Goal-Oriented Logic-based Semantic Communication for Neuro-Symbolic Reasoning with Applications onto Autonomous Driving

تخيل أنك تحاول حل لغز عملاق ومتحرك، حيث قطع اللغز هي سيارات، ومشاة، وإشارات مرور، لكنك لا تستطيع رؤية سوى زاوية صغيرة جداً من الصورة. هذا هو الواقع اليومي للسيارات ذاتية القيادة. فهي تمتلك كاميرات ومستشعرات، ولكن تماماً كما لا يمكنك الرؤية حول شاحنة كبيرة تحجب رؤيتك، فإن هذه السيارات غالباً ما تعاني من "نقاط عمياء". وللبقاء آمنة، تحتاج هذه السيارات إلى التحدث مع بعضها البعض ومع أجهزة كمبيوتر موجودة على جانب الطريق لمشاركة ما يمكنهم رؤيته بالفعل. يُسمى هذا المجال "الاتصال الدلالي" (Semantic Communication). وبدلاً من إرسال بث فيديو ضخم وضبابي لكل شيء (مما يستغرق وقتاً طويلاً ويزحم الإنترنت)، فإن الاتصال الدلالي يشبه إرسال رسالة نصية ذكية تقول: "مهلاً، هناك طفل يركض خلف تلك الشاحنة!". فهو يركز فقط على "المعنى" المطلوب لاتخاذ قرار، وليس على البكسلات الخام. والسؤال الكبير الذي يطرحه الباحثون هو: كيف نضمن أن ترسل السيارة "أهم" معنى عندما يكون الاتصال بالإنترنت بطيئاً أو محدوداً؟

هذه الورقة البحثية، التي كتبها باحثون من جامعة جورجيا تيك، تعالج هذه المشكلة تحديداً للسيارات ذاتية القيادة التي تعمل معاً. إنهم يقترحون طريقة جديدة لدردشة السيارات تستخدم "المنطق" بدلاً من مجرد التخمين. فكر في الأمر كفريق من المحققين؛ فبدلاً من إلقاء كومة من الأدلة العشوائية على الطاولة، يستخدم كل محقق (سيارة) كتاب قواعد خاص (بناءً على قوانين المرور) لمعرفة أي الأدلة مطلوبة فعلياً لحل لغز "هل سنصطدم؟". لقد بنى الباحثون نظاماً تقوم فيه السيارات بترجمة ما تراه إلى عبارات منطقية، وتختار أكثرها فائدً لإرسالها، ثم تدمجها لاتخاذ قرارات قيادة آمنة. وقد اختبروا ذلك في محاكاة حاسوبية لمدينة مزدحمة، ووجدوا أن طريقتهم القائمة على "المنطق الذكي" حافظت على سلامة السيارات، بينما تسببت الطريقة "العشوائية" في وقوع حوادث.

لعبة المحققين في السيارات ذاتية القيادة

تخيل مجموعة من السيارات ذاتية القيادة كفريق من المحققين يحاولون حل لغز: "هل من الآمن القيادة للأمام؟". كل محقق (سيارة) لديه مصباح يدوي، لكن المدينة مظلمة ومليئة بالشاحنات الكبيرة التي تحجب الرؤية. يرى أحد المحققين حذاء مشاة؛ ويرى آخر ضوء فرامل؛ وثالث يرى إشارة توقف. إذا صرخ الجميع بكل شيء يرونه، فسيتم سد قناة الراديو، وتضيع الأدلة المهمة وسط الضجيج.

يقترح مؤلفو هذه الورقة طريقة أفضل: الاتصال الدلالي الموجه نحو الهدف. فبدلاً من الصراخ بكل شيء، يسأل كل محقق: "ما هو الدليل المحدد الذي أحتاجه لحل لغز قواعد المرور؟". إنهم يستخدمون "كتاب قواعد" خاصاً مكتوباً بلغة تسمى "المنطق من الدرجة الأولى" (First-Order Logic - FOL). هذه ليست الإنجليزية البشرية، لكنها تشبه لغة رياضية فائقة الدقة للقواعد، مثل: "إذا كانت هناك سيارة في التقاطع وَ كان هناك مشاة يعبرون، إذن يجب على السيارة التوقف".

إليك كيف يعمل نظامهم، خطوة بخوة:

1. الترجمة: تنظر كل سيارة إلى العالم وتحول ما تراه إلى قائمة من الحقائق المنطقية. على سبيل المثال: "المشاة P1 موجود عند التقاطع I1".
2. الفلتر الذكي (الارتباط الصاعد/Uplink): تمتلك السيارة وقتاً محدداً للإرسال عبر الراديو. وبدلاً من إرسال الحقائق عشوائياً، تستخدم صيغة رياضية خاصة (بناءً على أعمال علماء المنطق القدامى كارناب وهينتيكا) لحساب أي الحقائق ستؤدي إلى تقليل عدم اليقين بشأن قواعد المرور بشكل أكبر. الأمر يشبه محققاً يختار الاتصال بالشرطة للإبلاغ عن "مسدس" بدلاً من "قبعة حمراء" لأن المسدس أكثر صلة بقاعدة "الخطر".
3. الدماغ (وحدة جانب الطريق/RSU): تُرسل كل هذه الأدلة المختارة بذكاء إلى وحدة جانب الطريق (RSU)، والتي تشبه مركز شرطة مركزي. تقوم الـ RSU بدمج جميع الأدلة من السيارات المختلفة. ولأن لديها الصورة الكاملة، يمكنها استنتاج أشياء لا يمكن لأي سيارة بمفردها رؤيتها، مثل: "السيارة أ والسيارة ب في مسار تصادم".
4. الرد (الارتباط الهابط/Downlink): ترسل الـ RSU فقط تحذيرات السلامة المحددة أو تعليمات "حق الأولوية" التي تحتاجها كل سيارة.
5. القرار: تأخذ السيارة هذه المعلومات الجديدة، وتمزجها مع رؤيتها المحلية، وتستخدم نموذج لغة ضخماً (LLM) — وهو نوع من الذكاء الاصطناعي الذي يفهم اللغة — لتقرر ماذا تفعل بعد ذلك، مثل "اضغط على المكابح بقوة" أو "انعطف يساراً".

سحر "الاحتمالية المنطقية"

السر وراء هذه الورقة البحثية هو طريقة جديدة لحساب "الاحتمالية المنطقية". عادةً، عندما نتحدث عن الاحتمالية، نفكر في رمي النرد أو تقليب العملات المعدنية. لكن في هذا العالم، يستخدم المؤلفون نوعاً مختلفاً من الرياضيات مستوحى من فكرة "المنطق الاستقرائي".

تخيل أن لديك حقيبة من قطع الأحجية المختلفة (تسمى جمل Q). قد تكون بعض القطع "سيارة حمراء"، وأخرى "مشاة"، وأخرى "شاحنة". أنشأ المؤلفون نموذجاً يسأل سؤالين:

1. الوجود: هل يُسمح لهذا النوع من القطع بالوجود أصلاً في هذه المدينة؟ (ربما لا توجد شاحنات اليوم).
2. التكرار: إذا وجد هذا النوع، فكم عدد القطع الموجودة منه؟

من خلال استخدام نموذج إحصائي متطور يسمى "نموذج Dirichlet–Categorical ذو الدعم العشوائي"، يمكن للنظام تخمين أي القطع من المرجح أن تكون مهمة. إذا رأت السيارة قطعة تساعد في إثبات صحة قاعدة مرورية أو خطئها، فإن تلك القطعة تمتلك "قيمة دلالية" عالية. يقوم النظام بإعطاء الأولوية لإرسال تلك القطع ذات القيمة العالية. إنه يشبه لعبة "20 سؤالاً" حيث تطرح فقط الأسئلة التي ستستبعد أكبر عدد من الاحتمالات، بدلاً من طرح أسئلة عشوائية.

الاختبار الكبير: هل نجح الأمر؟

لمعرفة ما إذا كان هذا "المنطق الذكي" أفضل من مجرد اختيار الأدلة عشوائياً، أجرى الباحثون تجربة ضخمة. استخدموا برنامج محاكاة يسمى CARLA، والذي ينشئ عالماً واقعياً وهمياً لاختبار السيارات ذاتية القيادة. لقد أخذوا 152 قاعدة مرورية من دليل السائق في كاليفورنيا وحولوها إلى اللغة المنطقية التي يفهمها النظام.

لقد اختبروا 10 سيناريوهات معقدة، بما في ذلك:

• سيارات تقترب من تقاطع حيث تحجب شاحنة الرؤية عن أحد المشاة (سيناريوهات "ما قبل التصادم").
• مواجهة بين أربع سيارات عند دوار.
• سيارات تحاول الاندماج في طريق سريع.
• حالة "جمود" (Deadlock) حيث تنتظر السيارات بعضها البعض.

في كل اختبار، قارنوا بين استراتيجيتين:

• الاختيار الدلالي (Semantic Selection): تستخدم السيارة المنطق الرياضي لاختيار أفضل الأدلة.
• الاختيار الموحد (Uniform Selection): تختار السيارة الأدلة عشوائياً (مثل سحب الأسماء من قبعة).

النتائج:
كان الفرق دراماتيكياً.

• الاختيار الدلالي: في جميع السيناريوهات العشرة، أكملت السيارات التي تستخدم المنطق الذكي الرحلة دون وقوع تصادم واحد. لقد نجحت في تجنب المخاطر، حتى عندما لم تكن ترى كل شيء.
• الاختيار الموحد: السيارات التي اختارت الأدلة عشوائياً اصطدمت 22 مرة في الإجمالي عبر السيناريوهات العشرة. في الواقع، في كل سيناريو استخدموا فيه الطريقة العشوائية، وقع تصادم واحد على الأقل.

على سبيل المثال، في سيناريو "ما قبل التصادم" حيث كانت سيارة ومشاة على وشك التصادم، اختار النظام الذكي الأدلة الصحيحة بنسبة 96% من المرات، مما أدى إلى درجة قيادة مثالية. أما النظام العشوائي فقد اختار الأدلة الصحيحة بنسبة 45% فقط تقريباً، مما أدى إلى وقوع حادث. وفي اندماج الطريق السريع، تسبب النظام العشوائي في 5 تصادمات، بينما سجل النظام الذكي صفراً.

لماذا يهم هذا؟

تظهر الورقة البحثية أنه لكي تكون السيارات ذاتية القيادة آمنة، لا يمكنها أن تكون مجرد "أنابيب غبية" ترسل البيانات. بل يجب أن تكون "مفكرات ذكية" تفهم لماذا تهم معلومة ما. وجد المؤلفون أنه عندما تكون سعة النطاق الترددي محدودة (وهو ما سيكون دائماً)، فإن إرسال الأدلة المنطقية الصحيحة هو مفتاح السلامة.

لقد استبعد الباحثون صراحةً فكرة أن الاختيار العشوائي أو مجرد إرسال "المزيد" من البيانات هو الحل. أظهرت عمليات المحاكاة الخاصة بهم أن إرسال حقائق عشوائية يؤدي في الواقع إلى الكارثة لأن الأدلة الحاسمة تضيع. هم لم يدّعوا أن هذا منتج نهائي مثالي للطرق الحقيقية بعد؛ بل أثبتوا أنه يعمل في محاكاة عالية الدقة. ومع ذلك، تشير النتائج إلى أن الجمع بين المنطق والاحتمالية ونماذج اللغة هو وسيلة قوية لجعل القيادة التعاونية أكثر أماناً. إنها تحول ضجيج الطريق الفوضوي إلى محادثة منطقية واضحة حيث لكل كلمة قيمتها.