Human-in-the-Loop Uncertainty Analysis in Self-Adaptive Robots Using LLMs
تقدم هذه الورقة RoboULM، وهي منهجية وأداة تعتمد على وجود الإنسان في الحلقة وتستفيد من النماذج اللغوية الكبيرة لمساعدة الممارسين على تحديد وتحليل وتخفيف حالات عدم اليقين في الروبوتات ذاتية التكيف بشكل منهجي خلال مرحلة التصميم، كما تم التحقق من ذلك من خلال التعليقات الإيجابية من الممارسين الصناعيين عبر أربع حالات استخدام.
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. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تقوم ببناء روبوت يحتاج إلى التنقل في مدينة مزدحمة، أو إصلاح جهاز كمبيوتر محمول، أو قيادة سفينة. العالم فوضوي، وغير متوقع، ومليء بالمفاجآت. إذا لم يكن الروبوت الخاص بك مستعداً لهذه المفاجآت (والتي يسميها البحث "الشكوك" أو "عدم اليقين")، فقد يصطدم، أو يكسر شيئاً ما، أو يعلق.
المشكلة هي أن تحديد كل الأشياء التي يمكن أن تسوء هو أمر صعب للغاية. الأمر يشبه محاولة إدراج كل طريقة ممكنة قد يتسبب بها حريق في المنزل قبل أن تبنيه حتى. عادةً، يضطر المهندسون إلى التخمين بناءً على خبرتهم، وهو ما يؤدي غالباً إلى تفويت المخاطر الخفية.
يقدم هذا البحث أداة جديدة تسمى RoboULM للمساعدة في حل هذه المشكلة. فكر في RoboULM كـ مساعد ذكي للغاية ولا يكل يساعد المهندسين على العصف الذهني لكل سيناريو "ماذا لو" محتمل قبل بناء الروبوت فعلياً.
إليك كيف تعمل، باستخدام تشبيهات بسيطة:
1. "القائمة المرجعية الشاملة" (التصنيف - The Taxonomy)
أولاً، أنشأ الباحثون "قائمة مرجعية شاملة" ومنظمة تسمى UncerTax.
- التشبيه: تخيل دليل ميكانيكي لا يكتفي بسرد قطع السيارة فحسب، بل يصنف كل شيء يمكن أن يحدث خطأً: هل هو إطار مثقوب (عتاد/Hardware)؟ هل هي خريطة مربكة (برمجيات/Software)؟ هل هي عاصفة مطرية مفاجئة (بيئة/Environment)؟
- ما تفعله: تساعد هذه القائمة المرجعية مهندسي الروبوت البشر والمساعد الحاسوبي على التحدث بنفس اللغة. فهي تضمن أنهم لا يفكرون فقط في "الأجزاء المعطلة"، بل أيضاً في "البيانات المربكة" أو "القضايا الأخلاقية".
2. "شريك العصف الذهني" (النموذج اللغوي الكبير - The LLM)
تستخدم الأداة نموذج لغوي كبير (LLM)، وهو يشبه ذكاءً اصطناعياً واسع المعرفة ولكنه ثرثار أحياناً.
- التشبيه: تخيل أنك تحاول العثور على إبرة في كومة قش. تطلب من صديق (الذكاء الاصطناعي) مساعدتك. إذا قلت له فقط "ابحث عن الإبرة"، فقد يفتقدها. ولكن إذا أعطيته استراتيجية محددة، فسيصبح أفضل بك كثيراً.
- ما تفعله: لا تكتفي RoboULM بسؤال الذكاء الاصطناعي أن "يخمن". بل تعطي الذكاء الاصطناعي مجموعة محددة من التعليمات (Prompts) بناءً على القائمة المرجعية الشاملة. هي تخبر الذكاء الاصطناعي: "انظر إلى متطلبات الروبوت، وأخبرني بالضبط أين تكمن المخاطر، باستخدام هذه الفئات الـ 12 المحددة".
3. "الإنسان في الحلقة" (التنقيح - The Human-in-the-Loop)
هذا هو الجزء الأهم. لا يُترك الذكاء الاصطناعي بمفرده للقيام بالعمل؛ فالإنسان هو دائماً من يمسك بزمام القيادة.
- التشبيه: فكر في الذكاء الاصطناعي كمتدرب مبتدئ متحمس ولكنه يرتكب الأخطاء أحياناً. أنت (المهندس الخبير) تراجع عمله.
- التقييم (Ranking): أنت تعطي المتدرب درجة. "لقدت أصبت في جزء 'السلامة' (10/10)، لكن تخمينك لـ 'العتاد' كان ضعيفاً (3/10). حاول مجدداً".
- الأمثلة (Examples): تقول له: "تذكر المرة التي انزلق فيها الروبوت على أرضية مبللة؟ فكر في ذلك عند تخمين المخاطر".
- القائمة المرجعية (Checklist): تشير إلى القائمة المرجعية وتقول: "لقد أغفلت فئة 'البيئة'. عد وقم بتعبئتها".
- ما تفعله: تسمح الأداة لمهندس الروبوت البشري بالاستمرار في تنقيح إجابات الذكاء الاصطناعي حتى تصبح مثالية. إنه حوار متبادل، وليس أمراً يُعطى لمرة واحدة.
4. الاختبار في العالم الحقيقي
اختبر الباحثون هذه الأداة مع 16 خبيراً حقيقياً يعملون مع أربعة أنواع مختلفة من الروبوتات:
- الروبوتات المتنقلة ذاتية القيادة (مثل روبوتات التوصيل في المستودعات).
- روبوتات التفكيك الصناعية (الروبوتات التي تفكك أجهزة الكمبيوتر المحمول).
- روبوتات التصنيع التعاونية (الروبوتات التي تعمل جنباً إلى جنب مع البشر في المصانع).
- السفن ذاتية القيادة (السفن التي تقود نفسها).
النتائج:
- وجد الخبراء أن الأداة مفيدة جداً وسهلة الفهم.
- أحبوا التعليمات المهيكلة (التعليمات الواضحة التي تُعطى للذكاء الاصطناعي).
- وجدوا أن التنقيح التكراري (القدرة على تقييم الذكاء الاصطناعي وطلب إعادة المحاولة باستخدام الأمثلة) هو الجزء الأكثر فائدة.
- شعر الخبراء أن هذه الأداة ساعدتهم في العثور على مخاطر ربما كانوا سيفوتونها لولاها، مما يجعل الروبوتات أكثر أماناً قبل أن تخرج إلى العالم الحقيقي.
الملخص
باختختصار، RoboULM هي ورشة عمل رقمية حيث يعمل مهندسو البشر وذكاء اصطناعي ذكي معاً. يوفر البشر الخبرة والحكم النهائي، بينما يعمل الذكاء الاصطناعي كمحرك قوي يمسح عبر "قائمة مرجعية شاملة" ضخمة للعثور على الأخطار المحتملة. ومن خلال العمل معاً في حلقة من السؤال والتحقق والتنقيح، يمكنهم بناء روبوتات أكثر أماناً وموثوقية وجاهزة للعالم غير المتوقع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.