جوجل تكشف عن 'دستور الروبوت' لتعزيز صنع القرار في دروب الذكاء الاصطناعي

في خطوة رائدة، قدمت فريق الروبوتات التابع لـ DeepMind في Google ثلاثة تطورات جوهرية تهدف إلى تحسين قدرات اتخاذ القرار لدى الروبوتات العاملة في البيئات الخارجية. ومن بين هذه الابتكارات نظام فريد لجمع بيانات التدريب، مصحوب بما تسميه Google "دستور الروبوت". ومن المتوقع أن يمكّن هذا التطور الروبوتات من اتخاذ قرارات أسرع وأكثر ذكاءً وأماناً أثناء العمل جنباً إلى جنب مع البشر.

AutoRT: نظام متقدم لجمع البيانات

يُعد AutoRT الخاص بـ DeepMind نظاماً متطوراً لجمع البيانات مصمماً لتمكين الروبوتات من فهم محيطها، والتكيف مع المواقف الجديدة، واختيار المهام الأكثر ملاءمة. ويعتمد النظام على نموذج لغوي بصري (VLM) ونموذج لغوي كبير (LLM) يعملان بتناغم.

يتولى النموذج اللغوي البصري (VLM) مهمة إدراك بيئة الروبوت وتحديد الأجسام المرئية. وفي الوقت نفسه، يعمل النموذج اللغوي الكبير (LLM) كصانع للقرارات، واقترحاً المهام التي يمكن للروبوت تنفيذها. يتيح هذا النهج القائم على النموذجين المزدوجين للروبوتات اتخاذ خيارات مستنيرة والتنقل في محيطها بكفاءة أكبر.

مستوحى من "القوانين الثلاثة للروبوتات" لإيساك أسيموف

يعمل "دستور الروبوت"، المستوحى من "القوانين الثلاثة للروبوتات" للكاتب الخيالي العلمي إيساك أسيموف، كمجموعة من إرشادات السلامة للروبوتات المدعومة بالذكاء الاصطناعي. ويوجه الدستور النموذج اللغوي الكبير (LLM) لتجنب المهام التي تتضمن البشر أو الحيوانات أو الأشياء الحادة أو الأجهزة الكهربائية، مما يضمن سلامة كل من الروبوتات ونظرائها من البشر.

تدابير تعزيز السلامة

اتخذت DeepMind احتياطات إضافية لتعزيز سلامة هذه الروبوتات. إذا تجاوزت القوة المؤثرة على مفاصل الروبوت حداً محدداً مسبقاً، سيتوقف تلقائياً. علاوة على ذلك، يتوفر مفتاح إيقاف فيزيائي للمشغلين البشريين، مما يتيح لهم تعطيل الروبوتات عند الضرورة، مما يوفر طبقة إضافية من الأمان.

الاختبار والتنفيذ في العالم الحقيقي

في غضون سبعة أشهر فقط، نجحت Google في نشر خمسين روبوتاً من طراز AutoRT عبر أربعة مباني مكتبية. خلال هذه الفترة، أجرت أكثر من 77,000 تجربة لاختبار قدرات الروبوتات. وتم التحكم عن بعد في بعض هذه الروبوتات بواسطة مشغلين بشريين، بينما اتبع آخرون نصوصاً برمجية محددة مسبقاً أو عملت بشكل مستقل باستخدام نموذج التعلم بالذكاء الاصطناعي Robotic Transformer (RT-2) الخاص بـ Google.

ومن الجدير بالذكر أن هذه الروبوتات تبدو عملية، حيث تتميز بكاميرا وذراع روبوتية وقاعدة متحركة. ويعد النموذج اللغوي البصري (VLM) أداة حاسمة في مساعدتها على فهم محيطها وتحديد الأجسام، بينما يساعد النموذج اللغوي الكبير (LLM) في اتخاذ القرارات، مما يضمن أداء الروبوتات للمهام بفعالية وأمان.

إطلاق SARA-RT: اختراق في الكفاءة

يُعد أحد أهم الاختراقات في هذا المجال هو تقديم نظام Self-Adaptive Robust Attention for Robotics Transformers (SARA-RT). تم تطوير هذا النظام لتحسين نماذج Robotics Transformer (RT)، مما يجعلها أكثر كفاءة في التطبيقات الواقعية.

شهدت بنية الشبكة العصبية RT، التي لعبت دوراً محورياً في أحدث التطورات في أنظمة التحكم الروبوتي، ولا سيما النموذج المتطور RT-2، تحسناً ملحوظاً. وقد أظهرت أفضل النماذج أداءً لنماذج SARA-RT-2 تحسناً مذهلاً بنسبة 10.6 في المئة في الدقة وزيادة بنسبة 14 في المئة في السرعة مقارنة بنظيراتها من طراز RT-2، وكل ذلك مع استخدام تاريخ موجز من الصور كمدخلات.

نقلة نوعية لكفاءة الروبوتات

يُحتفى بإطلاق SARA-RT على أنه نقطة تحول في مجال الروبوتات. فهو يمثل آلية انتباه قابلة للتطوير بشكل كبير تعزز الكفاءة الحسابية بشكل كبير دون المساس بجودة اتخاذ القرار. ومن المقرر أن يحدث هذا التطور ثورة في طريقة عمل الروبوتات في السيناريوهات الواقعية، مما يجعلها أكثر قدرة وكفاءة وأماناً.

تشير التطورات الأخيرة التي أجراها فريق الروبوتات التابع لـ DeepMind في Google في مجال الروبوتات المدعومة بالذكاء الاصطناعي، بما في ذلك إطلاق "دستور الروبوت" ونظام SARA-RT الرائد، إلى قفزة كبيرة إلى الأمام في عالم الروبوتات. ومن المتوقع أن تعزز هذه الابتكارات قدرات اتخاذ القرار لدى الروبوتات في البيئات الخارجية، مما يجعلها أكثر ذكاءً وأماناً وكفاءة. ومع الاختبار في العالم الحقيقي والنتائج المبهرة، يتجلى التزام Google بتطوير مجال الروبوتات، مما يعد بمستقبل يمكن فيه للروبوتات والبشر التعاون بسلاسة وأمان.