شکاف میان دانش روباتیک و هوش مصنوعی ۱۰۰ هزار ساله شد!
ضمیمه دانش روزنامه اطلاعات نوشت: طی چند سال اخیر، چت روبات‌های هوش مصنوعی به‌سرعت پیشرفت کرده‌اند به حدی که افراد در جوامع مختلف اکنون آن‌هارا به‌عنوان دستیاران شخصی، نمایندگان خدمات مشتری و حتی درمانگران خود قبول دارند و از آن‌ها استفاده می‌کنند.
مدل‌های زبانی بزرگ (LLMs)که عملکرد این چت‌بات ها را امکان‌پذیر می‌کنند با استفاده از الگوریتم‌های یادگیری ماشین که با داده‌های متنی اینترنتی بسیاری آموزش دیده‌اند پدید می‌آیند. موفقیت آن‌ها سبب شده‌است که رهبران فناوری دنیا ازجمله «ایلان ماسک»، بنیانگذار شرکت‌های «اِسپیس ایکس» و «اوپن اِی آی» و «ینسن هوآنگ» مدیر اجرایی شرکت فناوری Nvidiaادعا کنند رویکردی مشابه این‌ها می‌تواند ظرف پنج سال آینده به ظهور روبات‌های انسان‌نمایی بیانجامد که می‌توانند بهتر از انسان‌ها عمل جراحی انجام دهند، کارگران کارخانه‌ها را جایگزین کنند یا در نقش خدمتکار در منازل ما کار کنند.
بحث‌های داغی میان متخصصین، طراحان و برنامه‌نویسان روبات‌ها در جریان هستند در رابطه بااینکه آیا آینده دنیای روباتیک با جمع‌آوری داده‌های بیشتر برای آموزش روبات‌های انسان‌نما رقم خواهد خورد یا بر شیوه‌های«مهندسی خوبِ قدیمی» برای برنامه‌نویسی روبات‌ها به‌منظور انجام وظایفی در دنیای واقعی متکی خواهد بود.
گروهی از کارشناسان دانش روباتیک و مهندسی صنایع با افرادی که در جناح ایلان ماسک قرار گرفته‌اند مخالف هستند.
به عقیده این گروه که دو مقاله را دراین‌باره در ژورنال آنلاین Science Roboticsمنتشر کرده‌اند، یک شکاف داده‌ای ۱۰۰ هزارساله وجود دارد که مانع می‌شود روبات‌ها با سرعتی که چت‌روباتهای هوش مصنوعی به بیان سلیس تجهیز می‌شوند از مهارت‌های دنیای واقعی برخوردار شوند.
این گروه بر این باورند که اگر چه روبات‌ها به‌سرعت در حال پیشرفته شدن هستند اما این تحول چندان که تصور می‌شود سریع نیست و این ادعاها بیشتر ناشی از یک هیجان کاذب است. همه اهالی فناوری‌های رایانه‌ای با چت جی پی تی و تمامی فایده‌هایی که ازلحاظ تصویری و زبانی برای کاربران داشته آشنا هستند اما بیشتر پژوهشگران نگران قیاسی هستند که مردم می‌کنند. عموم مردم می‌گویند حالا که موانع از سر راه این فناوری‌ها برداشته شده‌اند پس به‌زودی، شاید در یک سال آینده کاستی‌های روبات‌های انسان‌نما نیز برطرف شوند. این اتفاق خواهد افتاد اما نباید گفت که ظرف دو تا پنج یا حتی ۱۰ سال آینده چنین خواهد شد.
بنابراین بهتر است انتظاراتی که در اذهان وجود دارند دوباره بازنگری شوند تا حبابی ایجاد نشود که واکنش‌های شدیدی را به وجود آورد.
در مسیر ساخت روبات‌های انسان‌نما در آینده نزدیک، روبات‌هایی که بتوانند عمل جراحی انجام دهند یا در خانه‌ها به به افراد خانواده‌ها خدمت کنند محدودیت‌هایی وجود دارند. یکی از مهم‌ترین آن‌ها مهارت در کار کردن با اشیاء است. هنوز هیچ روباتی نمی‌تواند یک لیوان را از روی میز بردارد یا لامپی را عوض کند. تناقضی به نام «پارادوکس موراویک»
(Moravec's paradox)وجود دارد که پژوهشگران روباتیک و هوش مصنوعی آن را این‌گونه توضیح می‌دهند: برخلاف فرض و گمان‌های سنتی، استدلال سطح بالا نیازمند تنها اندکی رایانش و محاسبه است اما مهارت‌های حسی ـ حرکتیِ سطح پایین نیاز به منابع محاسباتی بسیار زیادی دارد.
فاصله داده‌ای ۱۰۰ هزار ساله‌ای بین توانایی‌های زبانی چت‌رباتهای هوش مصنوعی و چالاکی و مهارت استفاده از دست‌ها در روبات‌های انسان‌نما وجود دارد. پژوهشگران برای محاسبه این شکاف، مقدار متنی که در اینترنت وجود دارد را مدنظر گرفتند و محاسبه کردند که اگر قرار باشد یک انسان بنشیند و تمامی متون منتشر شده در فضای مجازی را بخواند ۱۰۰ هزار سال زمان لازم است. این همان حجمی از متن است که مدل‌های زبانی بزرگ را تغذیه می‌کند.
چنین حجمی از داده برای آموزش دادن به روبات‌ها وجود ندارد و در واقع ۱۰۰ هزار سال همان مقدار متنی است که باید به مدل‌های زبانی بزرگ داده شود. تعلیم دادن به روبات‌ها بسیار دشوارتر و پیچیده‌تر از تغذیه داده‌ای مدل‌های زبانی است و ازاین‌رو داده‌های بسیار بیشتری مورد نیاز هستند.
بعضی افراد تصور می‌کنند می‌شود این داده‌ها را از ویدئوهایی که افراد انسانی می‌گیرند برداشت کرد برای مثال ویدئوهای یوتیوب؛ اما یک روبات صرفاً با نگاه کردن به این‌که آدم‌ها چه‌کار می‌کنند نمی‌تواند بفهمد جزئیات حرکات آن‌ها چگونه است. به‌علاوه، تبدیل تصاویر دوبعدی به تصاویر سه‌بعدی به‌طور معمول سخت است. بنابراین استفاده از ویدئوهایی که انسان‌ها می‌گیرند مشکل را حل نمی‌کند.
رویکرد دیگر داده‌سازی از طریق شبیه‌سازی حرکات روبات‌ها است اما این رویکرد فقط برای روبات‌هایی که حرکات آکروباتیک انجام می‌دهند مناسب است و بازده دارد. پژوهشگران می‌توانند در شبیه‌سازی‌ها روبات‌ها را وادار به پشتک و وارو زدن کنند و در مواردی این حرکات قابل انتقال به روبات‌های واقعی در خارج از فضای شبیه‌سازی نیز هستند.
در مورد مهارت‌های دستی در موقعیت‌هایی که روبات باید نقش کاربردی و نه تفریحی داشته باشد، مثل انجام وظیفه به‌عنوان کارگر ساختمان، لوله‌کش، برقکار، وردست آشپز یا کارگر کارخانه، شبیه‌سازی کمکی نمی‌کند.
در حال حاضر، این کار از طریق teleoperationانجام می‌شود؛ یعنی انسان روباتی را مانند عروسک حرکت می‌دهد تا کارهایی را به اجرا درآورد. در برخی کشورها مثل چین و ایالات‌متحده انبارهایی هستند که در آن‌ها به افراد دستمزد می‌دهند تا روبات‌ها را حرکت دهند اما این کار بسیار خسته‌کننده و زمان‌بر است و در هر ۸ ساعت کار با این شیوه فقط به‌اندازه ۸ ساعت داده تولید می‌شود. بنابراین برای پر کردن شکاف زمانی ۱۰۰ هزارساله، مدت زمانی بسیار طولانی باید سپری شود.
دانش روباتیک به یاری علم تغییری آشکار را پشت سر می‌گذارد؛ مثل گذار دانش فیزیک به فیزیک کوانتوم. این تغییر به‌قدری بزرگ است که روباتیک را به دو میدان جداگانه تقسیم‌بندی می‌کند. در یک میدان، بیشتر متخصصین روباتیک به «مهندسی خوبِ قدیمی ایمان دارند» که پایه‌های آن دروس مهندسی شامل فیزیک، ریاضیات و مدل‌هایی از محیط پیرامون هستند. این در حالی است که طرفداران اصل نوظهور در میدان دوم ادعا می‌کنند روبات‌ها به هیچ‌یک از ابزارهای میدان اول نیاز ندارند و فقط ابزار آن‌ها برای ساختن روبات‌های انسان‌نما داده است.
Authors: صاحب‌خبران - جدیدترین و آخرین اخبار ایران و جهان - علمی-فناوری