اقتصاد دانش بنیان

روبات حرف  گوش کن

قدمی مهم در جهت بالا بردن قابلیت های روبات ها

برخلاف آنچه در فیلم ها می بینیم، روبات های امروزی همچنان به وظایف بسیار محدودی عمل می کنند. در انجام یک عمل تکراری ممکن است عملکرد بسیار خوبی داشته باشند اما زمانی که قرار است به وسیله پیام صوتی یا زبانی دستور جدیدی به آن ها داده شود، تقریبا بی خاصیت خواهند بود، به ویژه اگر هدف انجام عملی پیچیده باشد. به عنوان مثال اگر یک وسیله خاص را درون جعبه ابزار بگذارید و به روبات دستور بدهید که آن شیء ویژه را برای شما بیاورد، او کاملا گیج خواهد شد. برای انجام این دستور روبات باید بتواند به خوبی ببیند و اشیا را تشخیص دهد، دستورات را متوجه شود و مفهوم ضمایر را در جمله «بیاورش» متوجه شود؛ به بیان ساده تر بفهمد «ش» به چه ابزاری در جعبه مخصوص ابزارآلات اشاره دارد و بتواند وسیله مورد نظر را از میان تعداد زیادی اشیای مشابه در اندازه و شکل به خوبی بشناسد.
روشی جدید برای فرمان دادن به روبات
به تازگی محققان آزمایشگاه علوم کامپیوتر و هوش مصنوعی دانشگاه ام آی تی به اجرای چنین مدلی از دستورات نزدیک شده اند. در مقاله ای که به تازگی درباره این پژوهش به چاپ رسیده، پژوهشگران توضیح می دهند که به کمک یک سیستم مشابه آلکسا، روبات ها قادر خواهند بود به بازه گسترده ای از دستورات که نیاز به دانش چارچوبی از اشیا و محیط اطرافشان دارد، پاسخ دهند. به این سیستم لقب کام تکست (که کوچک شده دستورات در چارچوب است) اعطا شده است.  مثال بالا یعنی انتخاب از بین اشیای درون جعبه ابزار از وظایفی بود که روبات می تواند به خوبی از عهده آن برآید. اگر به سیستم گفته شود «ابزاری که من در جعبه ابزار گذاشتم»، این جمله به بانک اطلاعاتی روبات اضافه می شود. سپس می توانید اطلاعات بیشتری در مورد سایر اشیا و ابزار خاص به ماشین بدهید و روبات در نهایت می تواند به مجموعه ای از فرامین در این زمینه عمل کند و ابزارآلات درون جعبه مخصوص آن ها را شناسایی کند. دکتر روآن پائل از محققان این پژوهش می گوید: «ما انسان ها دنیا را به صورت مجموعه ای از افراد، اشیا و مفاهیم درک می کنیم. نگاه ماشین به صورت ابری از پیکسل ها، مجموعه ای از تصاویر نقطه نقطه و نقشه های سه بعدی از سنسورها می آیند. این اختلاف معنادار در مفاهیم به این معناست که اگر قرار باشد روبات ها درک کنند ما از آن ها چه انتظاری داریم یا باید چه کاری را برای ما انجام دهند، باید یک تصویر واضح تر و روشن تر از آنچه ما می گوییم یا انجام می دهیم در اختیار آن ها گذاشته شود.» تیم مطالعاتی سیستم کام تکست را روی باکستر مورد بررسی قرار دادند؛ یک روبات انسان نما با دو بازو که قبلا برای یک پروژه دیگر به نام Rethink ساخته شده بود. نتایج این پژوهش در اواخر شهریور در کنفرانس بین المللی هوش مصنوعی در استرالیا برای علاقه مندان و پژوهشگران عرضه شد.

مکانیسم کارکرد
چیزهایی مانند تاریخ ها، تولد ها و حقایق فرمی از حافظه توصیفی به حساب می آیند. دو نوع حافظه توصیفی وجود دارد؛ حافظه معنایی که بر پایه حقایق کلی مانند «آسمان آبی است» شکل می گیرد و حافظه اپیزودیک بر پایه حقایق شخصی مثل رویدادی که در یک جشن پیش آمده است. بیشتر روش های مطالعه روبات ها بر اساس حافظه معنایی بوده که یک فاصله بزرگ و عمیق در مورد حوادث یا واقعیاتی که ممکن است با چارچوب عملکردهای آینده مرتبط باشد، به جای می گذارد.
سیستم جدید (کام تکست) می  تواند بازه ای از اشارات کلامی یا بصری زبان را مورد پایش قرار دهد تا به حافظه اپیزودیک در مورد شکل، اندازه، نوع، موقعیت و حتی تعلق یک شیء به شخص را به دست آورد. به این ترتیب و بر اساس این پایه دانش می تواند به معنا و منطق پشت هر دستور، پاسخ بدهد. دکتر آندره باربو از دیگر محققان این پژوهش می گوید: «ایده اساسی پشت این مطالعه این بود که روبات ها باید اشکال دیگری از خاطرات را داشته باشند، درست مانند انسان ها تا کارکرد آن ها به عملکرد ما نزدیک تر شود. ما برای اولین بار توانستیم برای حل این مسئله یک فرمول ریاضی بیابیم و مشغول مطالعه ایم تا برهم کنش و رابطه متقابل بین این دو گروه حافظه (توصیفی و اپیزودیک) را بسنجیم. به کمک کام تکست روبات باکستر توانست به صورت موفقیت آمیزی دستورات را به صورت صحیح در ۹۰ درصد اوقات انجام دهد.» در آینده، تیم مطالعاتی امیدوار است بتواند راهی بیابد تا روبات اطلاعات پیچیده تر را درک کند. مواردی مانند دستورات پله به پله، قصد و نیت انجام عمل ها و استفاده از ویژگی های اشیا برای ارتباط متقابل با آن ها به صورت طبیعی تر. به عنوان مثال اگر به یک روبات گفته شود که در یک جعبه روی میز چیپس و در جعبه دیگر شکر وجود دارد و سپس از او خواسته شود اسنک را بیاورد، روبات باید بتواند استنتاج کند که شکر یک نوع ماده خام و چیپس نوعی اسنک به حساب می آید. دکتر لوک زتلمایر می گوید: «این پژوهش یک قدم به سمت ساخت روبات هایی است که می توانند به گونه ای طبیعی تر با افراد برهم کنش داشته باشند و به صورت خاص، به روبات یاری می رساند، اسامی را که بر شناسایی اشیا در دنیا کاربرد دارند، بفهمد و دستورالعمل ها را که در ارتباط با آن اسامی هستند، بهتر تفسیر کند و در انجام دستورالعمل ها عملکرد بالاتری داشته باشد.»

منبع: مجله دانش بنیان