شارك
الرئيسية
2 دقائق 
مصدر الفيديو: ساينس روبوتيكس
على الرغم من التطورات المذهلة التي يشهدها عالم الذكاء الاصطناعي، ما زالت الروبوتات تتحرك بشكل طائش إلى حد فظيع. وقد تزايد اعتماد الباحثين والشركات على التعلم الآلي لجعل هذه الروبوتات أكثر تكيفاً وبراعة في الحركة. وهو ما يعني عادة تلقيم الروبوت بفيديو لما يحدث أمامه، وجعله يحسب كيفية حركته من أجل التلاعب بالجسم المطلوب.
وعلى سبيل المثال، فقد تمكن باحثو أوبن إيه آي – وهي مؤسسة لاربحية في سان فرانسيسكو – من تعليم ذراع يد روبوتية كيفية التلاعب بمكعب من ألعاب الأطفال بهذه الطريقة.
غير أن البشر بطبيعة الحال يعتمدون على أكثر من مجرد النظر لتعلم كيفية التعامل مع الأجسام، وذلك بالجمع ما بين الرؤية وحاسة اللمس، وكما تعلمنا في مرحلة مبكرة من عمرنا، فإن الأجسام ذات التوضع غير المستقر ستقع على الأرجح.
وهو على الأرجح ما أوحى لنيما فازيلي وزملائه في إم آي تي بتصميم روبوت جديد، وهو يتمتع بفهم أساسي لفيزياء العالم الحقيقي، إضافة إلى حاسة لمس يمكن الاستفادة منها.
برهن الروبوت عن رشاقة أصابعه بإتقان لعبة جينغا، وهي لعبة تتطلب إزاحة كتل من برج مؤلف من عدد كبير من الكتل المكدسة فوق بعضها البعض، وذلك من دون التسبب بوقوع البرج. كما برهن الروبوت عن مهارة ضرورية للاعب البشري، وهي اختيار الكتلة التي يمكن إزالتها بدون التسبب بوقوع البرج.
استلهم البحث عدة أفكار أساسية تم تطويرها من قبل جوش تينيبوم، في قسم علوم الدماغ والإدراك في إم آي تي، ضمن أبحاثه حول الإدراك البشري. بما في ذلك الفكرة التي تقول بأن البشر يطورون فهماً حدسياً للفيزياء من سن مبكرة، وأن الاحتمالات هي المفتاح الأساسي للتفكير بالعالم وفهمه. يختلف هذا كثيراً عن أبحاث الذكاء الاصطناعي الحالية، والتي تدور حول تلقيم أكبر قدر ممكن من البيانات لشبكات عصبونية فائقة الكبر، أو “العمق”.
يحمل الروبوت عدة حساسات لقياس القوة، إضافة إلى مجموعة من الكاميرات، وهو يتعلم كيفية لعب جانغا عن طريق وكز وتحريك الكتل واستخدام المعلومات المرئية واللمسية لتدريب نموذجه الفيزيائي للعالم. وبعد ذلك، عند التعامل مع برج جديد من الكتل، يستخدم النموذج حتى يستنبط، وبشكل احتمالي، الكتل التي يجب أن يحاول أن يخرجها من البرج، ويمكنك أن ترى مدى مهارته في الفيديو أعلاه.
مصدر الفيديو: ساينس روبوتيكس
عن طريق الجمع ما بين الرؤية واللمس وهذا النموذج لفيزياء العالم الحقيقي، يمكن للروبوت أن يتعلم كيفية لعب جينغا بشكل أكثر فعالية من أية طريقة أخرى. إن نموذج الفيزياء الحدسية يسمح للروبوت أيضاً بأن يفهم بسرعة بأن الكتلة القريبة من الحافة ستقع على الأرجح. وأثناء الاختبارات، تفوق النموذج على أساليب التعلم الآلي التقليدية. وقد نُشر البحث مؤخراً في مجلة ساينس روبوتيكس.
إن هذه الطريقة القريبة من أساليب التعلم البشرية قد تساعد على جعل روبوتات المصانع والمخازن أكثر فعالية. وإذا لم ينجح هذا، فسوف تكون هذه الروبوتات على الأقل مفيدة للتسلية في الحفلات.