Meta-Ctrl: Guaranteed Plan Generation by Decoupling Syntactic and Semantic Constraints

بدأت الروبوتات في مغادرة أمان أرضيات المصانع لتدخل منازلنا، حيث كُلفت بالمهام المعقدة والمربكة للحياة اليومية. وللقيام بذلك، تحتاج إلى وسيلة لفهم التعليمات البشرية وتحويلها إلى تسلسل من الحركات الفيزيائية. وفي السنوات الأخيرة، لجأ العلماء إلى النماذج اللغوية الكبيرة، وهي نفس البرامج الحاسوبية القوية التي يمكنها كتابة القصص أو الإجابة على الأسئات، لتعمل بمثابة "دماغ" للروبوت. هذه النماذج ممتازة في فهم اللغة ويمكنها توليد قوائم سلسة من الخطوات، مثل "ارفع الكوب، امشِ إلى الطاولة، ثم ضعه". ومع ذلك، هناك خلل جوهري في هذا النهج: فبينما تبدو اللغة مثالية، غالبًا ما تفشل الخطة في العالم المادي. فقد يخبر النموذج الروبوت بوضع كوب على طاولة ممتلئة بالفعل، أو فتح باب مغلق، لأن الحاسوب لا يفهم حقًا قواعد الفيزياء أو حالة الغرفة. الأمر يشبه سؤال شخص لم يغادر منزله قط عن اتجاهات للوصول إلى مدينة لم يرها إلا في كتاب؛ فالكلمات صحيحة، لكن المسار مستحيل.

لكي يكون الروبوت مفيدًا، يجب ألا تكون خططه جيدة فحسب، بل يجب أن تنجح أيضًا. وهذا يتطلب الالتزام بنوعين من القواعد. أولاً، يجب أن تتبع الخطة التنسيق الصحيح، باستخدام الكلمات والبنية المناسبة حتى يتمكن الروبوت من قراءتها. ثانياً، والأهم من ذلك، يجب أن تكون الخطة منطقية في العالم الحقيقي. يجب أن يعرف الروبوت أنه لا يستطيع رفع صندوق ثقيل إذا كانت ذراعاه ممتلئتين بالفعل، أو أنه يجب عليه فتح غسالة الأطباق قبل أن يتمكن من وضع الأطباق بداخلها. لقد عانت المحاولات السابقة لإصلاح هذا الأمر؛ فبعض الأساليب تحاول توجيه الحاسوب بلطف، لكنها لا تستطيع ضمان عدم وقوع الروبوت في الخطأ. بينما تعتمد أساليب أخرى على كتب قواعد مكتوبة مسبقاً وصارمة تجرد الحاسوب من قدرته على استخدام المنطق السليم، مما يجعل الروبوت خرقاء وغير مرنة. والنتيجة كانت الاختيار بين روبوت يتحدث جيدًا ولكن يعمل بشكل سيء، أو روبوت يعمل بأمان ولكنه لا يستطيع فهم الطلبات المعقدة.

طوّر فريق من الباحثين نظامًا جديدًا يسمى "Meta-Ctrl" يحل هذه المشكلة عن طريق فصل نوعي القواعد والتحقق منهما في مراحل مختلفة من عملية التفكير. فبدلاً من إجبار الحاسوب على التحقق من كل كلمة مقابل قائمة ضخمة من القواعد الفيزيائية، يقوم النظام بتقسيم المهمة إلى طبقتين. تضمن الطبقة الأولى أن الحاسوب يتحدث اللغة الصحيحة، حيث تتحقق من أن كل كلمة تتوافق مع قواعد أوامر الروبوت. أما الطبقة الثانية، وهي الابتكار هنا، فتنظر إلى الصورة الأكبر؛ فهي تجمع الكلمات في أفعال ذات معنى، مثل "افتح غسالة الأطباق" أو "ارفع الطبق"، وتتحقق مما إذا كانت هذه الأفعال منطقية في الوضع الحالي. هذا النهج يشبه وجود معلم لغة يتحقق من الإملاء ومفتش سلامة يتحقق من منطقية خطة بناء؛ فهما يعملان معًا ولكن يركزان على أشياء مختلفة. ومن خلال القيام بذلك، يمكن للنظام ضمان أن تكون الخطة النهائية صحيحة لغويًا وممكنة فيزيائيًا، دون الحاجة إلى التضحية بقدرة الحاسوب الطبيعية على فهم اللغة.

اختبر الباحثون هذه الطريقة في مجموعة متنوعة من التحديات، بما في ذلك المهام المنزلية المعقدة في محاكاة حاسوبية وعلى ذراع روبوت حقيقية في مختبر. وقد استخدموا نموذجًا حاسوبيًا مفتوح المصدر نسبيًا صغير الحجم، والذي يُعتبر عادةً أقل قوة من النماذج الضخمة والمكلفة التي تستخدمها شركات التكنولوجيا الكبرى. وبدون نظامهم الجديد، فشل هذا النموذج الصغير في معظم المهام، منتجًا خططًا إما غير منطقية أو مستحيلة التنفيذ. وعندما طبقوا إطار عمل "Meta-Ctrl"، تغيرت النتائج بشكل دراماتيكي؛ إذ بدأ نفس النموذج الصغير ينجح في مهام كان يفشل فيها سابقًا، وغالبًا ما تفوق على نماذج أكبر وأكثر تقدمًا بكثير. وفي اختبار محدد يتضمن سلسلة من الأعمال المنزلية، حقق النظام معدل نجاح أعلى من أي نموذج آخر تم اختباره، بما في ذلك تلك التابعة لشركات الذكاء الاصطناعي الرائدة. لقد تمكن من توليد خطط ليست سلسة فحسب، بل تتبع بدقة قواعد العالم المادي، مما يضمن أن الروبوت لن يحاول الإمساك بكوب يتم حمله بالفعل أو فتح حاوية مفتوحة بالفعل.

تكمن قوة هذا النظام في قدرته على أن يكون صارمًا ومرنًا في آن واحد. فهو لا يكتفي بمنع الحاسوب من ارتكاب الأخطاء، بل يوجهه نحو المسار الصحيح عبر فهم احتمالية حدوث نتيجة ناجحة. وجد الباحثون أنهم من خلال التحقق من القواعد الفيزيائية على مستوى الأفعال بدلاً من الكلمات الفردية، استطاعوا تقليل كمية ذاكرة الحاسوب المطلوبة بمعامل قدره سبعة وستون ألف ضعف. هذه الكفاءة تجعل من الممكن تشغيل هذه الفحوصات المتطورة على حواسيب أصغر وأكثر سهولة في الوصول إليها. وفي الاختبارات التي أجريت على ذراع روبوت حقيقية على طاولة، أنتج النظام خططًا صالحة بطبيعتها؛ حيث استوفت كل خطة أنشأها الشروط اللازمة للعمل، مثل التأكد من أن الباب مفتوح قبل محاولة الوصول إلى الداخل. وعندما فشل الروبوت، لم يكن السبب أبدًا سوء الخطة؛ بل حدثت الإخفاقات لاحقًا، أثناء الفعل الفيزيائي لرؤية جسم ما أو الإمساك به، مما يثبت أن مرحلة التخطيط كانت موثوقة تمامًا.

يوضح هذا العمل أننا لسنا مضطرين للاختيار بين روبوت يتحدث جيدًا وروبوت يعمل بأمان؛ فمن خلال هيكلة كيفية تحقق الحاسوب من عمله بعناية، يمكن الحصول على كليهما. لقد أظهر الباحثون أن نموذجًا حاسوبيًا صغيرًا ومفتوح المصدر يمكن أن يصبح مخططًا كفؤًا للغاية عند اقترانه بالقيود المناسبة، مما يتحدى الفكرة القائلة بأن النماذج الأكبر والأغلى ثمنًا فقط هي التي يمكنها التعامل مع المهام الفيزيائية المعقدة. يعمل النظام من خلال ضمان أن أفكار الروبوت متجذرة في الواقع قبل أن يبدأ في الحركة. ويمثل هذا خطوة كبيرة نحو جعل الذكاء الاصطناعي مفيدًا للعالم الحقيقي، حيث لا تكون تكلفة الخطأ مجرد إجابة خاطئة، بل شيئًا مكسورًا أو مهمة فاشلة. إن الطريقة قوية بما يكفي للتعامل مع عدم القدرة على التنبؤ في منزل حقيقي، ودقيقة بما يكفي لضمان أن الروبوت لن يحاول القيام بالمستحيل. ومع اقتراب الروبوتات من أن تصبح مساعدين يوميين، سيكون هذا النوع من التخطيط الموثوق والقائم على المنطق السليم ضروريًا لعملها بجانبنا دون إحداث فوضى.