باحثون يمنحون الذكاء الاصطناعي الروبوتي سلوكاً tự nhiên

يحاول الباحثون والروبوتيون دائماً تحقيق الوظائف المستقلة في الروبوتات، وغالبًا ما يبحثون في دماغ الحيوان كمرجع لآليات التحكم. بسبب الطبيعة المحددة للمهمة لسلوك الروبوت، بسبب الاعتماد على الوحدات المحددة مسبقًا وطرق التحكم، غالبًا ما يكونون محدودين في المرونة.

أحدث تطور في هذا المجال يأتي من جامعة طوكيو، حيث أنشأ الباحثون طريقة بديلة قائمة على التعلم الآلي لإعطاء الذكاء الاصطناعي الروبوتي سلوكيات tự nhiên. قام الفريق بذلك بالاعتماد على الأنماط الزمنية المعقدة، مثل أنشطة الأعصاب في دماغ الحيوان.

نشرت الأبحاث في Science Advances، تحت عنوان “تصميم تبديل سلوكي tự nhiên عبر التأرجح الكائوتي.”

الفوضى عالية الأبعاد

النظام الديناميكي هو نموذج رياضي لتحولات الحالات الداخلية للأشياء، وهو يصف الروبوتات وبرامج التحكم فيها. يركز الباحثون بشكل خاص على الفوضى عالية الأبعاد، وهو فئة من الأنظمة الديناميكية، بسبب قدرته الرائعة على نمذجة أدمغة الحيوانات.

بسبب التعقيد والحساسية للشروط الأولية المتغيرة، فإن الفوضى عالية الأبعاد تحدي خاص للتحكم. لتطوير هذا المجال وتجاوز هذه العوائق، قام الباحثون من مختبر الأنظمة الذكية والمعلوماتية ومركز أبحاث الذكاء الاصطناعي التالي في جامعة طوكيو بتطوير طرق جديدة لاستخدام الفوضى عالية الأبعاد لتزويد الروبوتات بالوظائف الإدراكية المماثلة للإنسان.

كاتسوما إنوي هو طالب دكتوراه يعمل على هذا البحث.

“هناك جانب من الفوضى عالية الأبعاد يسمى التأرجح الكائوتي (CI) الذي يمكن أن يفسر نشاط الدماغ أثناء استدعاء الذاكرة والارتباط،” قال إنوي. “في الروبوتات، كان التأرجح الكائوتي أداة رئيسية لتنفيذ أنماط سلوكية tự nhiên. في هذه الدراسة، نقترح وصفة لتنفيذ التأرجح الكائوتي بطريقة بسيطة ومنهجية باستخدام فقط الأنماط الزمنية المعقدة التي تنتجها الفوضى عالية الأبعاد. شعرت أن我们的 نهج يحمل إمكانيات لتطبيقات أكثر متانة وتنوعًا عند تصميم الهياكل الإدراكية. إنه يسمح لنا بتصميم سلوكيات tự nhiên بدون هياكل صريحة مسبقة في وحدة التحكم، والتي من شأنها أن تعمل كعقبة.”

ما هو الحوسبة الخزانية (RC)

اعتماد الفريق بشكل كبير على تقنية الحوسبة الخزانية (RC)، وهي تقنية تعلم آلي تتضمن نظرية الأنظمة الديناميكية. تُستخدم الحوسبة الخزانية للتحكم في الشبكات العصبية المتكررة (RNNs)، وتحافظ على معظم الاتصالات في الشبكة العصبية الثابتة مع تغيير بعض المعلمات فقط. هذا يختلف عن نهج التعلم الآلي الآخر، الذي غالبًا ما يغير جميع الاتصالات العصبية في الشبكة العصبية قليلاً، وينتج عنه نظام يمكن تدريبه بشكل أسرع.

حقق الباحثون النتيجة المرغوبة عند تطبيق مبادئ الحوسبة الخزانية على شبكة عصبية كائوتية، ونتج عنها سلوكيات tự nhiên. يحدث التدريب للشبكة بسرعة وقبل التنفيذ.

“تنتج أدمغة الحيوانات فوضى عالية الأبعاد في أنشطتها، ولكن كيفية استخدام الفوضى لا تزال غير مفسرة. يمكن أن يوفر نموذجنا المقترح رؤى حول كيفية مساهمة الفوضى في معالجة المعلومات في أدمغتنا،” قال كوهي ناكاجيما، أستاذ مساعد في الجامعة. “أيضًا، وصفةنا سيكون لها تأثير أوسع خارج مجال العلوم العصبية لأنها يمكن أن تُطبق على أنظمة كائوتية أخرى أيضًا. على سبيل المثال، يمكن أن تكون الأجهزة الشبيهة بالدماغ التالية التي تتأثر بالخلايا العصبية البيولوجية مرشحة ممتازة لتنفيذ وصفتنا. آمل أن نرى تطبيقات اصطناعية للوظائف الدماغية قبل فترة طويلة.”

التطور هام لمجالات الروبوتات والذكاء الاصطناعي، حيث كان الباحثون يتعاملون مع هذا التحدي لفترة. إنه أحدث مثال على كيفية تقدم هذه المجالات بسرعة.