوائد مذهلة".
