Learning Options for Compositional Motor Control with Adapter Banks
تقترح هذه الورقة بنية مبتكرة تستخدم نواة تكرارية مشتركة يتم تعديلها بواسطة مجموعة من المهايئات المتبقية لتعلم بدائيات حركية مرنة كاضطرابات منخفضة الرتبة ناشئة، مما يُمكّن سياسة عالية المستوى مجمدة من تسلسل هذه المهايئات لتحقيق تعميم فائق على المتواليات الحركية الجديدة مقارنة بالنماذج المرجعية متعددة المهام.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تعتمد الحركة الماهرة، من السلالم الموسيقية الانسيابية لعازف البيانو إلى القفزة المعقدة لجمبازي، على قدرة خفية: وهي أن الدماغ لا يتعلم كل حركة جديدة من الصفر. بدلاً من ذلك، يبني الدماغ مكتبة من اللبنات الأساسية القابلة لإعادة الاستخدام، أو "النماذج الأولية"، التي يمكن خلطها ومطابقتها وإعادة تشكيلها لإنشاء حركات جديدة لا حصر لها. هذه القدرة على إعادة دمج مجموعة محدودة من المهارات في تسلسلات مبتكرة هي سمة مميزة للبراعة البشرية. لعقود من الزمن، حاول العلماء تعليم الوكلاء الاصطناعيين هذه المرونة ذاتها، آملين في إنشاء روبوتات يمكنها التكيف مع مهام جديدة دون الحاجة إلى إعادة تدريبها من البداية. كان التحدي يكمن في إيجاد طريقة تتيح لنظام تعلم اكتشاف هذه اللبنات الأساسية من تلقاء نفسه، ثم دمجها دون أن تتداخل المهارات القديمة مع الجديدة. تشير نظريات حديثة في علم الأعصاب إلى أن الدماغ قد يحل هذه المعضلة باستخدام شبكة مشتركة من الخلايا العصبية التي يتم تعديلها طفيفاً بواسطة مدخلات مختلفة، مما يسمح لنفس الآلية الجوهرية بإنتاج سلوكيات متباينة تماماً.
تجسد دراسة جديدة أجراها باحثون من جامعة كولومبيا وجامعة نيويورك هذه النظرية البيولوجية في نموذج حاسوبي، حيث أظهرت كيف يمكن لنظام اصطناعي تعلم تركيب حركات معقدة من الصفر. صمم الفريق دماغاً رقمياً مصمماً للتحكم في ذراع محاكية ذات مفصلين وست عضلات، تشبه الطرف البشري. وطلبوا من هذا النظام تعلم مجموعة متنوعة من الحركات، بما في ذلك الوصول المستقيم، والتحرك في دوائر، وتتبع أنماط شكل الرقم ثمانية (figure-eight). وبدلاً من مجرد حفظ هذه المسارات، أراد الباحثون من النظام اكتشاف الأجزاء الكامنة وراء كل حركة وتعلم كيفية حياكتها معاً لأداء مهام لم يسبق له رؤيتها. ولتحقيق ذلك، بنوا بنية مستوحاة من الاتصال بين القشرة الحركية في الدماغ والمهاد (thalamus)، وهو بنية عميقة في الدماغ تساعد في اختيار والتبديل بين البرامج الحركية المختلفة.
صمم الباحثون نظاماً يحتوي على شبكة "جوهرية" مشتركة تتعامل مع الميكانيكا الأساسية للحركة، تشبه القشرة الحركية. ويتصل بهذا الجوهر مجموعة من الوحدات المتخصصة، أو "المهايئات" (adapters)، والتي تعمل مثل مقابض صغيرة قابلة للتعديل يمكنها ضبط سلوك الجوهر. في الدماغ، ستتوافق هذه المهايئات مع الإشارات من المهاد التي تغير نشاط القشرة الحركية قليلاً لإنتاج حركة محددة. لم يبرمج الباحثون النظام لمعرفة أي مهايئ يجب استخدامه ومتى؛ بل تركوا النظام يتعلم تحديد واختيار الوحدة الصحيحة من خلال مراقبة معلم خبير يؤدي المهام. كان "المعلم" عبارة عن شبكة منفصلة مدربة مسبقاً تعرف بالضبط القاعدة التي يجب اتباعها لكل حركة. ومع ذلك، كان على نظام "الطالب" أن يكتشف كيفية تقسيم أفعال المعلم إلى مقاطع ويقرر أي مهايئ يجب تفعيله في كل لحظة، وكل ذلك دون أن تُملى عليه القواعد صراحة.
بينما كان نظام الطالب يتدرب على هذه الحركات المركبة، حدث أمر مذهل. على الرغم من أن المهايئات صُممت لتكون مرنة ومعقدة بالكامل، إلا أن النظام تعلم طبيعياً استخدامها كتعديلات بسيطة ومنخفضة الرتبة (low-rank adjustments). وبعبارة أخرى، اكتشف النظام أنه ليس بحاجة لإعادة كتابة الدماغ بالكامل لكل مهمة جديدة؛ بل يحتاج فقط إلى إجراء تعديلات دقيقة وصغيرة على الجوهر المشترك. سمح هذا للنظام بتفكيك الحركات المختلفة إلى مساحات متميزة ومنفصلة داخل حالته الداخلية. وبينما ظل نظام المعلم، الذي اعتمد على مدخلات قواعد صريحة، يبقي تمثيلات مهامه متشابكة في فضاء مشترك واحد، قام نظام الطالب بتنظيمها في مناطق منفصلة للغاية. فكل نوع من أنواع الحركة، مثل الوصول المستقيم أو القوس الدائري، احتل ركناً متميزاً خاصاً به في المشهد الداخلي للنظام.
جاء الاختبار الحقيقي لهذا النهج عندما طلب الباحثون من النظام أداء مهمة جديدة تماماً: مسار مكون من بتلتين يجمع أجزاء من الحركات التي تعلمها بطريقة لم يسبق له رؤيتها. تطلب هذا المسار الجديد حياكة امتداد مستقيم مع انكماش منحني، ثم امتداد منحني مع انكماش مستقيم، مما خلق انقطاعاً لم يتدرب عليه الطالب ولا المعلم من قبل. قام الباحثون بتجميد الشبكات الداخلية لكلا النظامين وحاولوا إيجاد أفضل طريقة لتسلسل اللبنات المتاحة لمطابقة هذا الهدف الجديد. نجح نظام الطالب، ببنيته المنفصلة والنمطية، بدقة عالية، حيث تتبع المسار الجديد بخطأ قدره حوالي 0.005 متر. أما نظام المعلم، الذي اعتمد على نهج الفضاء الفرعي الواحد المتشابك، فقد عانى بشكل كبير، حيث توقف عند خطأ أكبر بعشر مرات.
تشير النتائج إلى أن مفتاح التحكم الحركي المرن ليس مجرد امتلاك شبكة مشتركة، بل امتلاك شبكة يتم تعديلها بواسطة تعديلات متميزة ومنخفضة الرتبة تحافظ على مهام مختلفة في مساحات داخلية منفصلة. هذا الفصل الهندسي يسمح للنظام بخلط ومطابقة نماذجه الأولية لحل المشكلات الجديدة دون التداخل الذي يعيق التعلم الاصطناعي عادةً. تقدم الدراسة برهاناً ملموساً على أن بنية مستوحاة من الحلقات المهادية القشرية (thalamocortical loops) يمكنها تعلم اكتشاف لبناتها القابلة لإعادة الاستخدام ودمجها للتعامل مع التحديات الخارجة عن نطاق التدريب. ومن خلال إظهار قدرة النظام على تفكيك سلوكه إلى مساحات فرعية متميزة، يقدم هذا البحث مساراً واعداً نحو إنشاء آلات يمكنها التكيف مع المهام الفيزيائية الجديدة بنفس السهولة والإبداع الذي يتمتع به الرياضي البشري.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.