در اغلب موارد، زمانی که اخبار مربوط به رباتها تیتر رسانهها را به خود اختصاص میدهند، ماجرا به ماشینی محدود میشود که در یک آزمایشگاه کاملاً کنترلشده، تنها یک کار بسیار خاص را انجام میدهد و سپس ادعا میشود که این دستاورد، به شکلی بنیادین همهچیز را تغییر خواهد داد.
از زمان شکلگیری نخستین رمانهای علمیتخیلی، بارها و بارها درباره تسلط رباتها بر بشر شنیدهایم و در عمل، اغلب این وعدهها هرگز به نتیجه ملموسی نرسیدهاند. با این حال، گزارش جدیدی که در نشریه ScienceRobotics منتشر شده است، توجه ما را جلب کرده و بهنظر میرسد واقعاً جذاب، خیرهکننده و در عین حال تا حدی نگرانکننده باشد.
پژوهشگران موفق شدهاند رباتی را آموزش دهند که بتواند در یک روز، ۱,۰۰۰ وظیفه فیزیکی کاملاً متفاوت را بیاموزد؛ آن هم بهگونهای که هر وظیفه تنها با یک بار نمایش آموزش داده شده است. نکته مهم اینکه، این ۱,۰۰۰ وظیفه، صرفاً تغییرات جزئی یک حرکت واحد نیستند، بلکه شامل مجموعهای بسیار گسترده از تعاملات روزمره با اشیای واقعی میشوند؛ از جمله قرار دادن اشیا، تا کردن، جا زدن، گرفتن و دستکاری انواع اجسام در دنیای واقعی. برای رباتها، چنین قابلیتی یک دستاورد واقعاً بزرگ محسوب میشود.
تا پیش از این، بیشتر رباتها یادگیرندگانی بسیار کند بودهاند. آموزش حتی یک کار ساده به یک ماشین، اغلب به صدها یا هزاران تکرار، مجموعهدادههای عظیم، و تنظیمات فنی گسترده توسط مهندسان در پشت صحنه نیاز داشته است.
به همین دلیل است که اغلب رباتهایی که در کارخانهها میبینیم، تنها یک کار مشخص را بارها و بارها با دقت بالا انجام میدهند. این رباتها انعطافپذیر نیستند، زیرا بهمحض آنکه وظیفه محوله تغییر کند، ضعفها آشکار میشود و کل سامانه از هم میپاشد.
اما انسانها به این شکل عمل نمیکنند. اگر یک کار را یک بار، یا نهایتاً دو بار به ما نشان دهند، معمولاً میتوانیم با کمی آزمون و خطا، آن را انجام دهیم و به نتیجه برسیم. همین تفاوت اساسی میان شیوه یادگیری انسان و ربات، یکی از بزرگترین موانعی بوده است که تاکنون اجازه نداده رباتها خارج از محیطهای کاملاً کنترلشده، به ابزارهایی واقعاً کاربردی تبدیل شوند. سامانه جدید، تلاشی جدی برای کاهش این فاصله است.
پیشرفت اصلی در اینجا، به یک روش یادگیری نوین بازمیگردد که بهنوعی به رباتها میآموزد وظایف را هوشمندانهتر تحلیل کنند. بهجای آنکه کل یک حرکت را از ابتدا حفظ نمایند، ربات، هر عمل را به مراحل سادهتر و مجزاتری تقسیم میکند.
ربات با استفاده مجدد از دانشی که از وظایف قبلی بهدست آورده و اعمال آن بر وظایف جدید، میتواند با کارایی بسیار بالاتری تعمیمسازی انجام دهد. به همین دلیل بوده است که این سامانه توانسته در کمتر از ۲۴ ساعت، و تنها با یک نمایش برای هر وظیفه، ۱,۰۰۰ کار متفاوت را بیاموزد.
نکته بسیار مهم اینکه تمام این فرایند روی یک بازوی رباتیک واقعی انجام شده است، نه در یک شبیهسازی رایانهای که برای تولید نتایج مطلوب طراحی شده باشد. این پیشرفت در آموزش رباتها میتواند پیامدهای مهمی برای آینده داشته باشد و در نهایت، زندگی همه ما را تحت تأثیر قرار دهد. اگر رباتها بتوانند سریعتر و با داده کمتر یاد بگیرند، هزینه تولید آنها کاهش مییابد، انعطافپذیریشان افزایش پیدا میکند و به گزینههایی بسیار کاربردیتر تبدیل میشوند.
در بلندمدت، چنین شیوهای از یادگیری میتواند به ظهور رباتهای خانگی منجر شود که برای انجام هر وظیفه جدید، نیازی به برنامهنویسی تخصصی نداشته باشند و عملاً نسخه ایدهآل Neo 1X را به واقعیت تبدیل کنند. افزون بر این، این تحول میتواند صنایعی مانند مراقبتهای بهداشتی، لجستیک و تولید صنعتی را نیز دگرگون سازد.
در مقیاسی گستردهتر، این دستاورد نشانهای دیگر از آن است که هوش مصنوعی در حال فاصله گرفتن از نمایشهای نمایشی و ترفندگونه بوده و بهسوی سامانههایی حرکت میکند که به شیوهای شبیهتر به انسان یاد میگیرند؛ نه لزوماً باهوشتر از ما، بلکه نزدیکتر به نحوه عملکرد روزمره ما.
این پیشرفت در حوزه رباتیک، مشکلی را حل میکند که دههها مانع رشد این فناوری شده بود. شاید اکنون، بسیار نزدیکتر از آنچه حتی چند سال پیش تصور میکردیم، به آیندهای پر از ربات رسیده باشیم.
source
کلاس یوس