برداشتن اشیاء به کمک هوش مصنوعی در ربات ها

 تا به حال به این موضوع دقت کرده‌اید که در زمان تصمیم گرفتن برای برداشتن یک شیء، نیازی به فکر کردن درباره‌ی شکل آن و یا حالت دست خود ندارید؟ این موهبتی است که به دلیل چیزی به نام یادگیری و یا تکامل به دست آورده‌اید (یا مغز خود را پرورش داده‌اید) و همین موضوع سبب می‌شود تا بسیاری از کارها را بدون فکر کردن انجام دهید. حتی نوجوانان هم در انجام این کار عملکرد بهتری نسبت به پیشرفته‌ترین ربات‌های امروزی دارند و همین موضوع دلیل تحقیقات جدید محققان دانشگاه MIT شده تا شاهد برداشتن اشیاء به کمک هوش مصنوعی در ربات ها باشیم!

• اختراعات کامپیوترهای هوش مصنوعی ثبت نخواهد شد – تبعیض یا ظلم؟
• تراشه هوش مصنوعی Cerebras با قدرت محاسبه مغز انسان ساخته شد

برداشتن اشیاء به کمک هوش مصنوعی

یک تیم بزرگ از دانشمندان آزمایشگاه علوم کامپیوتری و هوش مصنوعی دانشگاه MIT دست به کار شدند تا سیستمی بر پایه‌ی هوش مصنوعی توسعه دهند تا ربات‌ها هم به صورت ذاتی به سمت برداشتن اشياء بروند. قطعا تنها راه حل انجام این مرحله، استافده از هوش مصنوعی و یا الگوریتم‌های Model-Free است و آن‌ها نیز پس از طی چندین ماه و آزمون و خطا‌های بسیار موفق شدند تا اولین نمونه‌ی خود را آزمایش کنند این نمونه موفق به برداشتن خودکار بیش از 2000 شیء مختلف شده است. نکته‌ی جالب توجه این تحقیقات و البته توسعه‌ی این هوش مصنوعی در این است که خود سیستم نیازی به فهمیدن اینکه در حال برداشتن چه شیء ای است را ندارد! یعنی دیگر لازم نیست تا قبل از انجام عملیات برداشتن یک شیء، جنس آن را به سیستم بفهمانیم. زین پس خودش متوجه وضعیت شیء خواهد شد و به آسانی آن را منتقل خواهد کرد.

 البته دل خود را صابون نزنید چرا که هنوز با آنچه درعملکرد بدن انسان شاهد هستیم فاصله‌ی زیادی باقی مانده است. اولین قدم برای مراحل بعدی این هوش مصنوعی، استفاده از یک بازوی رباتیک واقعی است که ظاهرا این موضوع چالش بزرگی نیست! اوایل سال جاری بود که محققان دانشگاه‌های لوکزانبورگ و دانشگاه ژیجانگ چین موفق شدند تا یک هوش مصنوعی را به سگ رباتیک خود یعنی Jueying منتقل کنند. این هوش مصنوعی به این ربات کمک کرد تا نحوه‌ی راه رفتن و یا پریدن از یک سطح را یاد بگیرد. هر چند که تمام موانع این موضوع نیز برطرف نشده و هنوز راه زیادی تا تکمیل این هوش مصنوعی باقی مانده است. برای مثال اشیاء ریزتری مانند توپ تنیس و یا سیب به راحتی توسط این هوش مصنوعی شناسایی و جابجا می‌شوند اما اشیائی مانند قیچی یا پیچ گوشتی با چالش‌هایی رو به رو هستند. نرخ موفقیت این هوش مصنوعی در برخورد با این اشیاء به 30 درصد می‌رسد که هنوز راه درازی در پیش دارند.