فناوری چین برای کنترل ربات‌ها با فکر

ربات‌ها می‌توانند حرکت کنند، اما آموزش درک انسان‌مانند به آنها همچنان دشوار است. اکنون یک پلتفرم جدید با هدف از بین بردن این شکاف ایجاد شده است.آموزش نحوه عمل به ربات‌ها دشوار است. آموزش آنچه انسان‌ها واقعاً می‌خواهند به آنها حتی دشوارتر است. با وجود پیشرفت در هوش مصنوعی، ربات‌ها هنوز در تفسیر افکار انسانی و تبدیل آنها به اقدامات قابل اعتماد مشکل دارند.

شرکت چینی رابط مغز و رایانه BrainCo ادعا می‌کند که این مشکل را تا حدودی با اولین پلتفرم یکپارچه «مغز به ربات» خود در جهان حل کرده است.

این سیستم که در کنفرانس جهانی هوش مصنوعی(WAIC) در شانگهای رونمایی شد، به گونه‌ای طراحی شده است که به کاربران امکان می‌دهد ربات‌ها را تنها با استفاده از سیگنال‌های مغزی کنترل کنند.نیکس هی(Nyx He)، معاون ارشد BrainCo گفت: صنعت هوش مصنوعی پیشرفت چشمگیری در مورد آنچه ربات‌ها می‌توانند به تنهایی انجام دهند، داشته است. ما معتقدیم که مرز تعیین‌کننده بعدی در مورد چگونگی درک ربات‌ها از انسان‌هایی است که با آنها کار می‌کنند.

علاوه بر این، فراتر از کنترل بدون دخالت دست، این شرکت معتقد است که این فناوری می‌تواند به مقابله با یکی از بزرگترین چالش‌های رباتیک که تولید داده‌های آموزشی با کیفیت بالا برای آموزش ماشین‌های هوشمند است، کمک کند.

خواندن مستقیم اهداف از مغز

این پلتفرم به یک رابط مغز و رایانه(BCI) غیرتهاجمی متکی است. کاربران یک هدست الکتروانسفالوگرام(EEG) می‌پوشند که سیگنال‌های الکتریکی کوچکی را که به طور طبیعی توسط مغز از طریق حسگرهای قرار داده شده روی پوست سر تولید می‌شوند، تشخیص می‌دهد.سپس الگوریتم‌های هوش مصنوعی این سیگنال‌ها را تجزیه و تحلیل می‌کنند تا مشخص کنند کاربر قصد انجام چه عملی را دارد. هنگامی که نرم‌افزار آن قصد را تفسیر کرد، دستور را به دستورالعمل‌هایی تبدیل می‌کند که یک ربات متصل می‌تواند انجام دهد.

نیکس گفت: یک دهه تحقیق در مورد BCI به ما این توانایی را داده است که آنچه را که یک فرد قصد انجام آن را دارد، رمزگشایی کنیم و آن را به عمل ماشینی ترجمه کنیم.

طبق گفته BrainCo، این پلتفرم با طیف وسیعی از سخت‌افزارهای شخص ثالث از جمله ربات‌های انسان‌نما، بازوهای رباتیک و سگ‌های رباتیک کار می‌کند. برای مثال، یک بازوی رباتیک این شرکت توانست اشیایی مانند یک فنجان یا یک سیب را صرفاً بر اساس سیگنال‌های مغزی کاربر در دست بگیرد.

این شرکت بر روی رابط‌های مغز و رایانه(BCI) غیرتهاجمی و فناوری‌های پروتز تمرکز کرده است. این امر آن را از شرکت‌هایی مانند نورالینک(Neuralink) که در حال توسعه تراشه‌های مغزی کاشته شده با جراحی هستند که فعالیت عصبی را از داخل مغز ثبت می‌کنند، متمایز می‌کند.چرا BrainCo فکر می‌کند که می‌تواند به پیشرفت سریع‌تر رباتیک کمک کند

در حالی که کنترل ربات‌ها با سیگنال‌های مغزی بیشترین توجه را به خود جلب می‌کند، BrainCo استدلال می‌کند که ارزش بیشتر این پلتفرم ممکن است در آموزش ربات‌های آینده نهفته باشد.

یکی از بزرگترین تنگناها در هوش مصنوعی تجسمی (حوزه‌ای که بر ماشین‌های دارای هوش مصنوعی که می‌توانند با دنیای فیزیکی تعامل داشته باشند، متمرکز است) فقدان داده‌های آموزشی با کیفیت بالا در دنیای واقعی است. ربات‌ها برای یادگیری نحوه انجام وظایف توسط افراد و تعامل با محیط اطراف خود به مقادیر زیادی از این داده‌ها نیاز دارند.

شرکت BrainCo استدلال می‌کند که چالش بعدی برای رباتیک صرفاً توانمندتر کردن ربات‌ها نیست، بلکه کمک به آنها برای درک بهتر افرادی است که در کنار آنها کار می‌کنند.این شرکت اظهار کرد: ما معتقدیم مرز تعیین‌کننده بعدی در مورد چگونگی درک ربات‌ها از انسان‌هایی است که با آنها کار می‌کنند.

این شرکت می‌گوید پلتفرم آن می‌تواند با ترکیب اجرای ربات در دنیای واقعی، نمایش‌های انسانی و شبیه‌سازی‌های مجازی به تولید مجموعه داده‌های آموزشی غنی‌تر کمک کند.

این ایده در حالی مطرح می‌شود که شرکت‌های فناوری چینی و آمریکایی برای توسعه هوش مصنوعی تجسمی توانمندتر رقابت می‌کنند. شرکت‌هایی مانند تسلا و انویدیا در حال سرمایه‌گذاری سنگین روی ربات‌هایی هستند که می‌توانند محیط اطراف خود را درک کنند، وظایف را استدلال کنند و اشیاء را به صورت خودکار دستکاری کنند.

با این حال، کارشناسان این صنعت می‌گویند کمبود داده‌ها همچنان یک مانع بزرگ است. تحلیلگران HSBC در گزارشی تازه خاطرنشان کردند که بخش ربات‌های انسان‌نمای چین هنوز فاقد داده‌های واقعی با کیفیت بالای مورد نیاز برای ساخت مغزهای رباتیک پیشرفته است و تجاری‌سازی ربات‌های انسان‌نما سال‌ها طول می‌کشد.در آینده چه می‌شود؟

پلتفرم BrainCo به آینده‌ای اشاره دارد که در آن ربات‌ها ممکن است به جای صفحه کلید، کنترل‌کننده یا دستورات صوتی، مستقیماً توسط افکار و نیت‌های انسان هدایت شوند. این رویکرد در صورت موفقیت می‌تواند تعاملات بین افراد و ربات‌ها را در طیف وسیعی از برنامه‌های آینده شهودی‌تر کند.

با این حال، محدودیت‌های زیادی وجود دارد که باید به آنها پرداخته شود. برای مثال، سیستم‌های EEG غیرتهاجمی عموماً سیگنال‌های ضعیف‌تر و نویزدارتری نسبت به دستگاه‌های کاشته‌شده در مغز ثبت می‌کنند و همین امر دقت و قابلیت اطمینان را به موانعی حیاتی تبدیل می‌کند.

شرکت BrainCo هنوز داده‌های عملکرد دقیقی منتشر نکرده است و این فناوری باید ثابت کند که می‌تواند به طور مداوم خارج از نمایش‌های کنترل‌شده کار کند.

با این حال، راه‌اندازی این سیستم نشان‌دهنده‌ این باور رو به رشد است که جهش بعدی در رباتیک ممکن است نه از ساخت ماشین‌های قوی‌تر، بلکه از یافتن راه‌های بهتری برای درک انسان‌هایی که به آنها خدمت می‌کنند، حاصل شود.