هوش مصنوعی فیزیکی به مغز بزرگتری نیاز ندارد. به سیستم عصبی نیاز دارد

امسال جام جهانی ورزشکاران نخبه از سراسر جهان را در بالاترین سطح در رقابت ها متحد کرد.

همانطور که تماشا می کردم، مدام به یک سوال برمی گشتم: چه چیزی این ورزشکاران را نخبه می کند؟ دانش، تناسب اندام یا تمایل به برنده شدن آن را به طور کامل توضیح نمی دهد. چیز دیگری است تسلط بر کار است اعدام در بالاترین سطح زمانی که بیشترین اهمیت را دارد این است که نخبگان را از بقیه جدا می کند.

من اخیرا به کلمه "نخبگان" زیاد فکر می کنم. هوش مصنوعی فیزیکی یک موضوع داغ است و با توجه به اینکه روبات‌ها، پهپادها، و ماشین‌های مستقل در انواع اشکال در حال ظهور هستند، شایسته است. اگر بخواهیم همه این سیستم های هوشمند را وارد زندگی خود کنیم، نخبگان برای آنها چگونه به نظر می رسند؟

تعالی سخت تر فکر کردن نیست

اگر طرفدار فوتبال هستید، بازی مسی را دیده اید. او آنقدر بدون زحمت توپ را کنترل می کند که به نظر می رسد تقلب می کند. به نظر می رسد حرکاتی که او انجام می دهد پیش بینی می کند که حریف چه خواهد کرد. ما فرض می‌کنیم که این نوع دقت باید از فکر کردن سریع‌تر حاصل شود. برعکس است. تصمیم گیری برای فکر کردن خیلی سریع است، غریزه غلبه می کند.

به ایده «انجام بدون فکر کردن» دقیق‌تر نگاه کنید و آن را در همه جا پیدا خواهید کرد. حفظ تعادل، پلک زدن یا حرکت در یک اتاق شلوغ، همه اینها بدون تامل و حداقل انرژی. و با این حال برای ماشین ها این سخت ترین کار از همه است.

دنیای واقعی قوانین هوش مصنوعی را تغییر می دهد

یک مشاهده قدیمی در رباتیک وجود دارد که ارزش بازنگری دارد. کارهایی که ما اوج عقل انسان را در نظر می گیریم، مانند حل معادلات، تجزیه منطق، یا یادآوری حقایق، کارهایی هستند که ماشین ها می توانند به راحتی انجام دهند. وظایفی که یک کودک نوپا بر آن مسلط می شود، مانند گرفتن فنجان، ایستادن در حالت قائم، یا گام برداشتن از موانع، کارهایی هستند که مهندسان هوش مصنوعی را برای دهه ها به چالش کشیده اند.

درس این معکوس ساده است: هوش تنها چیزی نیست که شما با بزرگتر کردن مغز آن را مقیاس کنید.

بیشتر اطلاعاتی که تا به حال ساخته‌ایم در فضای ابری زندگی می‌کنند. از آن یک سوال بپرسید و می تواند لحظه ای فکر کند. دنیای فیزیکی چنین صبری را نمی دهد. یک پهپاد در حال تصحیح وزش باد، یک وسیله نقلیه که به کودکی که از حاشیه پیاده می‌شود، واکنش نشان می‌دهد، رباتی که بخشی را قبل از برخورد به زمین می‌گیرد، هیچ کدام از اینها نمی‌توانند منتظر یک سفر رفت و برگشت به یک سرور دور باشند. پاسخ باید در جایی اتفاق بیفتد که رویداد اتفاق می افتد، در میلی ثانیه، هر بار.

و مخاطرات از نظر نوع و نه فقط درجه متفاوت است. پاسخ اشتباه در نرم افزار قابل اصلاح است. یک حرکت اشتباه در دنیای فیزیکی نمی تواند. شما نمی توانید یک برخورد را وصله کنید یا سقوط را به عقب برگردانید. زمانی که هوش باید در دنیای فیزیکی عمل کند، آنگاه تأخیر، کارایی و قابلیت اطمینان از ویژگی‌های دیگر نمی‌شوند و به الزامات بقا تبدیل می‌شوند.

طرحی از زیست شناسی

زیست‌شناسی صدها میلیون سال است که هوش را در دنیای فیزیکی اصلاح می‌کند، و طرحی که به آن رسید گویای این است: هوش توزیع می‌شود. مغز استدلال و تفکر آگاهانه را کنترل می کند، مخچه کنترل حرکت و تعادل را کنترل می کند، و نخاع با رفلکس ها کنترل می کند.

یک تصادف را در نظر بگیرید. زمانی که ضمیر خودآگاه ما آن را ثبت می کند، ما خودمان را گرفته ایم. این اصلاح هرگز به بخشی از مغز که دلیل می کند نرسید. خیلی کند بود استدلال، هماهنگی و انعکاس سیستم‌های مجزا، مستقل و همسو هستند که هر کدام هوش مناسب را در مکان مناسب با عملکرد مناسب برای انجام کار قرار می‌دهند.

این اصلی است که ما باید به سمت آن طراحی کنیم. ماشین‌ها از طریق هوش درست در مکان مناسب توانمندتر می‌شوند. این چیزی است که یک معماری محور عصبی توزیع شده امکان پذیر می کند.

بدن انسان را به عنوان الهام بگیرید و معماری محور عصبی خودمان بر سه لایه مستقل اما بسیار هماهنگ متمرکز است. یک لایه استدلال کندتر و بسیار هوشمند، یک لایه هماهنگی میانی، و یک لایه بازتابی فوق العاده سریع در لبه. هر کدام نقش خود را ایفا می کند.

یک ربات انسان نما را در حال حمل بسته ای در یک انبار تصور کنید. لایه استدلال آن مقصد را تعیین می کند. لایه هماهنگی آن را در حین راه رفتن ثابت نگه می دارد. سپس یک وسیله از یک قفسه می افتد و به بازوی آن ضربه می زند. در عرض چند میلی ثانیه، لایه رفلکس باید دوباره متعادل شود، چسبندگی آن را تنظیم کند و بسته را محکم کند. این تصمیمات رفلکس مانند فقط می توانند در لبه، در زمان واقعی اتفاق بیفتند - قرار دادن هوش مناسب در مکان مناسب چیزی است که به ماشین ها اجازه می دهد ایمن کار کنند.

درک دنیای فیزیکی

واکنش سریع ضروری است، اما کافی نیست. یک ماشین همچنین باید دنیای اطراف خود را درک کند. وزن، تکانه، اصطکاک، نحوه واژگونی یک جسم اگر از مرکز خارج شود. بچه ها هیچ کدام از آن ها را از کتابچه راهنما یاد نمی گیرند. آنها فیزیک دنیای واقعی را از آزمون و خطا و اصلاحات والدین درونی می کنند. اما یک ربات این تجمل را ندارد، زیرا در دنیای فیزیکی، آزمون و خطا می تواند آسیب واقعی به همراه داشته باشد.

مسی هیچ یک از اینها را از یک کتابچه راهنما یاد نگرفت. او آن را طی هزاران ساعت جذب کرد. یک ربات نمی تواند به همان روش یاد بگیرد.

به همین دلیل است که جالب‌ترین کار در این زمینه، آموزش پیش‌بینی ماشین‌ها به جای پاسخ دادن صرف است. مدل‌های Vision-Language-Action (VLA) پلی بین ادراک و عمل هستند: اتصال آنچه ماشین می‌بیند، آنچه به آن گفته می‌شود و نحوه حرکت آن.

ایجاد این قابلیت دشوار است و حتی سخت تر بهینه سازی آن برای اجرا در محدودیت های قدرت و حافظه محدود یک دستگاه لبه است. بستن این شکاف، بین آنچه در یک مرکز داده امکان پذیر است و آنچه در دنیای واقعی عملی است، یکی از چالش های مهندسی این دهه است.

برای صنعت هوش مصنوعی فیزیکی، غلبه بر این چالش به معنای درست کردن دو چیز است. اول، ساخت پردازنده‌های توانا و کارآمد برای هر لایه هوش رباتیک، از مخ و مخچه گرفته تا سیستم عصبی حسی توزیع‌شده، بهینه‌سازی شده‌اند. دوم، تجهیز تیم‌ها به ابزارها و چارچوب‌ها برای ایجاد توسعه هوش عاملی مستقل در لبه تا حد امکان ساده و کارآمد.

اعتماد بهای پذیرش است

از آنجایی که دنیای واقعی دکمه لغو ندارد، هوش مصنوعی فیزیکی هرگز بدون اعتماد به پتانسیل خود نمی رسد.

ما تنها در صورتی از این سیستم‌ها در خانه‌ها، جاده‌ها و کارخانه‌هایمان استقبال می‌کنیم که باور داشته باشیم در مواقع مهم رفتاری قابل پیش‌بینی داشته باشند و زمانی که مشکلی پیش می‌آید به خوبی از کار بیفتند. این نوع قابل اعتماد بودن را نمی توان در انتها روی آن پاشید. باید از سیلیکون به بالا طراحی شود، به طوری که وقتی یک سیستم با چیزی روبرو می شود که هرگز پیش بینی نمی کرد، همچنان کار ایمن را انجام دهد.

و این اعتماد از یک مغز بزرگتر ناشی نمی شود. از معماری می آید. همان طرح توزیع شده ای که زیست شناسی مدت ها پیش روی آن مستقر شده بود. استدلال، هماهنگی و انعکاس، هرکدام در جایی که به آن تعلق دارد عمل می کنند و هرکدام در جای خود قابل اعتماد هستند. اگر این طراحی به اندازه کافی خوب باشد که ما را در دنیایی غیرقابل پیش بینی زنده نگه دارد، برای ماشین هایی که در کنار آنها زندگی خواهیم کرد به اندازه کافی خوب است.

هوش مصنوعی فیزیکی جایگاه خود را در کنار ما به دست خواهد آورد زمانی که سرانجام یک سیستم عصبی به دست آورد - یک محور عصبی که برای اعتماد در هر لایه ساخته شده است.

ما بهترین سازنده وب سایت هوش مصنوعی را معرفی کرده ایم.

این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.

نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit