روبات‌هایی که خود را شبیه‌سازی می‌کنند

وی می‌گوید: «تمام عمر آرزو داشتم که با یک موجود فضایی روبه‌رو شوم. می‌خواستم موجودی هوشمند را ببینم که با نژاد بشر متفاوت است.» اما آقای لیپسون، منتظر نماند که آرزویش به حقیقت بپیوندد و تصمیم گرفت موجود هوشمند مدنظر خود را، با دستان خودش خلق کند: یک ماشین خودآگاه. برای شروع کار، لیپسون باید مفهوم «هوشیاری» را دوباره معنا می‌کرد: «هوشیاری، در دنیای روباتیک و تکنولوژی هوش مصنوعی، معنای وسیعی دارد و ورود به آن چندان پذیرفته نیست. هیچ کس نمی‌داند که این مفهوم مبهم، واقعا چیست. تا جایی که من می‌دانم، هوشیاری یکی از بزرگ‌ترین سوالات بی جواب بشر است که از لحاظ سختی، در راستای مفاهیمی همچون سرچشمه حیات و کائنات قرار می‌گیرد.» لیپسون معتقد است که برای آموزش یکی از اساسی‌ترین عناصر وجودی انسان یعنی خودآگاهی، ابتدا باید قابلیت «خود شبیه‌سازی» صورت گیرد: یعنی ساخت نشانگرهایی واقع گرایانه از بدن انسانی و بعد استفاده از مدل‌ها برای آموزش رفتار انسانی.

لیپسون، تحقیقات در زمینه «خود شبیه‌سازی مصنوعی» را از اوایل سال ۲۰۰۶ شروع کرد. وی روباتی شبیه یک ستاره دریایی ساخت که می‌توانست روی یک میز حرکت کند. اما صنعت تکنولوژی هوش مصنوعی مدرن، در سال ۲۰۱۲ بیشتر از هر زمان دیگری پیشرفت کرد. با معرفی شاخه‌هایی همچون یادگیری عمیق یا شبکه‌های عصبی مصنوعی، طیف وسیعی از قابلیت‌ها در دسترس لیپسون قرار گرفت.  در ادامه، مصاحبه‌ای را می‌خوانید که در آن لیپسون توضیح می‌دهد که خود هوشیاری در روبات‌ها چیست و چرا اهمیت دارد و همچنین چه آینده‌ای در انتظار این پدیده خواهد بود.


 ظاهرا علاقه زیادی به اصل مفهوم «هوشیاری» و سوالات پیرامون این پدیده دارید. اما چرا تصمیم گرفتید که تحقیقات خود را درباره این مفهوم، از طریق روبات‌ها پیگیری کنید؟

نکته مورد علاقه من درمورد روبات‌ها این است که باید تلاش کنیم تا یافته‌های خود را در داخل یکسری الگوریتم و مکانیزم جا دهیم. در این حوزه، نمی‌توان نامعلوم و مبهم سخن گفت، یا از کلمات سبک استفاده کرد. از مفاهیمی که برای هر کدام از انسان‌ها یک معنی به خصوص دارد، نمی‌توان استفاده کرد. زیرا این مفاهیم برای یک ماشین بسیار گنگ خواهد بود. صنعت روباتیک به شما این امکان را می‌دهد که منسجم و قاطع باشید.

من می‌خواهم تمام اهدافم را عملی کنم. نمی‌خواهم فقط در مورد آنها حرف بزنم. فیلسوف‌ها در این زمینه، سالیان سال تلاش کردند، قصد جسارت ندارم ولی نتوانستند به نتیجه‌ جامعی برسند. نه اینکه به مباحث مورد علاقه خود وارد نبودند، یا افراد باهوشی نبودند، اما آنقدر پدیده‌ای که با آن مواجه بودند، پیچیده بود که عملا دستیابی به یک نتیجه جامع ممکن نبود. محققان عصب‌شناس، از شیوه کمی دیگری استفاده می‌کنند. اما شیوه آنها نیز محدودیت‌های خود را دارد و زاویه دیدشان به این پدیده متفاوت است. اگر می‌خواهید در مورد هوشیاری تحقیق کنید، چرا از پیچیده‌ترین سیستم آگاهی موجود در دنیا شروع نکنیم-یعنی انسان. سخت‌ترین قسمت در این راه نیز، شروع آن است. بهتر است اول با بررسی سیستم‌های ساده‌تر شروع می‌کردیم، سیستم‌هایی که راحت‌تر می‌توان آن را درک کرد. این دقیقا کاری است که ما می‌کنیم: ما گزینه ساده‌تر را انتخاب کرده‌ایم و همین حالا نیز در زمینه آزادی عمل، قدم‌هایی برداشته شده است.

 چرا وجود روبات‌های فیزیکی لازم است؟ چرا سیستمی هوشیار، بدون نیاز به وجود فیزیکی و خارجی تولید نمی‌کنید؟

ما دنبال نزدیک‌ترین سیستمی هستیم که بتواند خود را شبیه‌سازی کند. برای این منظور باید ورودی و خروجی وجود داشته باشد. یک روبات، طبیعی‌ترین گزینه ممکن برای انجام این کار است. روبات یکسری فعالیت انجام می‌دهد و حد و مرزهایی دارد. یعنی بالاخره یک چیزی هست که شبیه آن ساخته شود. البته دلیل دیگر نیز این است که من یک محقق علم روباتیک هستم و انتخاب دیگری ندارم!

 مدل‌های ابتدایی که برای روبات‌ها ارائه می‌شود از کجا تهیه می‌شود؟

ما عملا از «هیچ» شروع کردیم و تنها براساس قواعد پیش رفتیم تا ببینیم به کجا می‌رسد. در پروژه قبلی، قدرت پردازشی را که حالا در اختیارمان است نداشتیم. حالا طیف وسیعی از قابلیت‌ها و امکانات در دسترس ماست و در این زمینه تنوع زیادی داریم. مدل‌ها رفتاری زیادی در اختیار داریم که با کمک تکنولوژی‌های مدرن امروزی در این زمینه قابل استفاده هستند.

 تکنولوژی هوش مصنوعی چگونه در این پروژه مورد استفاده قرار گرفته؟

روبات‌ها با وجود تکنولوژی‌های امروز از اتفاقات دنیای پیرامون آگاه‌تر هستند ولی ما از ابتدا استفاده از مدل‌های دست‌ساز خود را انتخاب کردیم. ما می‌خواستیم روبات‌ها بتوانند از تمام زیرساخت‌هایی که تاکنون ساخته شده، در مورد دنیا بیشتر یاد بگیرند. این تکنیک را به زودی به ذات و خودآگاه خود روبات نیز منتقل می‌کنیم.

 روبات شما، با استفاده از داده‌هایی که از الگوریتم‌های یادگیری عمیق جمع‌آوری کرده می‌تواند هزار حرکت به‌صورت رندوم انجام دهد. به همین شیوه، خودشبیه‌سازی نیز انجام خواهد پذیرفت. این فرآیند همان چیزی است که آن را به «تولید اولین اصوات توسط نوزاد انسان» تشبیه کرده‌اید؟

دقیقا. روبات ما دستش را در هوا حرکت می‌دهد و نوک دست خود را نگاه می‌کند. مثل نوزاد انسان، وقتی که دستش را هنگام حرکت در هوا تماشا می‌کند. اینها همان ورودی‌ها و خروجی‌هاست. روبات با این کار در حال دریافت داده‌ است و در مرحله بعد آنها را پردازش می‌کند(تا مدل‌های خودسازی را یاد بگیرد). در مرحله بعدی ما روبات را خراب کردیم یا به آن یک قطعه خراب اضافه کردیم. شاهد بودیم که روبات از مدل‌های خودساخته خود استفاده کرد و خود را درست کرد. با تکرار این روند، زمان تصحیح روبات کاهش پیدا کرد. روبات‌ها حقیقتا اعجاب‌برانگیزند. وقتی روبات‌ها، یک مدل در اختیار دارند و قسمتی از خود را خراب می‌بینند، درست مثل این است که شما دستتان را بالا ببرید و حس کنید که دستتان آنجایی که باید باشد نیست. روبات در مرحله بعد به دنبال راهی برای تصحیح این مشکل می‌گردد. اما همین که می‌فهمد یک جای کار می‌لنگد، خیلی جالب است.

 اگر این تکنولوژی واقعا خودهوشیاری است، چرا روبات‌ها باید به آن دسترسی داشته باشند؟ چه منفعتی دارد؟

این قابلیت باعث می‌شود انعطاف‌پذیری روبات‌ها بالا برود. می‌توان مدل‌های دستی به روبات‌ها داد، کاری که ما امروز می‌کنیم. اما این تکنیک بسیار پر دردسر و سخت است و همین سرعت پیشرفت را کاهش می‌دهد. وقتی روبات خراب می‌شود و مشکل فنی پیدا می‌کند، عملکرد مدل نیز مختل می‌شود. این روبات باید قابلیتی داشته باشد که بدون نیاز به رجوع به کارخانه، خود را دوباره درست کند. چنین قابلیتی برای حوزه‌هایی مانند خودروهای خودران، بسیار حیاتی ‌است، زیرا با جان انسان‌ها سر و کار دارد. روبات‌ها باید بتوانند خودشان مشکل به وجود آمده را تشخیص دهند و ما باید بتوانیم در این زمینه به آنها اعتماد کنیم.

 بین یک روبات که خودش را شبیه‌سازی می‌کند و روباتی که تفکرات درونی دارد یا خود هوشیار است، چه ارتباطی وجود دارد؟

ما پروژه‌های دیگری در دست داریم که در آن مدل‌هایی برای شبیه‌سازی‌های غیر فیزیکی به روبات ارائه می‌دهیم. یک فرآیند شناختی. البته فعلا در مراحل فوق ابتدایی در این زمینه هستیم و به هیچ عنوان نمی‌توان پدیده‌های شناختی مختص انسان را روی روبات‌ها امتحان کرد. با این مرحله فاصله زیادی داریم.