(شاهد) Facebook يعمل على تمكين جيل جديد من الروبوتات الحساسة
بدون حاسة اللمس، لن يدرك وحش فرانكشتاين أبدًا أن النيران سيئة وكان لدينا آلة قتل لا يمكن إيقافها، لذا كن ممتنًا لأكثر حواسك الخمس التي لا تحظى بالتقدير، والتي قد تستمتع بها الروبوتات قريبًا، أعلنت شركة فيسبوك الاثنين أنها طورت مجموعة من التقنيات اللمسية التي ستضفي إحساسًا باللمس على الروبوتات التي لا يمكن للطبيب المجنون تخيلها.
فيسبوك يدخل عالم الروبوتات
ولكن لماذا يكلف Facebook نفسه عناء البحث في أبحاث الروبوتات على الإطلاق؟ قال Yann LeCun كبير علماء الذكاء الاصطناعي في فيسبوك: "قبل أن أنضم إلى Facebook، كنت أتحدث مع مارك زوكربيرج، وسألته هل هناك أي مجال متعلق بالذكاء الاصطناعي تعتقد أنه لا ينبغي علينا العمل فيه؟وقال: "لا أجد أي سبب وجيه لنا للعمل على الروبوتات" لذلك كانت هذه بداية بحثنا FAIR [Facebook AI Research]، أننا لن نعمل على الروبوتات".
تابع: "بعد بضع سنوات، أصبح من الواضح أن الكثير من التقدم المثير للاهتمام في عمل الذكاء الاصطناعي يحدث في سياق الروبوتات لأن هذا هو الرابط الذي يحاول الأشخاص في أبحاث الذكاء الاصطناعي الوصول إليه؛ الحلقة الكاملة من الإدراك والتفكير والتخطيط والعمل، ثم الحصول على تعليقات من البيئة".
على هذا النحو، ركزت FAIR أبحاثها التقنية اللمسية على أربعة مجالات رئيسة للدراسة - الأجهزة والمحاكاة والمعالجة والإدراك، لقد رأينا بالفعل جهود FAIR للأجهزة: DIGIT، وهو مستشعر لمسي صغير الحجم وعالي الدقة ومنخفض التكلفة، أعلن عنه Facebook لأول مرة في عام 2020، على عكس المستشعرات اللمسية التقليدية، التي تعتمد عادةً على الأساليب السعوية أو المقاومة، فإن DIGIT هو في الواقع رؤية -على أساس.
أوضح روبرتو كالاندرا، عالم أبحاث الذكاء الاصطناعي في Facebook، أن داخل المستشعرات توجد كاميرا، وهناك مصابيح RGB LED موضوعة حول السيليكون، ثم يوجد هلام السيليكون، وقال: "عندما نلمس السيليكون على جسم ما، فسيؤدي ذلك إلى إنشاء ظلال أو تغييرات في إشارات الألوان التي يتم تسجيلها بعد ذلك بواسطة الطوق، تسمح هذه لـ [DIGIT] بالحصول على دقة عالية للغاية وحساسية طيفية عالية للغاية مع وجود جهاز قوي ميكانيكيًا للغاية، وسهل جدًا ورخيص في الإنتاج".
أشار كالاندرا إلى أن DIGIT يكلف حوالي 15 دولارًا لإنتاجه، ولأنه جهاز مفتوح المصدر، فإن مخططات الإنتاج الخاصة به متاحة للجامعات والمؤسسات البحثية ذات القدرات التصنيعية، كما أنها متاحة للبيع، بفضل الشراكة مع GelSight، للباحثين (وحتى أفراد الجمهور) الذين لا يستطيعون بناء منتجاتهم الخاصة.
من حيث المحاكاة، والتي تسمح لأنظمة التعلم
أشار LeCun إلى أنه اليوم إذا كنت ترغب في استخدام التعلم المعزز، على سبيل المثال، لتدريب سيارة على قيادة نفسها، فسيتعين عليك القيام بذلك في بيئة دورك لأنه سيتعين عليها القيادة لملايين من ساعات، لأنك تعرف آلاف الحوادث التي لا تعد ولا تحصى وتدمر نفسها عدة مرات قبل أن تحترق طريقها، وحتى في هذه الحالة ربما لن تكون موثوقة للغاية، إذن كيف يمكن للبشر تعلم قيادة السيارة خلال 10 إلى 20 ساعة من التدريب دون أي إشراف".
تابع: "هذا لأنه بحلول الوقت الذي نبلغ فيه من العمر 16 أو 17 عامًا، يكون لدينا نموذج جيد جدًا للعالم، نحن نفهم بشكل متأصل الآثار المترتبة على ما يمكن أن يحدث إذا قادنا سيارة من منحدر لأننا نمتلك ما يقرب من عقدين من الخبرة في مفهوم الجاذبية بالإضافة إلى ممارسة اللعينة والاكتشاف، لذا فإن كيفية جعل الآلات تتعلم هذا النموذج من العالم الذي يسمح لها بالتنبؤ بالأحداث والتخطيط لما سيحدث نتيجة لأفعالهم "هو في الحقيقة جوهر المشكلة هنا".