نهج مبتكر يستخدم ملاحظات الجمهور لتسريع تعلم الروبوتات

ظهر نهج رائد في تعليم وكلاء الذكاء الاصطناعي (AI)، يُعرف بالاستكشاف الموجه بشرياً (HuGE)، كطريقة تحويلية في أبحاث الذكاء الاصطناعي. تم تطويره بشكل تعاوني من قبل باحثين من معهد ماساتشوستس للتكنولوجيا، وجامعة هارفارد، وجامعة واشنطن. يمكّن HuGE وكلاء الذكاء الاصطناعي من تعلم مهام جديدة بسرعة وفعالية أكبر بمساعدة ملاحظات بشرية غير خبيرة. هذه التقنية المبتكرة على وشك إحداث ثورة في كيفية اكتساب وكلاء الذكاء الاصطناعي لمهارات جديدة، مما يجعل من الممكن للروبوتات تعلم مهام معقدة بشكل مستقل بمرشدية من ملاحظات الجمهور.

تحديات تدريب الذكاء الاصطناعي

يتضمن تدريب وكلاء الذكاء الاصطناعي على أداء مهام جديدة عادةً عملية تسمى التعلم التعزيزي، حيث يتعلم الوكيل من خلال التجربة والخطأ، ويتلقى مكافآت عن الأفعال التي تقربه من هدف محدد مسبقاً. في كثير من الحالات، يجب على الخبراء البشر تصميم دالة مكافأة بعناية، وهي آلية تحفيزية تحفز وكيل الذكاء الاصطناعي على الاستكشاف واتخاذ الإجراءات. ومع ذلك، يمكن أن يكون تصميم هذه الدوال المكافئة مستغرقاً للوقت، وغير كفء، وصعب القياس، خاصة للمهام المعقدة التي تتضمن خطوات متعددة.

الملاحظات الجماعية كحل

يقدم نهج HuGE تحولاً ثورياً من خلال الاستفادة من الملاحظات الجماعية التي تم جمعها من مستخدمين غير خبراء لتوجيه عمليات تعلم وكلاء الذكاء الاصطناعي. على عكس الطرق التقليدية التي تعتمد على دوال مكافأة مصممة بخبرة، يسمح HuGE لوكلاء الذكاء الاصطناعي بالتعلم بشكل أسرع، حتى عند العمل مع بيانات ضوضائية من غير الخبراء، الذين قد تحتوي ملاحظاتهم على أخطاء يمكن أن تعطل الطرق الأخرى.

فصل عملية التعلم

قسم الباحثون وراء HuGE عملية التعلم إلى مكونين متميزين، كل منهما مدفوع بخوارزميته الخاصة. يفصل هذا النهج بين اختيار الهدف ومرحلة الاستكشاف، مما يمكّن الوكيل من التعلم بكفاءة مع ملاحظات الجمهور. المكونان الرئيسيان لـ HuGE هما كما يلي:

1. خوارزمية اختيار الهدف : يتم تحديث هذا الجزء من النهج باستمرار بناءً على ملاحظات المستخدمين غير الخبراء. بدلاً من استخدام الملاحظات كدالة مكافأة مباشرة، فإنها توجه استكشاف الوكيل. يقدم المستخدمون مدخلات عن طريق اختيار الحالة الأقرب إلى الهدف المطلوب، مما يسمح للوكيل بضبط استكشافه وفقاً لذلك.

2. استكشاف الوكيل : يستكشف وكيل الذكاء الاصطناعي بيئته بشكل مستقل، بمرشدية من ملاحظات منتقي الهدف. يجمع البيانات، مثل الصور أو مقاطع الفيديو لأفعاله، والتي تُرسل بعد ذلك إلى المستخدمين البشريين للحصول على مزيد من الملاحظات. يحد هذا الحلقة من مناطق استكشاف الوكيل، موجهاً إياه نحو المسارات الواعدة لتحقيق هدفه.

فوائد HuGE

يقدم HuGE عدة مزايا مقارنة بالطرق التقليدية لتدريب وكلاء الذكاء الاصطناعي:

• تعلم أسرع: يتيح النهج لوكلاء الذكاء الاصطناعي تعلم مهام جديدة بسرعة أكبر، حتى عندما تحتوي الملاحظات البشرية على أخطاء أو عدم دقة.
• ملاحظات غير متزامنة: يسمح HuGE بجمع الملاحظات بشكل غير متزامن من مستخدمين غير خبراء حول العالم، مما يجعله حلاً قابلاً للتوسع ومتعدد الاستخدامات.
• تعلم ذاتي: يمكن للوكلاء مواصلة التعلم بشكل مستقل، حتى عندما تكون الملاحظات محدودة أو متأخرة، مما يضمن التقدم المستمر.

الاختبار في العالم الحقيقي والمحاكاة

أجرى الباحثون اختبارات مكثفة على مهام محاكاة وعالمية حقيقية للتحقق من فعالية HuGE. في المحاكاة، نجحوا في تدريب وكلاء الذكاء الاصطناعي على أداء مهام معقدة تتضمن تسلسلات طويلة من الإجراءات، مثل تكديس الكتل بترتيبات محددة أو التنقل في متاهات معقدة. شملت التجارب في العالم الحقيقي تدريب الأذرع الروبوتية على رسم الأشكال والتقاط الأشياء، مع جمع البيانات من جمهور غير خبراء عبر 13 دولة وثلاث قارات.

التوسع والتطبيقات المستقبلية

تشير النتائج الواعدة لـ HuGE وسهولة الحصول على ملاحظات غير الخبراء إلى أنه يحمل إمكانات كبيرة للتوسع في تدريب الذكاء الاصطناعي. في المستقبل، قد يمكّن هذا النهج الروبوتات من تعلم وأداء مهام محددة في منازل المستخدمين دون الحاجة إلى عروض مادية. من خلال الاعتماد على ملاحظات الجمهور، يمكن للروبوتات استكشاف ذاتياً، بمرشدية من المدخلات الجماعية لغير الخبراء.

يشدد الباحثون على أهمية ضمان توافق وكلاء الذكاء الاصطناعي مع القيم البشرية والاعتبارات الأخلاقية. بينما يتعلم وكلاء الذكاء الاصطناعي ويتخذون قرارات بشكل مستقل، تعد المبادئ التوجيهية الأخلاقية ومواءمة القيم أمراً حاسماً لنشرهم الآمن والمسؤول.

الاتجاهات المستقبلية

تهدف الفريق إلى تحسين نهج HuGE أكثر. يخططون لتمكين وكلاء الذكاء الاصطناعي من التعلم من أشكال مختلفة من التواصل، مثل اللغة الطبيعية والتفاعلات الجسدية مع الروبوتات. بالإضافة إلى ذلك، يستكشفون إمكانية استخدام HuGE لتدريب وكلاء متعددين في وقت واحد، مما يفتح آفاقاً جديدة للتعلم التعاوني للذكاء الاصطناعي.

يُعد الاستكشاف الموجه بشرياً (HuGE) قفزة كبيرة إلى الأمام في تدريب الذكاء الاصطناعي، حيث يبسط عملية تعليم وكلاء الذكاء الاصطناعي مهاماً جديدة. من خلال حكمة الجمهور غير الخبراء، يسرع HuGE التعلم، ويقلل الحاجة إلى دوال مكافأة مصممة من قبل خبراء، ويمهد الطريق للروبوت لاكتساب مهارات معقدة بشكل مستقل. مع استمرار تطور مجال الذكاء الاصطناعي، يقف HuGE كشهادة على إمكانات التعلم التعاوني والموجه من قبل الجمهور في تشكيل مستقبل الوكلاء الأذكياء.