حصرياً: الروبوت الذي يتمتع بأعلى مستوى من البراعة الحركية حتى الآن

قد لا يبدو هذا الروبوت مميزاً بشكل خاص، ولكنه في الواقع -ووفقاً لقياس جديد- هو الروبوت ذو المهارة الحركية الأعلى من بين جميع الروبوتات التي صممت حتى الآن، وإن من أهم الحيل التي يستطيع أن يقوم بها هو تصنيف الأغراض في درجك بسرعة ومهارة لا تضاهى.

لا يكمن مفتاح المهارة الحركية لهذا الروبوت في مقابضه الميكانيكية، بل في دماغه؛ حيث إنه يستخدم برنامجاً يسمى ديكس نت لتحديد كيفية التقاط الأجسام -حتى لو كانت غريبة المنظر- بفعالية مدهشة.

وقد تم تطوير ديكس نت من قبل كين جولدبرج (وهو بروفسور في جامعة كاليفورنيا في بيركلي)، وجيف ماهلر (وهو أحد طلابه في الدراسات العليا)، ويعمل هذا البرنامج على آلة صناعية شائعة الانتشار من شركة ABB، وهي شركة سويسرية للروبوتات. وقد استعرض جولدبرج آخر نسخة من نظامه في إيمتيك ديجيتال؛ وهو حدث مخصَّص للذكاء الاصطناعي من تنظيم إم آي تي تيكنولوجي ريفيو في سان فرانسيسكو.

كما يعتبر نظام جولدبرج أقرب ما تم تطويره حتى الآن إلى المهارة البشرية؛ حيث يمكن به استخدام الروبوتات الصناعية ذات المهارة الحركية العالية في المستودعات والمعامل، إضافة إلى المستشفيات والمنازل.

أما الأمر الذي يميز ديكس نت فهو كيفية تعلم الإمساك؛ حيث إن البرنامج يجرب التقاط الأجسام في بيئة افتراضية، ويدرِّب شبكة عصبونية عميقة عبر المحاولة والخطأ، وهي مهمة شاقة حتى في أثناء المحاكاة، غير أن البرنامج قادر على التعميم والانتقال من جسم رآه مسبقاً إلى جسم جديد، وهو أمر هام للغاية. بل إن الروبوت يدفع الجسم قليلاً حتى ينظر إليه بشكل أفضل إذا لم يحسم أمره حول كيفية إمساكه؛ حيث تتضمن النسخة الأحدث من النظام مستشعراً ثلاثي الأبعاد عالي الدقة، وذراعين تخضع كل منهما لتحكم شبكة عصبونية مستقلة، وقد زُوِّدت إحدى الذراعين بمقبض روبوتي تقليدي، أما الأخرى فزُودت بنظام شفط، ويقوم برنامج الروبوت بمسح الجسم، ومن ثم يفحص كلتا الشبكتين العصبونيتين ليتخذ قراره -وبسرعة- ما إذا كان من الأفضل استخدام المقبض أو الشفاط للإمساك بهذا الجسم.

وقد قام الباحثون في جامعة كاليفورنيا في بيركلي أيضاً بتطوير أسلوب أفضل لقياس أداء روبوت الالتقاط؛ وهو معيار أطلق عليه اسم "متوسط الالتقاط في الساعة"، والذي يُحسب بجداء الوقت المتوسط لعملية الالتقاط الواحدة مع احتمال النجاح، وذلك لمجموعة من الأجسام المتماثلة. وهذا المعيار الجديد سيساعد المختبرات التي تعمل على هذا النوع من الروبوتات على مشاركة نتائجها؛ يقول جولدبرج: "كنا نتناقش حول كيفية مقارنة نتائجنا لقياس مدى التقدم، ويعتمد هذا على الروبوت، والمستشعر، وبالطبع -وهو المعامل الأهم- الأجسام المستخدمة".

يمكن للبشر أن يحققوا قيمة 400 إلى 600 لمتوسط عدد مرات الالتقاط في الساعة، وفي مسابقة نظمتها أمازون مؤخراً، تمكنت أفضل الروبوتات من تحقيق نتائج تتراوح ما بين 70 و95، وهذا الروبوت الجديد يمكنه أن يصل إلى قيمة تتراوح بين 200 و300 كما يقول جولدبرج، أما النتائج فهي جزء من مؤتمر في أستراليا سيقام في وقت لاحق من هذه السنة.

وأضاف جولدبرج في عرضه التقديمي أنه يتوقع  أن الروبوتات ستصل -خلال خمس سنوات- إلى "متوسط التقاط في الساعة يوازي القدرات البشرية أو يتفوق عليها".

ويعتبر الإمساك بالأجسام الغريبة وغير المألوفة والتلاعب بها تحدياً أساسياً للروبوتات، ومن الأمور التي أعاقت تقدم هذه التكنولوجيا. فعلى سبيل المثال تتميز الروبوتات في مصانع السيارات بالسرعة والدقة، ولكنها غير قادرة على التكيف مع بيئة متغيرة أو غير مألوفة. وكما تعمل الروبوتات في المصانع أو المستودعات، يمكنها -بتحقيق تلاعب أكثر دقة- أن تصبح مفيدة في المستشفيات ومنشآت رعاية كبار السن.

ويعتبر التقدم الذي تم تحقيقه مؤخراً في هذه الناحية من الروبوتات ناتجاً عن عدة توجهات متزامنة، فقد بدأت الروبوتات الأصغر حجماً والأكثر أماناً في الانتشار، وظهرت أنواع جديدة من المقابض، والأهم من ذلك أنه تم إنجاز خطوات هامة في مجال التعلم الآلي.

وإضافة إلى عمل جولدبرج وبحثه في عدة مختبرات أكاديمية أخرى، بدأ باحثون في مؤسسات مثل ديب مايند وأوبين أيه آي باستكشاف كيفية استخدام التعلم الآلي لجعل الروبوتات أكثر ذكاء وقدرة على التكيف، وقد تؤدي التطورات في الروبوتات إلى إحراز تقدم في مجالات أخرى من الذكاء الاصطناعي، مثل الإحساس بالبيئة المحيطة.

يقول روس تيدريك الذي شاهد العرض التجريبي للروبوت (وهو بروفسور في إم آي تي): "لقد أحدث التعلم الآلي تأثيراً غير مسبوق على الروبوتات مما أدى إلى زيادة انتشارها، حتى حصلنا على بيانات كبيرة تتعلق بالروبوتيات".