روبوتات تسمع وتنفذ

من منكم تمنى لو يستطيع أن يتكلم مع روبوت يستطيع فهمك، ويساعدك في الأعمال الروتينية المملة ويجلب لك الكولا عندما ترغب.

حسنًا، مع تطور التكنولوجيا المستمر والمتواتر أصبحت الروبوتات أكثر ذكاءً وفهمًا لمحيطها بفضل مبرمجيها؛ إنهم يفعلون ما بُرمِجوا لأدائه بالطريقة الصحيحة وفي الوقت المناسب تمامًا، ولكن هل هذا كافٍ لجعل هذه الآلات طوع خدمتنا (1)؟!

مؤخرًا جرى تعاون مميز بين شركة Everyday Robots وGoogle محاولة منهما لصنع روبوت قادر على فهم ومعالجة الكلام بالزمن الحقيقي والتعلم في الوقت نفسه، فعلى عكس الروبوتات النموذجية التي تؤدي مهمة واحدة في بيئة مقيدة، يوضح هذا البحث أنه يمكنك طلب العون من الروبوت المساعد من Everyday Robots لينفذ الطلب في بيئة حقيقية باستخدام المنطق (2).

في الواقع، الأمر ليس سهلًا على الروبوتات فهم التعليمات المعقدة التي تتطلب تفكيرًا، ولتسهيل العملية استخدم نموذج لغة متقدم يُدعى PaLM SayCan، إذ يقسم المتطلبات إلى مهام فرعية لينفذها الروبوت المساعد واحدًا تلو الآخر، فيسهل عملية طلب الأوامر أو طلب الحصول على المساعدة من هذه الروبوتات، وذلك باستخدام اللغة الطبيعية المحكية فقط (2).

قِيسَت خوارزمية Saycan المقترحة في مشهد مطبخ مكتبي مع مهمة محددة بتعليمات اللغة الطبيعية، فكانت المهمة كالآتي: "لقد سكبت الكولا، هل يمكنك إحضار شيء لتنظيفه؟"، فيخطط SayCan خطواته بالبحث عن إسفنجة ثم التقاطها ثم إحضارها إليك (3).

بالطبع الأمر ليس بهذه السهولة فهو يحتاج إلى أن يكون قادرًا على الإحساس بالعالم الحقيقي من حوله وفهمه.

تجمع أجهزة الروبوت البيانات المرئية وتُنشئ خريطة مفصلة للمساحة حوله، فيسمح برنامج للروبوت بترجمة ما يراه ( أصفار وواحدات) إلى فهم للبيئة المحيطة عن طريق تجزئة الكائنات والأشخاص. 

وعن طريق التعلم بالإشراف supervised learning، يمكن للروبوت أن يخبرنا بوجود مكتب أو علبة، وكلما ازداد ما يراه كان نظام الإدراك الخاص به أفضل في التقسيم والتصنيف، مما يمكنه من زيادة قدرته على التمييز بين عينات أكثر للكائنات (1).

يمكن فهم التعلم بالإشراف عبر هذا المثال: بفرض وجود أمر أو تعليمة معينة (من بشري لروبوت)، يجمع SayCan بين الاحتمالات من نموذج اللغة -الذي يمثل احتمالية أن تكون إحدى مهارات الروبوت مفيدة لهذه التعليمة- مع الاحتمالات من دالة القيمة -التي تمثل احتمالية تنفيذ المهارة المذكورة بنجاح- لاختيار المهارة المناسبة للتنفيذ. 

تُكرر العملية عن طريق إلحاق المهارة المحددة باستجابة الروبوت، واختبار النماذج مرة أخرى حتى تكون خطوة الخروج هي إنهاء تدريب النموذج (3).

يطمح مطورو الروبوت إلى المضي بخطوات ثابتة نحو مستقبل يمكن للروبوتات فيه أن تتعلم وحدها من دون أية برمجة متعبة أو شاقة (1)، فما رأيك -عزيزي القارئ- في هذه الخطوات؟

المصادر: