ربات هوش مصنوعی که حتی با حمله اره‌برقی هم متوقف نمی‌شود

در دنیای فناوری، پیشرفت‌های شگفت‌انگیزی در حال شکل‌گیری است و یکی از این دستاوردها، رباتی چهارپایه است که حتی پس از قطع تمامی پاهایش با اره‌برقی، همچنان به حرکت ادامه می‌دهد. این صحنه ممکن است برای بسیاری از افراد ترسناک باشد، اما برای دیپاک پاتک، بنیان‌گذار و مدیرعامل استارتاپ Skild AI، این ویژگی نشان‌دهنده یک نشانه امیدوارکننده از نوعی جدید از هوش مصنوعی عمومی رباتیک است

 نوآوری در هوش مصنوعی رباتیک

پاتک در این باره می‌گوید:

«این چیزی است که ما آن را مغز چندمنظوره می‌نامیم»

استارتاپ او الگوریتم هوش مصنوعی عمومی را برای حل یکی از چالش‌های اساسی در پیشرفت رباتیک توسعه داده است:

«هر ربات، هر کار، یک مغز. این به‌طرز غیرعادی عمومی است»

بسیاری از محققان بر این باورند که مدل‌های هوش مصنوعی که برای کنترل ربات‌ها استفاده می‌شوند، در صورت جمع‌آوری داده‌های کافی، می‌توانند جهش عمیقی را تجربه کنند، مشابه آنچه که در تولید مدل‌های زبانی و چت‌بات‌ها اتفاق افتاد.

 ربات چهارپایه و چالش‌های انطباق

این ربات کنترل‌شده با هوش مصنوعی، توانایی انطباق با شرایط جدید و شدید، مانند فقدان اعضا را دارد. پاتک می‌گوید که روش‌های موجود برای آموزش مدل‌های هوش مصنوعی رباتیک، مانند یادگیری الگوریتم‌ها برای کنترل یک سیستم خاص از طریق تله‌عملی یا شبیه‌سازی، داده‌های کافی تولید نمی‌کنند.

رویکرد Skild به جای آن، این است که یک الگوریتم واحد را آموزش دهد تا کنترل تعداد زیادی ربات فیزیکی مختلف را در طیف وسیعی از وظایف به عهده بگیرد. در طول زمان، این فرآیند مدلی به نام Skild Brain را تولید می‌کند که توانایی عمومی‌تری برای انطباق با اشکال فیزیکی مختلف—از جمله اشکالی که هرگز مشاهده نکرده است دارد. محققان همچنین نسخه کوچکی از این مدل به نام LocoFormer را برای یک مقاله علمی ایجاد کردند که رویکرد آنها را تشریح می‌کند.

آموزش ربات‌ها با داده‌های گسترده

این مدل همچنین به گونه‌ای طراحی شده است که به سرعت به یک وضعیت جدید، مانند فقدان یک پا یا زمین‌های خطرناک، انطباق پیدا کند و یاد بگیرد چگونه آنچه را که آموخته است به شرایط جدید خود اعمال کند. پاتک این رویکرد را به نحوه عملکرد مدل‌های زبانی بزرگ تشبیه می‌کند که می‌توانند به مشکلات خاصی با تجزیه و تحلیل و بازخورد تفکرات خود درون پنجره زمینه خود بپردازند رویکردی که به عنوان یادگیری درون‌متنی شناخته می‌شود.

شرکت‌های دیگری از جمله مؤسسه تحقیقاتی تویوتا و یک استارتاپ رقیب به نام Physical Intelligence نیز در حال رقابت برای توسعه مدل‌های هوش مصنوعی رباتیک با قابلیت‌های عمومی‌تر هستند. با این حال، Skild در نحوه ساخت مدل‌هایی که این قابلیت‌های عمومی را بر روی انواع مختلف سخت‌افزار تعمیم می‌دهد، منحصر به فرد است

آزمایش‌های شگفت‌انگیز با LocoFormer

در یکی از آزمایش‌ها، تیم Skild الگوریتم خود را برای کنترل تعدادی از ربات‌های متحرک با اشکال مختلف آموزش داد. هنگامی که این الگوریتم بر روی ربات‌های واقعی دو و چهارپایه سیستم‌هایی که در داده‌های آموزشی گنجانده نشده بودند اجرا شد، توانست حرکات آنها را کنترل کند و آنها را به راه رفتن وادار کند.

در یک لحظه، تیم متوجه شد که یک ربات چهارپایه که از مغز چندمنظوره شرکت استفاده می‌کند، به سرعت زمانی که بر روی پاهای عقب خود قرار می‌گیرد، انطباق پیدا می‌کند. با احساس زمین زیر پاهای عقب خود، الگوریتم ربات را به گونه‌ای فعالیت می‌کند که گویی یک انسان است و آن را وادار به راه رفتن بر روی پاهای عقب خود می‌کند

 یادگیری مداوم و بهبود استراتژی‌ها

LocoFormer به‌طور مداوم از تجربیات آنلاین یاد می‌گیرد. این سیاست می‌تواند از سقوط‌ها در آزمایش‌های اولیه بیاموزد و استراتژی‌های کنترل را در آزمایش‌های بعدی بهبود بخشد. این الگوریتم همچنین قادر است به تغییرات شدید در شکل ربات واکنش نشان دهد—به عنوان مثال، زمانی که پاهایش به هم بسته، قطع یا به طولانی‌تر تغییر داده می‌شوند. تیم همچنین سعی کرد دو موتور از ربات چهارپایه‌ای که دارای چرخ و پا بود را غیرفعال کند. ربات توانست با تعادل بر روی دو چرخ مانند یک دوچرخه ناپایدار انطباق پیدا کند.

آزمون و ارزیابی در کنترل ربات‌ها

Skild در حال آزمایش همین رویکرد برای دستکاری ربات‌ها است. آنها Skild Brain را بر روی مجموعه‌ای از بازوهای رباتیکی شبیه‌سازی شده آموزش داده‌اند و دریافتند که مدل حاصل می‌تواند سخت‌افزارهای ناآشنا را کنترل کرده و به تغییرات ناگهانی در محیط، مانند کاهش نور، انطباق یابد. پاتک می‌گوید که این استارتاپ در حال حاضر با برخی شرکت‌هایی که از بازوهای رباتیک استفاده می‌کنند، همکاری می‌کند. در سال ۲۰۲۴، این شرکت ۳۰۰ میلیون دلار در دور سرمایه‌گذاری جمع‌آوری کرد که ارزش آن را به ۱.۵ میلیارد دلار رسانده است.

پاتک می‌گوید که نتایج ممکن است برای برخی افراد ترسناک به نظر برسد، اما برای او این‌ها نشانه‌هایی از نوعی فوق‌هوش فیزیکی برای ربات‌ها هستند. «این برای من شخصاً بسیار هیجان‌انگیز است، دوست من».