عدد اليوم
لمساعدة الروبوتات على القيام بالأعمال المنزلية في أماكن مثل المنازل والمصانع، طور باحثون أميركيون نهجا جديدا يستخدم نموذج لغة لجعل الآلة تفهم وتنفذ تعليمات المستخدمين المبهمة بدقة.
تخيل أنك تعمل في مستودع ويُطلب منك مساعدة متدرب جديد على تعلم أساسيات وظيفته. المشكلة أن المتدرب روبوت. لنفترض أنك طلبت منه وضع كوب القهوة على مكتبك دون إزعاجك أثناء محادثة بالفيديو وألا يقترب كثيرًا منك ومن جهاز الكمبيوتر المحمول حتى لا يُقاطع اجتماعك.
لتمكين الروبوت من القيام بهذا العمل، يجب تدريبه ببيانات تُظهر المهمة كاملة بوضوح. حاول علماء الحاسوب شرح المهام للروبوتات من خلال تسجيل العديد من العروض العملية أو كتابة تعليمات مفصلة. ولكن إذا لم يتوفر لديك كلا الأمرين، فمن المرجح أن يُسيء الجهاز فهم ما يجب عليه فعله.
يستغرق شرح التعليمات وتوضيحها للروبوت الكثير من الوقت للبشر. لذا، قام باحثون في مختبر علوم الحاسوب والذكاء الاصطناعي التابع لمعهد ماساتشوستس للتكنولوجيا في الولايات المتحدة بأتمتة عملية تعليم الروبوت، مع توضيح التعليمات تلقائيًا واستخدام بيانات تجريبية أقل بخمس مرات تقريبًا. يعتمد نهجهم، المسمى "التعلم العكسي المعزز المقنّع" (Masked IRL)، على نموذج لغوي كبير لشرح التعليمات الغامضة. ثم يقوم نموذج لغوي كبير آخر بتحديد التفاصيل التي يجب أن تُدمجها الخوارزمية في خطة الحركة، بحيث يتمكن الروبوت من إنجاز المهام بأمان في المنازل والمكاتب والمصانع.
تقول مين يونغ هوانغ، الباحثة في مختبر علوم الحاسوب والذكاء الاصطناعي، والمؤلفة الرئيسية للورقة البحثية التي تُقدّم المشروع "قد يكون نهجنا مفيدًا عندما يتفاعل الإنسان مع الروبوت ولكنه لا يرغب في شرح جميع تفاصيل المهمة. نحن نقلل الجهد البشري إلى أدنى حد من خلال تمكين الآلات من فهم ما يريده المستخدمون حقًا".
اقرأ أيضا... الذكاء الاصطناعي يساعد العلماء على التواصل مع الروبوتات
بحسب هوانغ، يُمكن لنظام Masked IRL مساعدة الروبوتات على المناورة بأمان في بيئات قد لا يصفها الإنسان في التعليمات، لكنها مع ذلك بالغة الأهمية. على سبيل المثال، قد لا تعرف الآلة التي تُحضر لك وجبة خفيفة من المطبخ كيفية تجنب الاصطدام بجهاز الكمبيوتر المحمول الخاص بك. وبالمثل، يجب على روبوت المصنع الذي يضع المنتجات في صناديق مختلفة أن يتحرك بحذر حول الرفوف.
لتعلم مهام جديدة في هذه المواقف، يستخدم نظام Masked IRL مستشعرات الروبوت لجمع معلومات حول محيطه. كما تُسجل هذه المكونات كل حركة في عرض توضيحي حركي، وهو أسلوب تدريبي يُحرك فيه الإنسان الروبوت فعليًا لأداء حركة محددة. يُشبه الأمر إلى حد ما أن تكون معالجًا فيزيائيًا للآلة، حيث تُثني المفاصل في اتجاه معين لتُظهر للروبوت كيفية التقاط الأشياء وتحريكها ووضعها.
يُفصّل نظام معهد ماساتشوستس للتكنولوجيا ما قد يكون غامضًا في التعليمات، فيُحوّل طلبًا مثل "ابقَ قريبًا" إلى "ابقَ قريبًا من سطح الطاولة".
يتمتع هذا النموذج بميزة رئيسية على غيره من النماذج لأنه علّم الروبوت المعلومات التي يجب إعطاؤها الأولوية. بفضل هذا النظام، تمكنت الروبوتات من تحريك الأشياء بمهارة حول العوائق، مثل نقل كوب قهوة حول جهاز كمبيوتر محمول إلى أماكن مختلفة على الطاولة. في هذه المهام، حدد نظام Masked IRL بدقة تفضيلات المستخدمين، التي لم يذكروها صراحةً في تعليماتهم، بنسبة تصل إلى 15% أكثر من الأنظمة المرجعية المماثلة.
خلال تجارب المحاكاة، وجد باحثو مختبر علوم الحاسوب والذكاء الاصطناعي أيضًا أن نظام Masked IRL يتميز بسرعة التعلم. فقد احتاج إلى عدد أقل من العروض التوضيحية لفهم كيفية تحريك الكوب مقارنةً بالأنظمة المرجعية.
ونجحت الروبوتات في تنفيذ أوامر لم يسبق للنظام رؤيتها خلال مرحلة التدريب. بعد تدريبها على 50 عرضًا حركيًا، حرك الروبوت كوبًا بحذر نحو إنسان مع تجنب الاصطدام بجهاز الكمبيوتر الخاص به، وهو عائق تعلم تجنبه من خلال توضيح طلب عام "بالابتعاد". كما قام بمسح طاولة مع "البقاء على مقربة" منها، وقدم كيسًا من رقائق البطاطس للمستخدم مع "الابتعاد" عن كل من الإنسان والطاولة.
يستشعر نظام Masked IRL ما لا يقوله المستخدمون ويشرحه، ولكن قريبًا، قد "يراه" أيضًا. يخطط باحثو مختبر علوم الحاسوب والذكاء الاصطناعي لجعل نهجهم أكثر ديناميكية من خلال تزويده بكاميرات، مما يسمح للروبوت بالتقاط صور لمحيطه. عندها، يمكنه تسليط الضوء على عناصر محددة قريبة والتركيز عليها.
مصطفى أوفى (أبوظبي)
