فیسبوک اولین شبکه اجتماعی مجازی بود که بشر ایجاد کرد. این شرکت باوجود فراز و نشیب‌های زیادی که در طول این مدت داشته، همچنان توانسته عنوان بزرگ‌ترین شبکه اجتماعی را حفظ کند. البته شبکه پهناور و عظیم‌الجثه فیسبوک بدون وجود هوش مصنوعی و سیستم‌های یادگیری ماشینی خیلی زود فلج می‌شود. فیسبوک که به‌شدت به هوش مصنوعی وابسته است، حالا تصمیم گرفته پا را یک قدم فراتر بگذارد و ربات هوشمند بسازد. رباتی که خودش بتواند گلیمش را از آب بیرون بکشد.
هوش مصنوعی فیسبوک
آنلاین نگه داشتن فیسبوک و حفظ آن از خطرات و مشکلات مختلف و به‌خصوص فیلتر کردن محتوا کاملاً وابسته به هوش مصنوعی هستند. چند مدت پیش فیسبوک اعلام کرد قصد دارد قابلیت‌های یاد گیری خود نظارتی، بینایی رایانه‌ای (یا کامپیوتری) و پردازش زبان طبیعی را به ساز و کارش اضافه کند. حالا این شرکت جزئیات بیشتری از برنامه‌اش و اینکه قرار است چطور از این قابلیت‌ها استفاده کند، ارائه کرده. این قابلیت‌ها اگر به‌اندازه کافی پیشرفت کنند، نهایتاً به خلق یک هوش مصنوعی یا ربات کنجکاو و بسیار شبیه به انسان منجر خواهد شد. مسیری که فیسبوک هم اکنون نیمی از آن را هم طی کرده است!
بخش بزرگی از توجه تیم رباتیک هوشمند فیسبوک در حال حاضر به بحث یادگیری خود نظارتی جلب شده است. در این روش، سیستم به‌طور مستقیم داده‌های خام را دریافت کرده و از آن‌ها یاد می‌گیرد. به این شکل می‌توانند کارهای جدید انجام داده و یا با شرایط جدید منطبق شوند. تیم رباتیک فیسبوک بر روی تکنیک‌های جدیدی مثل یادگیری تقویتی مبتنی بر مدل (RL) کار می‌کند. این روش به ربات هوشمند قابلیت یادگیری از طریق امتحان و خطا و دریافت آن هم از طریق دریافت داده‌های مستقیم سنسورها را داشته باشد. یعنی ربات به معنی واقعی می‌تواند خودآموزی کند.
ربات هوشمند ولی بی‌تجربه
سیستمی که فیسبوک بر روی آن کار می‌کند تقریباً در هر زمینه‌ای می‌تواند کاربرد داشته باشد. ربات و غیر ربات. ولی به‌طور خاص در حال حاضر فیسبوک بر روی یک ربات شش پا کار می‌کند. تیم تحقیقاتی فیسبوک سعی می‌کند این ربات شش پا را طوری طراحی کند که ربات هوشمند بتواند بدون هیچ کمک خارجی از جایش بلند شود و حرکت کند.
شاید فکر کنید این کار چندان پیچیده نباشد. ولی کاملاً در اشتباهید. فقط کافی است به یک نوزاد انسان نگاه کنید. چند سال طول می‌کشد تا بالاخره راه رفتن و استفاده از پاها و دست‌هایش را یاد بگیرد؟ به‌طور کلی در رباتیک حرکت دادن اندام‌ها کاری بسیار پیچیده محسوب می‌شود. دقیقاً همین مسئله هم باعث شده که خودآموزی حرکت اندام‌ها چالشی بسیار جالب و هیجان انگیز باشد.
تیم فیسبوک تا اینجا کار موفق شده الگوریتم مورد نظرش را برای هوش مصنوعی طراحی کند و این الگوریتم در واقعیت هم در مسائل چالش برانگیز مختلفی مورد آزمایش قرار گرفته است.
ربات شش پای فیسبوک در حالی پا به دنیای انسان‌ها گذاشت که هیچ اطلاعاتی در مورد محیط اطرافش نداشت. هر چند که با استفاده از یادگیری تقویتی به‌آرامی‌توانست قوانین مختلف را کشف کند و کنترل اعضایش را در اختیار بگیرد تا بتواند به هدفی که دارد برسد. یعنی حرکت به سمت جلو. در این الگوریتم از تابع خود ارتقایی بازگشتی استفاده شده است. ینی اینکه ربات مرتباً می‌تواند اطلاعاتی که از سنسورها دریافت می‌کند را بررسی و تحلیل کند و بر طبق آن حرکات بعدی‌اش را بهتر و دقیق‌تر کند. در نتیجه ربات‌های باتجربه بسیار بهتر از ربات‌های بی‌تجربه عمل خواهند کرد. درست مثل ما انسان‌ها
پیچیدگی‌های خودآموزی ربات هوشمند
گفتن و طرح کردن این ایده در ظاهر ساده است ولی وقتی در بطن کار باشید متوجه می‌شوید که هر قدم از این پروژه خودش یک چالش جدید است. ربات هوشمند ما اول برای ساده‌ترین حرکت نه فقط باید محل و سمت و جهتش در فضا را بداند، بلکه باید بفهمد چطور تعادلش را برقرار کند. در مرحله بعد باید یاد بگیرد چطور و به چه سمتی نیرو وارد کند تا بتواند حرکت کند! و همه این‌ها تنها از طریق یک سری سنسورها که در زانوها نصب شده قرار است انجام شود.
در ابتدای کار تیم فیسبوک، روند خودآموزی بسیار طولانی و طاقت فرسا بود و حتی تا چند روز هم طول می‌کشید. هر چند که با بهبود دادن الگوریتم و الگوها و تمرکز بر روی اینکه ربات فقط بتواند راه برود، نهایتاً نتیجه قابل قبولی گرفته شد. ربات هوشمند فیسبوک توانست در ظرف چند ساعت راه رفتن را یاد بگیرد.
قدم بعدی؟ بعد از اینکه ربات توانست راه برود، قدم بعدی این است که بتواند باهدف یادگیری به اطراف حرکت کند. یعنی راه برود و با محیط اطرافش تعامل داشته باشد. ولی ایجاد حس سفر دوستی در یک ربات اصلاً ساده نیست! ایجاد حس کنجکاوی در همان رباتی که در واقع آموزش داده شده تا کاملاً از دستورات پیروی کند و یک کار مشخص را انجام دهد! کاری که فیسبوک در مرحله بعد انجام می‌دهد دقیقاً همین است. ایجاد حس کنجکاوی. البته فیسبوک برای این کار پروژه ای جداگانه دارد و در این مسیر از تیم تحقیقاتی دانشگاه نیویورک و یک بازوی رباتیک هم کمک می‌گیرد.
ربات هوشمند و کنجکاو در آینده نزدیک
پیش از این تحقیقات مختلفی در مورد ایجاد حس کنجکاوی در ربات‌ها انجام شده بود. این کار با تمرکز بر روی کاهش درصد قطعیت در ربات انجام شد. فیسبوک هم همین مسیر را طی می‌کند هر چند بهتر و هدف‌دارتر.
فیسبوک کمی از این نظر دست بالاتر را دارد. فیسبوک اساساً با رباتی کارش را شروع کرده که اصلاً نمی‌داند چیست و کجاست. تنها چیزی که می‌داند طریقه استفاده از یک بازوی رباتیک است و تمام. اینکه چطور باید این بازو را برای رسیدن به هدفش حرکت دهد چیزی است که خودش باید یاد بگیرد. ربات هوشمند خودش باید یاد بگیرد که چه نیروی گشتاوری باید برای قرار دادن دست رباتیک در موقعیت جدید وارد کند و در نهایت می‌تواند به کنترل کامل دست برسد.
این مدل در واقع چیزی فراتر از صرفاً حرکت دادن دست رباتیک است. در واقع در این الگو، ربات یاد می‌گیرد با اطلاعاتی که دریافت می‌کند اقدامات بعدی‌اش را تعیین و نتیجه احتمالی آن‌ها را پیش بینی کند. مسئله‌ای که در این میان به وجود می‌آید این است که ممکن است ربات به همان کار همیشگی و فرمولی که پیدا کرده است بسنده کند و در واقع در یک حلقه تکرار بیفتد. برای جلوگیری از این اتفاق، تیم تحقیقاتی به اقدامات غیرمطمئن و با نتایج غیرقطعی ربات، جایزه می‌دهند و در واقع ربات هوشمند را برای کشف روش‌های جدید تشویق می‌کنند. اصرار بر کنجکاوی منطقی است. خود ما انسان‌ها، بر اساس امتحان کردن روش‌های جدید انجام یک کار است که می‌توانیم به ایده‌های بهتر برسیم تا در نتیجه به‌مرور زمان می‌توانیم روش‌های ساده‌تر، مؤثرتر یا سریع‌تر را جایگزین کنیم. پس حس کنجکاوی برای بهتر کردن و ارتقای عملکرد ربات هم اهمیت زیادی دارد.
استقلال هوش مصنوعی
تیم رباتیک فیسبوک برای ایجاد حس کنجکاوی تلاش زیادی کرده و تا حدی هم موفق شده است. در کنار آن تلاش‌های زیادی هم برای ایجاد حس در ربات انجام شده است.. البته منظور حس و احساس روحی و روانی نیست. منظور حس فیزیکی است. لامسه!
این قابلیت در واقع بخشی از قابلیت‌های سیستمی است که برای پیش بینی مبتنی بر یادگیری عمیق ویدیوها طراحی شده بود. این تکنیک پیش از این برای پیش بینی یک ویدیو بر اساس تصاویری که در حال حاضر مشاهده می‌شود، استفاده شده بود. سیستمی که در آن از یک سنسور لمسی با رزولوشن بالا استفاده می‌شود.
یادگیری از محیط بدون تشویق هم امکان پذیر است. این کار از طریق تعامل‌های کاوشگرانه مختلف نظارت نشده با محیط انجام می‌شود. این کار تا حدی هم انجام شده است. در آزمایشات، ربات توانسته است یک کنترلر (دسته) بازی را دست‌کاری کند، یک توپ را بغلتاند و وجه درست یک تاس ۲۰ ضلعی را تشخیص دهد.
شاید این قابلیت جدید هوش مصنوعی را بتوان به‌عنوان استقلال آن‌ها در نظر گرفت. ربات‌ها در حال حاضر با این سیستم می‌توانند اشیا کوچک را به‌صورت غیر نظارت شده (یعنی بدون الگوی قبلی و با یادگیری و تحلیل داده‌ها توسط خودشان) دست‌کاری کنند. این اتفاق زمانی می‌تواند بیفتد که ربات دقیقاً بتواند نتیجه کنشی که بر روی یک شی انجام می‌دهد را پیش بینی کند. این قابلیت همان چیزی است که به ما قدرت برنامه ریزی برای آینده را می‌دهد. یعنی پیش بینی پیچیده‌تر اقدامات، کنش‌ها و واکنش‌ها و تنظیم و تطبیق عوامل مختلف برای به دست آوردن چیزی که نیاز داریم!
با استفاده از داده‌های تصویری و لمسی می‌توان پلتفرم‌های رباتیک را در آینده نزدیک به‌طور قابل توجه بهبود داد که در نتیجه آن تکنیک‌های یادگیری متحول خواهند شد. البته نباید فراموش کنیم که ساخت ربات‌هایی که بتوانند در تعامل با محیط خود چیزهای مختلف یاد بگیرند، نیازمند سنسورهای مختلف است. سنسورهایی که اطلاعات مورد نیاز برای تجزیه و تحلیل اتفاقات و نتایج هر اقدام را به‌طور دقیق به ربات هوشمند گزارش دهد.
باوجود سرعت این تغییرات، تصور ربات‌های هوشمند و مستقل در آینده نزدیک، چندان سخت نیست. شاید آن چه از آینده در ذهنمان داریم از واقعیت حال حاضر فاصله زیادی نداشته باشد. به نظر شما آیا تا پیش از اتمام دهه سوم هزاره سوم میلادی، ربات‌هایی با هوش مصنوعی و یادگیری مستقل را خواهیم دید؟
منبع: .engadget.com
