Neuro Inspired Robotics: What Robot Learning Can Borrow from the Sensorimotor Brain
تجادل هذه الدراسة المسحية بأن القيود الحالية لتعلم الروبوتات تنبع من عيوب في التصميم بدلاً من ندرة البيانات، وتقترح إطار عمل مستوحى من الأعصاب يدمج مبادئ الامتثال، والرؤية السريعة المتوازية، والتنبؤ المخيخي، وتكوين القشرة الحركية لتمكين الروبوتات من العمل باستقلالية والتحسن بشكل تكراري.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلف. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل طفلاً يتعلم فتح درج لأول مرة. هو لا يحتاج إلى دليل إرشادي، ولا إلى مليون محاولة تدريب، ولا إلى فريق من المهندسين لمعايرة عضلاته. هو ببساطة يمد يده، يشعر بالمقبض، ثم يسحب، ويعدل قبضته فوراً إذا انزلق الشيء أو إذا كان الزاوية خاطئة. هذه القدرة على تعلم المهارات البدنية المعقدة من جسد واحد خلال سنوات قليلة تقف في تباين صارخ مع الروبوتات الحديثة. فحتى أكثر الآلات تقدماً، والتي تم تدريبها على مكتبات هائلة تضم ملايين الحركات المسجلة من عشرات الروبوتات المختلفة، غالباً ما تفشل في أداء هذه المهام البسيطة نفسها. فهي تعاني مع الأشياء التي لم تمسكها من قبل، وتتجمد عندما يتغير المشهد في منتصف الحركة، ولا يمكنها التحسن من تلقاء نفسها بعد نشرها في بيئة العمل. إن الفجوة بين البراعة البشرية والأداء الروبوتي ليست مسألة حجم بيانات؛ بل هي مسألة تصميم. فالجهاز العصبي البشري قد تطور عبر مئات الملايين من السنين لحل هذه المشكلات، وتشير دراسة حديثة إلى أن الجيل القادم من الروبوتات يجب أن يستعير مخطط تصميمه.
تجادل الورقة البحثية، التي تحمل عنوان "الروبوتات المستوحاة من الأعصاب"، بأن الروبوتات الحالية تفشل لأنها مبنية على بنية مختلفة جوهرياً عن الدماغ البشري. تعتمد الروبوتات اليوم عادةً على حاسوب مركزي يعالج المعلومات البصرية ثم يرسل قائمة دقيقة من الإحداثيات إلى المحركات، ليخبرها بالضبط أين تتحرك. هذا النهج يتطلب دقة مثالية ويترك الروبوت أعمى عن القوى الفيزيائية التي يواجهها حتى فوات الأوان. في المقابل، يعمل الجسم البشري وفق مبادئ الامتثال والتنبؤ. فبدلاً من إصدار أمر بوضعية صلبة، يأمر الدماغ بالجهد والصلابة، مما يسمح للجسم بالاستجابة للبيئة عند الضرورة والضغط بقوة فقط عند الحاجة. علاوة على ذلك، لا ينتظر الدماغ المعالجة البصرية البطيئة لتصحيح قبضة منزلقة؛ بل يستخدم نظاماً منعكساً سريعاً ونموذجاً تنبؤياً لتعديل الأفعال قبل أن يتم إدراك الخطأ بالكامل. يقترح المؤلفون أنه من خلال محاكاة هذه الاستراتيجيات البيولوجية — وتحديداً كيفية تعامل الدماغ مع اللمس والرؤية والتنبؤ — يمكن للروبوتات أن تنتقل من كونها آلات هشة مبرمجة مسبقاً إلى وكلاء متكيفين ومتحسنين ذاتياً.
تبدأ الدراسة بفحص العنصر الأكثر أساسية في الحركة: الأمر المرسل إلى العضلات. في الروبوت القياسي، تخرج "السياسة" (policy) موضعاً مستهدفاً، ويحاول متحكم منفصل وثابت إجبار المحرك على الوصول إلى تلك النقطة. إذا واجه الروبوت عائقاً غير متوقع، فإن المتحكم الصلب يصارع العائق، مما يؤدي غالباً إلى ضرر أو فشل. يعمل النظام الحركي البشري بشكل مختلف؛ فهو يرسل إشارة تتحكم في كل من الموضع المطلوب وصلابة الطرف. وهذا يجعل الجسم يعمل مثل نابض ذكي. عندما يدفع إنسان قضيباً في فتحة منحنية، فإنه لا يحتاج إلى حساب المنحنى الدقيق للفتحة، بل يضغط بصلابة عالية على طول اتجاه الفتحة وبصلابة منخفضة عبرها. تقوم جدران الفتحة بتوجيه القضيب طبيعياً إلى مكانه، وتستجيب اليد لقوى التلامس. تقترح الورقة أن الروبوتات يجب أن تتبنى هذه الاستراتيجية نفسها. فمن خلال إضافة طبقة من الامتثال تحت سياسة التحكم الرئيسية، يمكن للروبوت أن يترك العالم المادي يوفر التفاصيل التي كان سيتعين عليه حسابها، مما يجعله أكثر قوة في مواجهة التغييرات غير المتوقعة.
اللمس هو مجال آخر تقدم فيه البيولوجيا تصميماً متفوقاً. تعتمد الروبوتات الحالية غالباً على الرؤية بشكل كبير، وتتعامل مع اللمس كمدخل ثانوي أو اختياري. ومع ذلك، يمكن للإنسان أن يجد مقبض الباب في الظلام ويفتحه دون نظرة واحدة. تسلط الورقة الضوء على أن الرؤية لا ترى سوى الحركة والشكل، بينما يقيس اللس يقيس القوى المتضمنة في التفاعل بشكل مباشر. عندما يمسك الإنسان شيئاً ما، تكتشف مستشعرات متخصصة في الجلد انزلاقاً في غضون حوالي 75 مللي ثانية، مما يطلق رد فعل تلقائي لتشديد القبضة قبل أن يدرك الدماغ وعياً بحركة الشيء. هذه الحلقة المنعكسة أسرع بكثير من أي تصحيح بصري. يقترح المؤلفون أن الروبوتات يجب أن تعامل اللمس كمدخل أساسي، وتمثله كمجال قوة يقود التحكم في الامتثال. ومن خلال تدريب النماذج على التنبؤ بالنتائج اللمسية لأفعالها، يمكن للروتبات أن تتعلم تعديل قوة قبضتها فوراً عندما ينزلق جسم ما، تماماً كما يفعل الإنسان، دون الحاجة إلى التوقف وإعادة تقييم المشهد بصرياً.
الرؤية أيضاً تتطلب نهجاً جديداً. أنظمة الرؤية الروبوتية الحالية غالباً ما تكون بطيئة ومحسنة للتعرف على الأشياء، بشكل يشبه كيفية تعرف الإنسان على الوجه. ومع ذلك، فإن التحكم في يد متحركة يتطلب نوعاً مختلفاً من الرؤية: رؤية تتبع الحركة والموضع بسرعة عالية. يحل الدماغ البشري هذه المشكلة بتقسيم الرؤية إلى مسارين: مسار "بطني" (ventral) بطيء ومخصص للتعرف على ماهية الشيء، ومسار "ظهري" (dorsal) سريع ومخصص لتوجيه الحركة، حيث يقوم بتحديث موقع الأشياء بالنسبة لليد باستمرار. تجادل الورقة بأن الروبوتات يجب أن تبني نظاماً مزدوجاً مماثلاً. فبدلاً من الاعتماد على مشفر بصري واحد بطيء، يجب أن يكون لديها مشفر مخصص وسريع يعمل بمعدل إطارات الكاميرا، ويزود رأس السياسة التفاعلية ببيانات فورية عن الحركة والتلامس. هذا سيسمح للروبوت بالاستجابة لجسم منزلق أو هدف متحرك في الوقت الفعلي، بدلاً من الانتظار لتحليل مفصل وبطيء للمشهد.
ربما تأتي أعمق رؤية من المخيخ، وهو جزء من الدماغ يوصف غالباً بأنه "متنبئ". يأخذ المخيخ نسخة من كل أمر حركي ويتوقع ما سيشعر به الجسم وما سيراه نتيجة لذلك، وذلك في غضون أجزاء من الثانية. إذا اختلف الإحساس الفعلي عن التنبؤ، يقوم المخيخ فوراً بإعادة معايرة الحركة. هذا ما يسمح للبشر بالإمساك بكرة أو تعديل قبضتهم على جسم ثقيل قبل أن تسمح حلقة التغذية الراجعة الحسية بذلك. تقترح الورقة أن الروبوتات يجب أن تدمج "نموذج عالم" أو متنبئاً يعمل جنباً إلى جنب مع السياسة الرئيسية. هذا المتنبئ سيتوقع نتيجة كل أمر ويستخدم الخطأ بين التنبؤ والواقع لتعديل سلوك الروبوت فوراً. وعلى عكس النماذج الحالية التي تستغرق ثوانٍ للمعالجة والتعلم، سيكون هذا المتنبئ سطحياً وسريعاً، قادراً على التكيف مع أدوات جديدة أو أشياء أثقل في محاولة واحدة، مما يسمح للروبوت بالتعلم والتحسن في الوقت الفعلي.
أخيراً، ترسم الورقة رؤية لكيفية تعلم الروبوتات وتحسنها بمرور الوقت، محاكية العملية البشرية للممارسة والترسيخ. حالياً، تظل مهارات الروبوت ثابتة بمجرد نشره؛ فهو لا يمكنه التعلم من أخطائه دون تدخل بشري. يتضمن التصميم المقترح نظاماً يقوم فيه الروبوت بتفكيك مهمة معقدة إلى وحدات أصغر قابلة للتحقق، مثل الوصول، التوجيه، والإمساك. يمارس الروبوت هذه الوحدات، ويقوم "وكيل ترسيخ" بمراجعة المحاولات الناجحة لتحويل الكود الصريح والبطيء إلى مهارات ضمنية وسريعة مخزنة في الأوزان العصبية للروبوت. بمرور الوقت، سينتقل الروبوت من قياس كل زاوية وقوة بدقة إلى مجرد "تقدير المهمة بالنظر" والعمل، تماماً مثل الإنسان الذي أتقن مهارة ما. هذه الدورة من ممارسة نقاط الضعف، والحكم على النجاح، وترسيخ المعرفة ستسمح بالتحسين الذاتي المتكرر، مما يجعل الروبوت أكثر قدرة وبراعة مع كل مهمة يحاول القيام بها.
يلاحظ المؤلفون بحذر أن هذه الأفكار هي فرضيات للاختبار وليست حلولاً مثبتة. فالعلوم العصبية التي يستندون إليها معقدة ومثيرة للجدل أحياناً، والتشابه بين الدماغ البيولوجي والآلة السيليكونية له حدوده. ومع ذلك، تقدم الورقة حجة مقنعة بأن الطريق نحو الأمام في مجال الروبوتات لا يكمن في مجرد زيادة حجم البيانات أو قوة الحوسبة، بل في إعادة التفكير في البنية الأساسية للآلة. ومن خلال استعارة مبادئ الامتثال، والحلقات الحسية السريعة، والنمذجة التنبؤية، والممارسة النشطة من الجهاز العصبي، قد تصل الأجيال القادمة من الروبوتات أخيراً إلى الذكاء المرن والمتكيف الذي استعصى عليها طويلاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.