في عصرنا الحالي الذي تتسم فيه التكنولوجيا بالتقدم السريع، تظل الروبوتات والذكاء الاصطناعي موضوعات مثيرة للإعجاب والاهتمام. تخيل للحظة، لو كان بإمكانك اقتناء روبوت متطور ليساعدك في الأعمال المنزلية، مثل الطهي والتنظيف وغيرها من المهام اليومية. تبدو الفكرة رائعة، أليس كذلك؟ ولكن ماذا لو فشل الروبوت في التعرف على كوب القهوة المفضل لديك، الكوب الذي يحمل صورتك والذي تستخدمه كل يوم؟ قد يبدو هذا الفشل بسيطًا، ولكنه في الواقع يكشف عن التحدي الكبير الذي يواجهه علماء الذكاء الاصطناعي.
لنضع الأمور في سياقها: عندما نتحدث عن تدريب الروبوتات، فإننا نتحدث عن تعليمها كيفية التعامل مع مجموعة متنوعة من المواقف والأشياء. ومع ذلك، تظهر تحديات غير متوقعة مثل كوب القهوة المذكور آنفًا. فقد يعجز الروبوت عن التعرف على هذا الكوب؛ لأنه لم يُدرب على التعامل مع كوب مماثل من قبل.
هنا يأتي الأمل؛ تعمل طالبة الدراسات العليا في مجال الهندسة الكهربائية وعلوم الحاسوب في معهد ماساتشوستس للتكنولوجيا، آندي بينج، بالتعاون مع فريق من الباحثين، على حل هذا التحدي. فطورت آندي إطار عمل يتيح للإنسان تعليم الروبوت كيفية التعامل مع الأشياء والمواقف الجديدة بسرعة وبذل أقل للجهد. ويعتمد هذا الإطار على خوارزمية توضح ما كان يجب أن يتغير لكي ينجح الروبوت في مهمته، ومن ثمّ تُستخدم هذه التوضيحات لإعادة تشكيل الروبوت وتحسين قدراته.
جُربت هذه الخوارزمية في المحاكاة وأظهرت نتائج مبشرة؛ إذ أنجزت الروبوتات التي دُربت باستخدام هذا الإطار الجديد عملًا أفضل، واستهلكت عملية التدريب وقت أقل. ويعني هذا النجاح أننا قد نكون على أعتاب تقدم كبير في مجال الروبوتات، فقد تتعلم الروبوتات كيفية التعامل مع بيئات جديدة وغير مألوفة بسرعة أكبر وكفاءة أعلى.
بفضل الأبحاث التي تقودها بينج وفريقها، التي ستُعرض في المؤتمر الدولي للتعلم الآلي، نحن ننظر إلى مستقبل حيث تستطيع الروبوتات أن تتعلم وتتكيف مع بيئاتها بالكفاءة نفسها التي يتمتع بها الإنسان. وقد تغير هذه القفزة التكنولوجية وجه التكنولوجيا كما نعرفها، وتفتح الباب أمام الروبوتات لتأدية المهام اليومية بكفاءة أكبر، ليس فقط في المنازل، ولكن أيضًا في المستشفيات والمدارس والأماكن العامة الأخرى.
تدريب الروبوتات على التعامل مع تغير بيئتها المحيطة:
غالبًا ما تواجه الروبوتات صعوبات في التعامل مع التغييرات في بيئتها. والسبب وراء ذلك هو أن الروبوتات تتعلم أساسًا من الأمثلة والبيئات التي دُربت عليها. إذًا، عندما يتعلق الأمر بمواجهة بيئات أو مواقف جديدة لم تتعرض لها من قبل، ربما تعجز الروبوتات عن التعامل بفعالية. ويُطلق على هذه الظاهرة اسم «التحول في التوزيع»، حيث يكون التوزيع أو نوعية البيانات التي تواجهها الروبوت مختلفة عن التوزيع الذي دُربت عليه.
لحل هذه المشكلة، فقد يضطر الإنسان إلى إعادة تدريب الروبوت على مهمة معينة باستخدام تقنية تُسمى «التعلم الموجه». فمثلًا، لو أراد الشخص تعليم الروبوت كيفية التقاط كوب، فقد يُظهر له كيف يقوم بالأمر. ولكن هناك مشكلة! فإذا كان يستخدم كوبًا أبيض للتظاهر، فقد يتعلم الروبوت أنه يمكنه فقط التقاط الأكواب البيضاء. لذلك، قد يفشل في التعامل مع كوب أحمر، أو أزرق، أو بني. ولتجنب هذا، ربما يحتاج الشخص إلى التظاهر باستخدام الكثير من الأكواب المختلفة، وهو أمر يستغرق وقتًا طويلًا.
هنا تأتي آندي بينج لتقدم حلًا مبتكرًا قائلة: «لا أريد أن أضطر إلى التظاهر باستخدام 30,000 كوب. أريد التظاهر باستخدام كوب واحد فقط. ولكن بعد ذلك، أحتاج إلى تعليم الروبوت حتى يتعرف على أنه يمكنه التقاط كوب بأي لون».
لذا، طورت بينج وفريقها إطار عمل يسمح لهم بتحديد الأشياء المهمة للمستخدم مثل الكوب، والعناصر غير المهمة مثل لون الكوب. ويستخدم النظام هذه المعلومات لإنشاء بيانات جديدة واصطناعية؛ إذ يقوم بتغيير العناصر غير المهمة في عملية تُسمى «توسيع البيانات».
في الإطار الذي طُور لتعليم الروبوتات، تُتبع ثلاث خطوات أساسية. أولًا، تُحدد المهمة التي فشل الروبوت في إكمالها. ثم تأتي خطوة المستخدم التالية؛ إذ يقدم استعراضًا عمليًا أو «تظاهر» للسلوك الصحيح، في حين يعمل النظام على تطوير «التفسيرات المعاكسة» التي توضح الأخطاء التي تحتاج إلى تصحيح. وأخيرًا، تُقدم هذه التفسيرات المعاكسة للمستخدم للحصول على ردود فعل وتأكيدات. وتُراجع هذه الإفادة وتستخدم لتعديل «التظاهر» الأصلية وإنشاء «التظاهرات المكبرة»، وهي أمثلة معدلة عن السلوك الصحيح.
ما يعنيه ذلك ببساطة هو أن المستخدم يستطيع التظاهر بالتقاط كوب واحد، ولكن النظام سينتج تصورات جديدة تُظهر الإجراء المطلوب مع العديد من السيناريوهات من الأكواب بألوان مختلفة. وبفضل هذه البيانات، يمكن تحسين تدريب الروبوت وجعله أكثر قدرة على التكيف مع البيئات المختلفة. ويوفر هذا الأسلوب نهجًا فعالًا للتعلم والتكيف في عالم الروبوتات.
من التعلم القائم على البيانات إلى التكيف الذاتي:
حاولت آندي بينج وفريقها العثور على حل للمشكلة الكبيرة التي تواجه الروبوتات، وهي عدم القدرة على التكيف مع البيئات المتغيرة. لنتوقف لحظة ونتخيل روبوت يتعرف على بيئته، ويؤدي مهام معينة، ويتعلم الأشياء الجديدة. فالحقيقة المحزنة هي أن الروبوتات عادةً ما تفشل عندما تتغير بيئتها، لكن لماذا؟ لأنها تعرف فقط الأشياء التي دُربت عليها.
لحل هذه المشكلة، فقد يكون الحل الأكثر شيوعًا هو تدريب الروبوت على مهمة معينة مرارًا وتكرارًا في العديد من السياقات المختلفة. ولكن، هذا الأمر يستغرق وقتًا طويلًا ويحتاج إلى الكثير من الجهد. لذا، قررت بينج وفريقها أن يبتكروا حلًا أكثر فعالية وسرعة.
بدأت بينج وفريقها بتطوير إطار عمل يستطيع أن يتعرف على الأشياء الأساسية في مهمة مثل الكوب، والأشياء غير الأساسية مثل لون الكوب، ومن ثمّ يمكنهم استخدام هذه المعلومات لإنشاء بيانات تدريب جديدة، مع تغيير الأشياء غير الأساسية، وهو ما يُسمى «توسيع البيانات». ويعني هذا أنه بدلًا من تدريب الروبوت على التعامل مع الأكواب بكل الألوان، فقد تُدرب الروبوتات على التعامل مع كوب واحد، وبعد ذلك يُنشئ النظام بيانات تدريب جديدة تجعل الروبوت يتعامل مع الأكواب بألوان مختلفة.
في الدراسات الأولية، وجد الباحثون أن بعض الأشخاص كانوا قادرين بسهولة على تحديد الأشياء التي يمكن تغييرها دون التأثير في النشاط، ما يشير إلى أن النظام كان ناجحًا في توجيه الروبوتات للتعرف على هذه الأشياء أيضًا.
جرب الباحثون هذا النظام في ثلاث حالات من المحاكاة، وفي كل حالة، وجدوا أن الروبوتات كانت قادرة على التعلم أسرع من الطرق التقليدية مع الحاجة إلى عدد أقل من التجارب الحية من الأشخاص.
في ضوء هذا البحث الرائد، نحن الآن على أعتاب فجر جديد في عالم الذكاء الاصطناعي والروبوتات. فلا يُحدث الإطار الجديد الذي طورته بينج وفريقها طفرة في قدرة الروبوتات على التعلم والتكيف فقط، بل يوفر أيضًا فهمًا عميقًا لكيفية ترجمة الذكاء البشري إلى الذكاء الروبوتي.
يُعد هذا الإبداع الذي يجمع بين الذكاء البشري والاصطناعي خطوة مهمة نحو المستقبل، حيث تستطيع الروبوتات أن تتعايش وتتفاعل مع بيئتها المتغيرة بفعالية، ومن ثمّ تحسين جودة الحياة للجميع.
ينظر الباحثون في المستقبل القريب بتفاؤل إلى اختبار هذا النظام المبتكر على الروبوتات الحقيقية، مع التركيز على تحسين كفاءة النظام والحد من الوقت الذي يستغرقه لإنشاء بيانات التدريب الجديدة. ويعكس هذا النجاح المتوقع القدرة الكبيرة للتكنولوجيا على خلق مستقبل مشرق، حيث يتعاون البشر والروبوتات بنجاح للوصول إلى الأهداف المشتركة.
اقرأ أيضًا:
كيف سيتصرف الروبوت في حال اقترب منه أسد؟ وكيف نجعل الروبوتات ترى مثل البشر؟
خوارزمية جديدة تساعد الروبوتات رباعية الأرجل على التنقل
ترجمة: محمد حسام
تدقيق: رغد أبو الراغب
مراجعة: هادية أحمد زكي
