Infer Human's Intentions Before Following Natural Language Instructions
تقترح الورقة البحثية إطار عمل FISER، الذي يعمل على تحسين أداء الذكاء الاصطناعي المتجسد في المهام التعاونية من خلال الاستنتاج الصريح لنوايا البشر عبر التفكير الاجتماعي قبل التخطيط للأفعال، متفوقاً بذلك على الطرق القياسية من طرف إلى طرف وعلى النماذج المرجعية القوية في اختبار HandMeThat.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل روبوتاً صُمم للمساعدة في الأعمال المنزلية. لكي يكون هذا الجهاز مفيداً حقاً، يجب أن يفهم الطلبات العفوية، والتي غالباً ما تكون غير مكتملة، التي نتبادلها فيما بيننا كل يوم. عندما يقول شخص ما: "هل يمكنك تمرير ذلك من الأريكة؟" أثناء ترتيب المنزل، فهو لا يتحدث في فراغ؛ بل يفترض أن المستمع يعرف ما يشير إليه لفظ "ذلك"، بناءً على السياق المشترك وتاريخ ما حدث للتو. فإذا كان الشخص قد كان يجمع الكتب في صندوق، يجب أن يفهم الروبوت أن "ذلك" تعني كتاباً، وليس وسادة أو جهاز تحكم عن بعد. إن هذه القدرة على القراءة ما بين السطور، واستنتاج الأهداف الخفية من الأفعال الملحوظة، هي التحدي الجوهري لجعل الذكاء الاصطناعي شريكاً حقيقياً في البيئات البشرية. وبدون هذه المهارة، قد يتبع الروبوت التعليمات حرفياً ولكنه سيفشل في أن يكون مفيداً، لأنه لا يستطيع جسر الفجوة بين الأمر الغامض والفعل المحدد المطلوب لإتمام مهمة مشتركة.
لقد عالج الباحثون في جامعة واشنطن ومعهد ماساتشوستس للتكنولوجيا (MIT) هذه المشكلة بنهج جديد يسمى FISER، والذي يرمز إلى "اتباع التعليمات عبر الاستدلال الاجتماعي والتجسيدي" (Follow Instructions with Social and Embodied Reasoning). يركز عملهم على صعوبة محددة: وهي أن التعليمات البشرية غامضة بطبيعتها لأن الناس يحذفون التفاصيل التي يفترضون أنها بديهية. اختبر الفريق أفكارهم في بيئة رقمية تسمى HandMeThat، وهي محاكاة نصية لمنزل حيث يعمل إنسان وروبوت معاً. في هذا الإعداد، قد يقوم إنسان بتنظيم بعض الأشياء، وفي منتصف العملية، يطلب المساعدة من الروبوت بطلب غامض. مهمة الروبوت هي معرفة ما يريده الإنسان بالضبط، ليس فقط من خلال الاستماع إلى الكلمات، بل من خلال مراقبة ما كان يفعله الإنسان وتخمين خطته الضمنية.
وجد الباحثون أن الطريقة الأكثر نجاحاً لحل هذه المشكلة هي تقسيمها إلى خطوتين متميزتين. أولاً، ينخرط الروبوت في "الاستدلال الاجتماعي"، حيث يتوقف ليتوقع صراحةً نية الإنسان. فهو ينظر إلى تاريخ أفعال الإنسان والوضع الراهن ليقرر ما يحاول الشخص تحقيقه بالفعل. على سبيل المثال، إذا كان الإنسان يضع الكتب في صندوق، يستنتج الروبوت أن الهدف هو تخزين الكتب. وفقط بعد إجراء هذا الاستنتاج، ينتقل الروبوت إلى الخطوة الثانية، وهي "الاستدلال التجسيدي"، حيث يخطط للحركات الفيزيائية اللازمة لتسليم الشيء الصحيح. هذه العملية المكونة من مرحلتين حاسمة لأنها تجبر النظام على حل غموض اللغة قبل محاولة التحرك.
ولاختبار ذلك، بنى الفريق نماذج حاسوبية يمكنها تنفيذ هذه الخطوات. وقارنوا طريقتهم مع أساليب أخرى، بما في ذلك مجرد توجيه نموذج لغوي ضخم مدرب مسبقاً للقيام بالمهمة دفعة واحدة، أو استخدام تقنية تسمى "سلسلة الأفكار" (Chain of Thought) لتوجيه النموذج عبر خطوات الاستدلال. كانت النتائج واضحة: النماذج التي فصلت صراحةً بين الاستدلال الاجتماعي والتخطيط الفيزيائي حققت أداءً أفضل بكثير. وفي الاختبارات الأكثر تحدياً، حيث كانت التعليمات غامضة للغاية، حقق النهج الجديد معدل نجاح قدره 64.5 بالمائة، وهو ما سجل رقماً قياسياً لهذا النوع من المهام. في المقابل، حتى أقوى النماذج اللغوية المدربة مسبقاً، عند توجيهها بعناية، عانت للوصول إلى نفس مستوى الأداء، وغالباً ما فشلت في فهم الأهداف الخفية للإنسان أو تاهت في تفاصيل البيئة.
كشفت الدراسة أيضاً لماذا عانت النماذج القوية المدربة مسبقاً. فهذه النماذج، التي قرأت كميات هائلة من النصوص من الإنترنت، تمتلك معرفة عامة ولكنها تفتقر إلى القدرة المحددة على الاستدلال بشأن السياق الفيزيائي المباشر لمهمة مشتركة. وعندما حاول الباحثون مساعدة هذه النماذج عن طريق تصفية الأشياء غير ذات الصلة من البيئة، ظلت هذه النماذج تفشل في التخطيط بفعالية، مما يشير إلى أن المشكلة لم تكن مجرد كثرة المعلومات، بل كانت صعوبة جوهرية في ربط الإشارات الاجتماعية بالأفعال الفيزيائية. وخلص الباحثون إلى أنه لكي تكون الروبوتات مساعدة مفيدة حقاً، يجب تدريبها على معاملة النوايا البشرية كجزء محدد وقابل للملاحظة من المشكلة المراد حلها، بدلاً من الأمل في أن يستنتجها نموذج لغوي عام من تلقاء نفسه. ومن خلال تعليم النظام كيفية فهم عقل الإنسان أولاً، ثم التصرف بناءً على هذا الفهم، أظهر الباحثون مساراً نحو وكلاء اصطناعيين أكثر قدرة وتعاوناً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.