Minimal Developmental Support for Continually Growing Autonomous Robots
यह शोध पत्र स्वायत्त रोबोटों के लिए एक न्यूनतम विकासात्मक बुद्धिमत्ता मॉडल का प्रस्ताव करता है जो व्यापक पूर्व ज्ञान के बजाय पूर्व-निर्धारित शिक्षण तंत्रों पर निर्भर करता है, जिससे प्रणाली को मौजूदा अनुकूलनशील प्रणालियों की तुलना में काफी कम पूर्व-निर्धारित नियमों के साथ तुलनीय प्रदर्शन और बेहतर दीर्घकालिक तर्क प्राप्त करने के लिए निरंतर ज्ञान प्राप्त करने और पुन: उपयोग करने में सक्षम बनाया जा सके।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए एक ऐसे रोबोट की जो दुनिया में निर्देशों के एक पूर्ण मैनुअल के साथ नहीं आता है। एक ऐसा रोबोट जिसे हर उस नियम के साथ प्रोग्राम नहीं किया गया है जिसकी उसे जीवित रहने के लिए आवश्यकता हो सकती है, बल्कि उसे केवल अपने परिवेश को महसूस करने, यह याद रखने कि क्या हुआ, और अपने स्वयं के कार्यों के परिणामों से सीखने की बुनियादी क्षमता से लैस किया गया है। यही विकासात्मक रोबोटिक्स (developmental robotics) की केंद्रीय चुनौती है: ऐसी मशीनें बनाना जो एक अप्रत्याशित वातावरण के साथ लंबे समय तक अंतःक्रिया के माध्यम से समय के साथ अधिक स्मार्ट हो सकें। दशकों से, इंजीनियरों ने इसे पहले से लिखे गए नियमों और कौशलों के विशाल पुस्तकालयों को रोबोट में लोड करके हल करने की कोशिश की है, इस उम्मीद में कि वे हर संभावित स्थिति को कवर कर लेंगे। हालाँकि, इस दृष्टिकोण में एक दोष है। यदि दुनिया उस तरह से बदल जाती है जिसकी डिजाइनरों ने कल्पना नहीं की थी, तो पूर्व-निर्धारित कठोर नियमों से बंधा हुआ रोबोट विफल हो सकता है। शोधकर्ता यह सवाल नहीं पूछ रहे हैं कि रोबोट को शुरुआत में कितना ज्ञान देना है, बल्कि यह कि वह न्यूनतम उपकरणों का सेट क्या है जो रोबोट को उस ज्ञान को स्वयं खोजने में सक्षम बनाने के लिए आवश्यक है।
हांग सु के नेतृत्व में शेनडू यूनिवर्सिटी ऑफ इंफॉर्मेशन टेक्नोलॉजी की एक टीम ने इन मशीनों को बनाने का एक नया तरीका प्रस्तावित किया है, जो एक "न्यूनतम विकासात्मक बुद्धिमत्ता" (minimal developmental intelligence) मॉडल पर केंद्रित है। उनका कार्य सुझाव देता है कि एक रोबोट को उन समस्याओं के विशिष्ट उत्तर नहीं दिए जाने चाहिए जिनका उसने अभी तक सामना नहीं किया है। इसके बजाय, उसे उन उत्तरों को बाद में खोजने के तंत्र दिए जाने चाहिए। शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जो इस बात को अलग करता है कि क्या निर्मित (built-in) किया जाना चाहिए और क्या सीखा जाना चाहिए। निर्मित भागों को बिल्कुल न्यूनतम रखा गया है: बस इतना कि रोबोट को सुरक्षित रखा जा सके, उसके अनुभवों को रिकॉर्ड किया जा सके, और उन अनुभवों को भविष्य के परिणामों से जोड़ा जा सके। बाकी सब कुछ, जिसमें यह शामिल है कि कौन से विशिष्ट कार्य सफलता या विफलता की ओर ले जाते हैं, एक बदलते हुए विश्व में रोबोट द्वारा परीक्षण और त्रुटि (trial and error) के माध्यम से सुलझा लिया जाता है।
इस विचार का परीक्षण करने के लिए, शोधकर्ताओं ने कंप्यूटर सिमुलेशन की एक श्रृंखला चलाई जहाँ एक रोबोट को एक बदलते परिवेश में नेविगेट करना था। एक परिदृश्य में, रोबोट को सुरक्षा के बहुत कम बुनियादी नियमों का एक सेट दिया गया था, जबकि एक अन्य संस्करण में रोबोट को व्यवहार करने के आठ विस्तृत, पूर्व-लिखित नियमों के साथ लोड किया गया था। आश्चर्यजनक रूप से, केवल दो बुनियादी नियमों और अपनी गलतियों से सीखने की क्षमता वाले रोबोट ने उन भारी पूर्व-लिखित नियमों वाले रोबोट के समान ही प्रदर्शन किया। दोनों ने लगभग 63 प्रतिशत की सफलता दर हासिल की। हालाँकि, जब वातावरण बदला, तो अंतर स्पष्ट हो गया। पूर्व-लिखित नियमों वाले रोबोट को अनुकूलन करने में संघर्ष करना पड़ा क्योंकि उसके प्रारंभिक निर्देश अब गलत थे, जबकि सीखने वाले रोबोट ने नए परिणामों के आधार पर अपने व्यवहार को समायोजित किया। इससे पता चला कि एक रोबोट को बहुत अधिक निश्चित नियम देना वास्तव में उसे फंसा सकता है, जिससे दुनिया बदलने पर सीखना कठिन हो जाता है।
अध्ययन ने यह भी पता लगाया कि प्रभावी ढंग से सीखने के लिए एक रोबोट को अपने अतीत को कितनी देर तक याद रखने की आवश्यकता है। वास्तविक दुनिया में, किसी समस्या का कारण बहुत बाद में सामने आ सकता है। एक रोबोट एक ऐसा कार्य कर सकता है जो उस समय सुरक्षित लगता है लेकिन सौ कदम आगे जाकर विफलता का कारण बनता है। शोधकर्ताओं ने पाया कि कम स्मृति वाले रोबोट, जो केवल कुछ कदम पीछे देखते थे, इन दूरस्थ घटनाओं को जोड़ने में विफल रहे। उन्होंने लगभग 50 प्रतिशत की सटीकता के साथ रैंडम अनुमान लगाए। लेकिन एक लंबा रिकॉर्ड रखने के लिए डिज़ाइन किए गए रोबोट ने इन विलंबित पैटर्न को पहचानने में सक्षम दिखाया। इसने सौ चरणों के समय अंतराल वाले संबंधों को पहचानने में 92 प्रतिशत से अधिक की सटीकता प्राप्त की। इसने सिद्ध किया कि एक रोबोट को तुरंत उत्तर जानने की आवश्यकता नहीं है; उसे बस यह रिकॉर्ड रखने की आवश्यकता है कि क्या हुआ ताकि वह बाद में संबंध सीख सके।
एक अन्य महत्वपूर्ण निष्कर्ष यह था कि एक रोबोट शुरुआत में पूरी तरह से खाली नहीं हो सकता है। उसे खुद को बचाने के लिए पर्याप्त सीखने से पहले शुरुआती चरणों में जीवित रहने के लिए एक छोटा, निर्मित सुरक्षा जाल (safety net) चाहिए। शोधकर्ताओं ने यह परीक्षण करने के लिए कि रोबोट को कम बैटरी या टक्कर जैसी चेतावनी के रूप में कुछ सरल संकेत दिए, बिना यह बताए कि समस्या को ठीक कैसे करना है। इस न्यूनतम सहायता ने रोबोट को सीखने के पहले कुछ सौ कदमों के दौरान विनाशकारी विफलताओं से बचने में मदद की। इस छोटे सुरक्षा स्तर के बिना, रोबोट ने दुनिया के नियमों को समझने के दौरान खतरनाक गलतियाँ कीं। इसके साथ, रोबोट इतना सुरक्षित रहा कि वह सीखने जारी रख सका, और अंततः अपने आप जटिल रणनीतियों की खोज कर सका।
सिस्टम का सबसे उन्नत हिस्सा रोबोट की वह क्षमता थी जिससे वह नए समस्याओं के बारे में सोचने के लिए अपने सीखे हुए ज्ञान का पुन: उपयोग कर सके। शोधकर्ताओं ने रोबोट को समय-समय पर अपने पिछले अनुभवों की समीक्षा करने और यह देखने के लिए प्रोग्राम किया कि क्या कोई पुराना ज्ञान वर्तमान स्थिति में मदद कर सकता है। इस प्रक्रिया ने रोबोट को तीन चीजें करने की अनुमति दी: अपने तत्काल कार्यों को बदलना, कुछ विशिष्ट सीखने का निर्णय लेना, या एक भ्रमित करने वाले पैटर्न पर रुककर सोचना। जब रोबोट ने इन तीनों क्षमताओं का उपयोग किया, तो उसका प्रदर्शन काफी बढ़ गया। वह उन खतरों की पहचान करने में सक्षम था जिन्हें केवल तात्कालिक प्रतिक्रियाओं पर निर्भर रहने वाला रोबोट नहीं कर सकता था। एक अंतिम परीक्षण में, शोधकर्ताओं ने सबसे महत्वपूर्ण सेंसर और चरों के बीच सबसे महत्वपूर्ण संबंध की पहचान को छिपा दिया, जो प्रत्येक सिमुलेशन के लिए बेतरतीब ढंग से बदल दिया गया था। रोबोट के सिस्टम को यह नहीं बताया गया था कि क्या खोजना है; उसके पास केवल उपयोगी पैटर्न खोजने का तंत्र था। उल्लेखनीय रूप से, रोबोट ने हर एक परीक्षण में सही छिपे हुए सेंसर और सही छिपे हुए संबंध को सफलतापूर्वक खोज निकाला, जिससे यह सिद्ध हुआ कि वह बिना यह बताए कि वे उत्तर क्या हैं, सही उत्तर खोज सकता है।
इन सिमुलेशन के परिणाम बताते हैं कि वास्तव में स्वायत्त रोबोटों का मार्ग अधिक डेटा लोड करने में नहीं, बल्कि उन्हें सीखने के बेहतर उपकरण देने में निहित है। अनावश्यक पूर्व-निर्된 नियमों को हटाकर और न्यूनतम विकासात्मक तंत्रों—संवेदना, स्मृति, परिणामों से सीखना और समय-समय पर ज्ञान का पुन: उपयोग करना—पर ध्यान केंद्रित करके, शोधकर्ताओं ने दिखाया कि एक रोबोट अपनी बुद्धि स्वयं विकसित कर सकता है। सिस्टम ने भारी प्रोग्राम किए गए मशीनों के बराबर प्रदर्शन स्तर प्राप्त किया जबकि इसमें शुरुआती निर्देश बहुत कम थे। इसने प्रदर्शित किया कि एक रोबोट विलंबित परिणामों को संभालना सीख सकता है, अनुकूलन कर सकता है जब उसके प्रारंभिक अनुमान गलत हों, और यहाँ तक कि उन नए चरों और संबंधों की खोज भी कर सकता है जो उसके रचनाकारों द्वारा कभी निर्दिष्ट नहीं किए गए थे। यह दृष्टिकोण उन मशीनों के लिए एक ब्लूप्रिंट प्रदान करता है जो खुले, बदलते वातावरण में काम कर सकती हैं, और जितनी लंबी अवधि तक वे दुनिया के साथ अंतःक्रिया करती हैं, उतनी ही स्मार्ट और सक्षम होती जाती हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।