Robots Influencing Humans to Reveal their Goals during Collaboration and Competition
تقترح هذه الورقة استراتيجية موحدة تسرع من عملية استنتاج الأهداف البشرية في البيئات التعاونية والتنافسية من خلال توجيه البشر نحو نقاط القرار الحرجة حيث تعظم الاستراتيجيات المتباينة كسب المعلومات، مما أظهر دقة وسرعة متفوقتين على النماذج المرجعية في كل من عمليات المحاكاة وتجارب الروبوتات في العالم الحقيقي.
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 عالماً يعمل فيه الروبوتات والبشر جنباً إلى جنب، ليس كآلات تتبع أوامر جامدة، بل كشركاء يحاول كل منهم فهم نوايا الآخر. لكي يكون الروبوت شريكاً حقيقياً، يجب عليه أن يخمن ما يحاول الإنسان تحقيقه قبل أن ينهي ذلك الشخص مهمته. وهذا أمر صعب لأن الناس غالباً ما يبدؤون مهاماً مختلفة عديدة بنفس الطريقة. فقد يلتقط الشخص ملعقة لتحريك الحساء، أو خلط السلطة، أو غرف الآيس كريم. بالنسبة لروبوت يراقب من الخارج، تبدو هذه الأفعال المبكرة متطابقة، مما يترك الآلة في حالة من عدم اليقين بشأن الهدف النهائي. وإذا أخطأ الروبوت في تخمينه، فقد يسلم المكون الخاطئ أو يعيق مساراً ما، مما يهدر الوقت ويسبب الإحباط للإنسان. التحدي إذن، لا يكمن فقط في المراقبة والانتظار حتى تظهر الإجابة، بل في إيجاد طريقة لتوجيه الإنسان بلطف نحو لحظة يصبح فيها قصده الحقيقي مستحيلاً تجاهله.
لقد طور باحثون في جامعة ييل، ومعهد ماساتشوستس للتكنولوجيا، وجامعة كولورادو طريقة جديدة لتمكين الروبوتات من حل هذا اللغز. إنهم يقترحون أنه بدلاً من الانتظار السلبي حتى يكشف الإنسان عن هدفه، يجب على الروبوت أن يوجه التفاعل بنشاط نحو لحظات محددة يسمونها "نقاط القرار الحاسمة". هذه هي المواقف التي ينقسم فيها المسار المستقبلي، حيث تفصل الخيارات التي يتخذها الإنسان بوضوح بين هدف وآخر. على سبيل المثال، إذا كان الشخص يعد إما عصير "سموذي" أو حساء "ستو"، فإن الخطوات الأولى لجمع الماء والخضروات مشتركة بينهما. ومع ذلك، فإن اللحظة التي يقرر فيها الشخص وضع تلك المكونات في خلاط أو في قدر هي نقطة قرار حاسمة. وقد وجد الباحثون أنه إذا استطاع الروبوت التأثير ببراعة على الإنسان للوصول إلى هذه اللحظات الخاطفة، فإنه يستطيع معرفة الهدف بشكل أسرع وبدقة أكبر مما لو كان يكتفي بالمراقبة فقط.
لاختبار هذه الفكرة، أنشأ الفريق سيناريوهين مختلفين تماماً: مهمة طهي تعاونية، ولعبة "الاستغماية" (الغميضة) تنافسية. في تجربة الطهي، عمل إنسان وروبوت معاً في مطبخ لإعداد واحدة من ثلاثين وجبة محتملة، تتراوح من الشوفان إلى المعكرونة. وقد برمج الباحثون الروبوت بنظام تخطيط يتطلع إلى الأفعال المستقبلية المحتملة. يقوم الروبوت باختيار تحركات تحافظ على تقدم المهمة وفي الوقت نفسه تهيئ الإنسان لاتخاذ خيار من شأنه أن يوضح نيته. فعلى سبيل المثال، إذا كان الروبوت بحاجة لمعرفة ما إذا كان الإنسان يريد "بارفيه" أو "سموذي"، فقد يجمع أولاً شيئاً عاماً مثل ملعقة أو وعاء يمكن استخدامه لكليهما. حافظ هذا على كون الروبوت مفيداً دون الالتزام بوصفة محددة. ومن خلال القيام بذلك، فإنه يشجع الإنسان في النهاخت على اختيار مكون محدد، مثل الزبادي أو الكرنب، مما سيكشف فوراً عن الطبق المنشود.
كانت نتائج عمليات محاكاة الطهي هذه والاختبارات الواقعية باستخدام روبوت مادي مذهلة. لقد سمحت الطريقة الجديدة للروبوت بتحديد الوجبة الصحيحة في وقت أبكر بكثير من الاستراتيجيات الأخرى. وفي كثير من الحالات، استطاع الروبوت تخمين الهدف بشكل صحيح خلال الثلث الأول من التفاعل، بينما عانت الطرق الأخرى غالباً حتى أوشكت المهمة على منتصف الطريق. وعندما خمن الروبوت مبكراً، ارتكب أخطاءً أقل، مثل إضافة المكونات الخاطئة أو اتخاذ خطوات غير ضرورية. في المقابل، فإن النهج الآخر الذي يعتمد على المراقبة السلبية أو يحاول تعظيم جمع المعلومات دون مراعاة المهمة، غالباً ما أدى بالروبوت إلى اتخاذ مسارات خاطئة، مما أجبر الإنسان على تصحيحها لاحقاً. تشير الدراسة إلى أنه من خلال الموازنة بين الحاجة إلى إنجاز العمل والحاجة إلى تعلم خطة الإنسان، يصبح الروبوت شريكاً أكثر كفاءة وموثوقية.
اختبر الباحثون أيضاً نهجهم في بيئة تنافسية، حيث لعب روبوت لعبة "الاستغماية" ضد روبوت يتحكم فيه إنسان. في هذه اللعبة، حاول الإنسان الاختباء، وكان على الروبوت "الباحث" أن يجده. ولأن الإنسان يمكنه الاختباء خلف الجدران، لم يكن بإمكان الروبوت دائماً رؤيته، مما جعل من الصعب معرفة وجهته. هنا، كانت "نقاط القرار الحاسمة" عبارة عن مواقع محددة على الخريطة حيث ستجبر استراتيجيات الاختباء المحتملة للإنسان على اتخاذ مسارات مختلفة. استخدم الروبوت نظام التخطيط الخاص به للتحرك بطريقة تشجع الإنسان على التوجه نحو نقاط القرار هذه. ومن خلال القيام بذلك، استطاع الروبوت مراقبة حركة الإنسان التالية واستنتاج استراتيجية اختبائه بسرعة أكبر بكثير. وفي عمليات المحاكاة والتجارب الواقعية، أمسك الروبوت الذي يستخدم هذه الطريقة بالشخص المختبئ في عدد خطوات أقل من الروبوتات التي كانت تكتفي بمطاردة الإنسان أو استكشاف الخريطة بشكل عشوائي.
يسلط هذا العمل الضوء على تحول في كيفية تفاعل الروبوتات مع البشر. فبدلاً من معاملة البشر كمتغيرات غير متوقعة يجب مراقبتها، يصبح الروبوت مشاركاً نشطاً يشكل البيئة لجعل نوايا الإنسان أكثر وضوحاً. وجد الباحثون أن هذا النهج ينجح سواء كان الإنسان شريكاً متعاوناً أو خصماً تنافسياً، وسواء كان بإمكان الروبوت رؤية كل شيء أو أجزاء فقط من المشهد. وبينما أجريت التجارب الحالية في بيئات محكومة بقواعد محددة، فإن النتائج تشير إلى مبدأ قوي: يمكن للروبوتات أن تتعلم بشكل أسرع وتعمل بشكل أفضل من خلال توجيه التفاعلات نحو اللحظات التي تهم فيها خيارات الإنسان أكثر من غيرها. لا تدعي الدراسة أنها حلت جميع مشاكل التفاعل بين الإنسان والروبوت، لكنها تقدم طريقة ملموسة لتقليل عدم اليقين وبناء شراكات أكثر طبيعية وفعالية بين البشر والآلات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.