هل الروبوتات تفكر مثل البشر؟

يواجه معظم الأطفال صعوبة في فهم الهندسة، لكنهم يستطيعون التقاط الكرة دون حساب مسارها. فلماذا إذن تُفكر الروبوتات بشكل مختلف؟ طوّر فريق من العلماء الأوروبيين نظامًا إدراكيًا اصطناعيًا يتعلم من التجربة والملاحظة بدلًا من الاعتماد على القواعد والأنماط المسبقة.

بقيادة جامعة لينشوبينغ في السويد، استخدم علماء من مشروع COSPAL نهجًا مبتكرًا لجعل الروبوتات تتعرف على الأشياء وتحددها وتتفاعل معها، خاصةً في المواقف العشوائية وغير المتوقعة.

تعتمد تقنية الروبوتات التقليدية على قيام الروبوتات بإجراء حسابات معقدة، مثل تحديد هندسة الجسم والتنبؤ بمساره إذا تحرك. لكن COSPAL يقلب هذه العملية رأسًا على عقب، إذ يجعل الروبوتات تُنجز مهامها بناءً على تجربتها الخاصة ومراقبتها للبشر. يمكن أن يؤدي هذا النهج القائم على التجربة والخطأ إلى روبوتات أكثر استقلالية، بل وحتى إلى تعزيز فهمنا للدماغ البشري.

يقول مايكل فيلسبيرغ، منسق مشروع COSPAL الممول أوروبيًا: "ابتكر غوستا غرانلوند، رئيس مختبر الرؤية الحاسوبية بجامعة لينشوبينغ، فكرة أن الفعل يسبق الإدراك في عملية التعلم. قد يبدو هذا غير بديهي، لكن هذه هي بالضبط طريقة تعلم البشر".

ويؤكد أن الأطفال "يختبرون ويجربون الأشياء باستمرار". فمن خلال القيام بأفعال عشوائية - كالإشارة إلى شيء أو لمس آخر - يتعلم الأطفال نظرية السبب والنتيجة، ويمكنهم تطبيق هذه المعرفة في المستقبل. ومن خلال التجربة، يكتشف الأطفال بسرعة أن الكرة تتدحرج، وأنه من المستحيل الإمساك بثقب. ويمكن للأطفال التعلم من خلال مراقبة البالغين وتقليد أفعالهم، مما يزيد من فهمهم للعالم من حولهم.

تعلم كالبشر، وتعلم منهم

تتعرف الروبوتات على الإشارات والرموز، مثل الألوان. (صورة: COSPAL)

بتطبيق هذا النهج في سياق أنظمة الإدراك الاصطناعي (ACS)، يُساعد هذا النهج على تطوير روبوتات قادرة على التعلم بقدر ما يستطيع البشر، ويمكنها التعلم من البشر أيضًا، مما يسمح لها بمواصلة أداء المهام عند تغير بيئتها أو عند وضع جسم غير مُبرمج للتعرف عليه أمامها.

"معظم أنظمة الإدراك الاصطناعي القائمة على الذكاء الاصطناعي ناجحة جدًا في التعرف على الأشياء بناءً على الحسابات الهندسية أو المدخلات البصرية. يجادل البعض بأن البشر يُجرون هذه الحسابات أيضًا لتحديد شيء ما، لكنني لا أصدق ذلك. أعتقد أن البشر بارعون جدًا في التعرف على هندسة الأشياء من خلال التجربة."

يبدو أن نظام ACS الخاص بفريق COSPAL يُثبت هذه النظرية. يمكن لروبوت بدون أي معرفة هندسية مُبرمجة مسبقًا التعرف على الأشياء البسيطة من خلال التجربة، حتى مع تغيير محيطه وموقع الكاميرا التي يستخدمها لالتقاط المعلومات البصرية.

وضع الخطاف الصحيح في الفتحة الصحيحة

استُخدمت لعبة التعرف على الأشكال، الشائعة الاستخدام لتعليم الأطفال، لاختبار النظام. من خلال التجربة والخطأ والملاحظة، تمكّن الروبوت من وضع المكعبات في ثقوب مربعة وخطافات دائرية في ثقوب مستديرة بدقة 2 مم و2 درجة. "هذا يُثبت قدرته على حل المسائل الهندسية دون أي معرفة بالهندسة. في الواقع، شاهدتُ ابني البالغ من العمر 11 شهرًا يحل اللعبة: كانت عملية التعلم متشابهة جدًا بالنسبة له وللروبوت."

تضمن أحد اختبارات قدرة الروبوت على التعلم من الملاحظة استخدام ذراع آلية تُحاكي حركات ذراع الإنسان. من خلال 20 إلى 60 ملاحظة فقط، يُمكن لذراع الروبوت تتبع حركات ذراع الإنسان عبر مساحة مُحاكاة، متجنبًا العوائق على طول الطريق. في الاختبارات اللاحقة مع الروبوت نفسه، انخفض وقت التعلم بشكل كبير، مما يُظهر أن نظام ACS يعتمد في الواقع على الذكريات بناءً على الملاحظات السابقة.

بالإضافة إلى ذلك، من خلال تطبيق هذه الأفكار التي تبدو غير منطقية، توصل الفريق إلى طريقة لمساعدة الروبوت على التعرف على الإشارات والرموز مثل الألوان. بدلاً من استخدام ثلاثة أرقام لـ