Inner Speech as Behavior Guides: Steerable Imitation of Diverse Behaviors for Human-AI coordination
تقترح الورقة البحثية إطار عمل MIMIC، الذي يستفيد من نماذج الرؤية واللغة لتوليد "الحديث الداخلي" كتمثيل لغوي للنية السلوكية، مما يمكّن سياسة قائمة على الانتشار من تحقيق سلوكيات متنوعة وعالية الدقة تشبه سلوك البشر مع إمكانية توجيه دقيقة في وقت الاستنتاج دون الحاجة إلى بيانات تدريب إضافية.
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
الفكرة الكبرى: منح الذكاء الاصطناعي "مونولوجاً داخلياً"
تخيل أنك تتعلم طهي وجبة معقدة من خلال مشاهدة شيف محترف.
- الطريقة القديمة (الذكاء الاصطناعي القياسي): أنت فقط تقلد حركات يد الشيف. إذا حرك يده يساراً، تحرك أنت يساراً. إذا حركها يميناً، تحرك أنت يميناً. أنت هنا مجرد "مُقلد فاقد للوعي". إذا تغير تصميم المطبخ قليلاً، ستصاب بالارتباك لأنك حفظت الحركات فقط، وليس الأسباب.
- الطريقة الجديدة (MIMIC): أنت تشاهد الشيف، لكنك تتخيل أيضاً ما الذي يفكر فيه. تسمع صوته الداخلي وهو يقول: "أحتاج للإمساك بالسكين من جهة اليمين لأن المقبض الأيسر زلق"، أو "سأقطع البصل ببطء لأن حجمه صغير".
يقدم هذا البحث نظاماً يسمى MIMIC (نمذجة الدوافع الداخلية للتقليد والتحكم). هو يعلّم وكلاء الذكاء الاصطناعي توليد "حديثهم الداخلي" (تدفق من الأفكار الداخلية) قبل القيام بالفعل. يعمل هذا الحديث الداخلي كجسر بين ما يروه وما يفعلونه.
المشكلة: الروبوتات "روبوتية" أكثر من اللازم
الروبوتات الحالية في مجال الذكاء الاصطناعي بارعة في تقليد أفعال محددة، لكنها تعاني من مشكلتين:
- التنوع: البشر غير متوقعين. أحياناً نلتف حول الطاولة، وأحياناً نمر من تحتها. الذكاء الاصطناعي القياسي عادة ما يختار مساراً "متوسطاً" واحداً ويعلق فيه.
- التوجيه: إذا أردت من الروبوت أن يتصرف بشكل محدد (مثلاً: "كن حذراً جداً" أو "كن سريعاً للغاية")، فعادة ما يتعين عليك إعادة تدريب الروبوت بالكامل من الصفر.
أدرك المؤلفون أن البشر لا يكتفون بمجرد الاستجابة للعالم؛ بل لدينا حوار داخلي مع أنفسنا يوجه خياراتنا.
الحل: إطار عمل "المونولوج الداخلي"
يعامل نظام MIMIC اللغة باعتبارها "الخلطة السرية". هو يقسم عقل الروبوت إلى ثلاثة أجزاء، تعمل مثل إنتاج مسرحي:
1. المخرج (نموذج الرؤية واللغة)
قبل أن يتعلم الروبوت، يقوم "مخرج" (ذكاء اصطناعي قوي مثل GPT-4) بمشاهدة فيديوهات لبشر يؤدون مهاماً معينة. يقوم المخرج بكتابة نص يصف لماذا يفعل البشر ما يفعلونه.
- مثال: بدلاً من مجرد رؤية "الروبوت يحرك ذراعه"، يكتب المخرج: "الروبوت يقترب من الصندوق من الجانب لتجنب الاصطدام بالحائط".
- التشبيه: هذا يشبه كاتب السيناريو الذي يكتب الأفكار الداخلية لشخصية في فيلم.
2. الصوت الداخلي للممثل (مولد CVAE)
يتعلم الروبوت تحويل تلك النصوص إلى "صوته الداخلي" الخاص. يستخدم شبكة عصبية خاصة (CVAE) لضغط تلك النصوص الطويلة والمفصلة إلى ملاحظات ذهنية قصيرة وموجزة.
- التشبيه: فكر في هذا كأن ممثلاً يحفظ نصاً. هو لا يلقي المسرحية كاملة في رأسه كل ثانية؛ بل يختصرها إلى شعور أو فكرة سريعة مثل "كن حذراً" أو "انطلق بسرعة".
- هذا الصوت الداخلي عشوائي (stochastic). تماماً مثل البشر، قد يفكر الروبوت "اذهب يساراً" اليوم و*"اذهب يميناً"* غداً، حتى في نفس الموقف. هذا يخلق تنوعاً طبيعياً.
3. المؤدي (سياسة الانتشار - Diffusion Policy)
أخيراً، يقوم الروبوت بالأداء. لكنه لا ينظر إلى الغرفة فحسب؛ بل ينظر إلى الغرفة و يستمع إلى صوته الداخلي.
- التشبيه: تخيل راقصاً. هو يرى الموسيقى (البيئة)، لكن لديه أيضاً إيقاع في رأسه (الحديث الداخلي). حركات الرقص هي مزيج من الموسيقى وذلك الإيقاع الداخلي.
لماذا يعد هذا تغييراً جذرياً في قواعد اللعبة؟
1. إنه "قابل للتوجيه" (يمكنك التحدث إلى الروبوت)
بما أن سلوك الروبوت موجه باللغة، يمكنك تغيير شخصيته عبر تغيير "الحديث الداخلي" الخاص به.
- سيناريو: تريد من الروبوت أن يكون مساعداً حذراً ومرتبكاً.
- الإجراء: تخبر النظام: "الفكرة الداخلية: أنا متوتر وأتحرك ببطء".
- النتيجة: يبدأ الروبوت في التحرك بحذر دون الحاجة لإعادة تدريبه.
- التشبيه: الأمر يشبه وضع نظارات مختلفة للروبوت. إذا قلت له "أنا قطة حذرة"، سيتحرك مثل القطة. إذا قلت له "أنا كلب سريع"، سيتحرك مثل الكلب.
2. يتعامل مع "العشوائية البشرية"
البشر غير متسقين. أحياناً نكون متعبين، وأحياناً نكون مفعمين بالطاقة. يحاول الذكاء الاصطناعي القياسي دائماً إيجاد الحركة "المثالية" المتوسطة، مما يجعل الحركة تبدو آلية ومتيبسة.
- نهج MIMIC: من خلال توليد أفكار داخلية عشوائية، ينتج الروبوت بشكل طبيعي مجموعة متنوعة من الحركات، تماماً مثل البشر. إنه يلتقط "نكهة" السلوك البشري، وليس فقط الميكانيكا.
3. يعمل بشكل أفضل في الفرق
اختبر الباحثون هذا في لعبة تسمى Overcooked (لعبة طبخ فوضوية).
- عندما لعبت روبوتات MIMIC مع وسطاء بشريين، حققت نتائج أعلى من الروبوتات القياسية.
- لماذا؟ لأن روبوت MIMIC استطاع "التفكير" فيما يفعله الإنسان. لم يكن مجرد مستجيب؛ بل كان يحاكي عملية تفكير بشرية، مما جعله شريكاً أفضل.
ملخص بسيط للعملية
- المشاهدة: يشاهد الذكاء الاصطناعي البشر وهم يؤدون المهام.
- الترجمة: يقوم ذكاء اصطناعي ذكي (المخرج) بكتابة ما كان البشر يفكرون فيه بناءً على ما كانوا يفعلونه.
- الاستيعاب: يتعلم الروبوت تحويل تلك الأفكار إلى "صوت داخلي" مضغوط.
- الأداء: عندما يلعب الروبوت، يولد فكرة داخلية جديدة، ثم يتصرف بناءً على تلك الفكرة + ما يراه.
- التحكم: يمكن للبشر الهمس بأفكار جديدة للروبوت لتغيير طريقة سلوكه فوراً.
الخلاصة
يشير هذا البحث إلى أنه لبناء ذكاء اصطناعي يشبه البشر حقاً، لا ينبغي لنا فقط تعليمهم ماذا يفعلون. بل يجب أن نعلمهم كيف يفكرون فيما يفعلونه. من خلال منح الذكاء الاصطناعي "حديثاً داخلياً"، نحن نجعله أكثر مرونة، وأكثر تنوعاً، وأسهل بكثير في التحكم، محولين إياه من آلات جامدة إلى شركاء قادرين على التكيف.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.