سخنرانی TED: «هوش فیزیکی»، گام بزرگ هوش مصنوعی برای ورود به دنیای واقعی

او سخنرانی تد (TED) خود را در این باره با خاطره‌ای از دوران دانشجویی آغاز می‌کند: «گروهی از ما تصمیم گرفتیم به مناسبت تولد استادمان، رباتی را برنامه‌نویسی کنیم تا برای او یک تکه کیک ببرد. تمام شب را برای نوشتن کدها بیدار ماندیم، اما فردای آن روز همه چیز خراب شد؛ چون به جای کیک اسفنجی نرم، یک کیک بستنی سفت و مربعی به ما داده شد. ربات ما شروع به حرکات بی‌هدف و خشن کرد و تقریباً کیک را نابود کرد!» او این تجربه را درسی مهم دانست: دنیای فیزیکی، با تمام قوانین و خطاهایش، به‌مراتب پیچیده‌تر از دنیای دیجیتال است.

روس در حال حاضر مدیر آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL) در آم‌ای‌تی است. او می‌گوید: «امروزه هوش مصنوعی و رباتیک، دو حوزه‌ی جداگانه هستند؛ هوش مصنوعی در کامپیوترها باقی مانده و تصمیم‌گیری می‌کند، اما جسم فیزیکی ندارد و ربات‌ها تنها کارهای از پیش برنامه‌ریزی‌شده را انجام می‌دهند، بدون درک یا هوش واقعی.»

به گفته‌ی روس، این وضعیت در حال تغییر است. پروژه‌های آزمایشگاه او تلاش دارند هوش مصنوعی را از دنیای دیجیتال به دنیای فیزیکی وارد کنند؛ آن‌ها ترکیبی از هوش دیجیتال و قدرت مکانیکی ربات‌ها را خلق کرده‌اند. او این روند را «هوش فیزیکی» (Physical Intelligence) می‌نامد؛ یعنی بهره‌گیری از قدرت درک و تحلیل هوش مصنوعی برای بهتر کردن عملکرد ماشین‌های واقعی.

یکی از چالش‌های این مسیر، سخت‌افزار است؛ چون بیشتر سیستم‌های هوش مصنوعی نیازمند مراکز داده عظیم هستند که نمی‌توانند در بدنه یک ربات جای گیرند. همچنین، این سیستم‌ها اشتباهاتی دارند؛ مثلاً ممکن است نتوانند عابران پیاده را تشخیص دهند.

اینجاست که الهام از طبیعت وارد می‌شود. روس و همکارانش از کرمی به‌نام «C. elegans» الهام گرفته‌اند؛ موجودی ساده با تنها ۳۰۲ نورون که رفتارهای پیچیده‌ای دارد. آن‌ها با مدل‌سازی ریاضی این نورون‌ها، نوع جدیدی از هوض مصنوعی را توسعه داده‌اند که نام آن را شبکه‌های مایع (Liquid Networks) گذاشته‌اند.

شبکه‌های مایع، برخلاف هوض مصنوعی سنتی که هزاران نورون ساده دارد، از نورون‌های اندکی تشکیل شده‌اند که هرکدام ریاضیات پیچیده‌تری انجام می‌دهند. این مدل‌ها هم سبک‌تر هستند و هم قابل‌فهم‌تر. مثلاً در یک خودروی خودران، شبکه مایع تنها با ۱۹ نورون می‌تواند تصمیم‌هایی بسیار دقیق‌تر و متمرکزتر بگیرد، در حالی که هوش مصنوعی سنتی با هزاران نورون همچنان دچار سردرگمی است.

مزیت اصلی شبکه‌های مایع در آن است که پس از آموزش نیز می‌توانند به یادگیری ادامه دهند. مثلاً اگر در تابستان آموزش دیده باشند، در پاییز هم می‌توانند خود را با تغییرات تطبیق دهند؛ چیزی که در هوش مصنوعی سنتی ممکن نیست.

بُعد دوم هوش فیزیکی، طراحی ربات‌ها از روی متن و تصویر است. روس می‌گوید: «ما می‌توانیم با یک فرمان متنی مثل «رباتی بساز که بتواند به جلو حرکت کند»، به‌طور خودکار طراحی، جنس، حسگرها، برنامه‌ و فایل‌های ساخت آن را ایجاد کنیم.» همچنین، آن‌ها توانسته‌اند از یک عکس ساده، رباتی واقعی بسازند؛ مثلاً تبدیل تصویر یک خرگوش به یک ربات نرم و واقعی با توانایی حرکت.

بُعد سوم، یادگیری ماشین از انسان‌هاست. در آزمایشگاه او، محیطی شبیه آشپزخانه ایجاد شده و اطلاعات دقیقی از حرکت‌ها، عضلات و حتی نگاه انسان‌ها در حین انجام کارهای روزمره ثبت می‌شود. این داده‌ها سپس برای آموزش ربات‌ها به کار می‌رود. نتیجه، ماشین‌هایی است که با دقت، ظرافت و سازگاری بالا می‌توانند مانند انسان‌ها عمل کنند.

در پایان، روس تأکید می‌کند که هوش فیزیکی می‌تواند محدودیت‌های ما را از میان بردارد؛ به ما قدرت‌هایی بدهد برای تعامل با جهانی که همیشه در خیال می‌پروراندیم. او می‌گوید: «ما تنها گونه‌ای هستیم که توانایی ساختن چنین ابزارهای فوق‌العاده‌ای را داریم. اما باید زودتر دست به کار شویم؛ چون ما هنوز مسئول این سیاره و همه‌ی موجودات آن هستیم.»