بعيدًا عن ضجيج الروبوتات الراقصة، تكشف أبحاث جديدة من جامعات رائدة عن قفزات نوعية في كيفية إدراك الروبوتات للعالم وتعلمها، مما قد يسرع بشكل جذري من وصولنا إلى الذكاء الاصطناعي الشبيه بالبشر.

مقدمة: اختراقات هادئة بأثر مدوٍ

لا تجذب أكبر التطورات التكنولوجية دائمًا أكبر العناوين. فبينما تأسرنا مقاطع الفيديو الفيروسية للروبوتات الراقصة أو الكلاب الآلية، هناك تطوران ناشئان في مجال الذكاء الاصطناعي قد لا يحظيان بنفس القدر من الاهتمام، ولكنهما يمثلان نقطة تحول يمكن أن تسرع بشكل جذري من تطوير الذكاء الاصطناعي العام (AGI) – وهو الذكاء الاصطناعي الذي يمكنه العمل والتعلم مثلنا. هذه الاختراقات تتعمق في جوهر ما يجعل الذكاء البشري فريدًا: قدرتنا على الإحساس بالعالم من حولنا وقدرتنا على التعلم من التفاعلات الاجتماعية.

الاختراق الأول: الوصول إلى الحواس مع «WildFusion»

كبشر، نعتمد على مجموعة متنوعة من المحفزات للتنقل في العالم، بما في ذلك حواسنا: البصر، والصوت، واللمس، والتذوق، والشم. حتى الآن، كانت أجهزة الذكاء الاصطناعي تعتمد بشكل شبه حصري على حاسة واحدة: الانطباعات البصرية. لكن بحثًا جديدًا من جامعة ديوك يذهب إلى ما هو أبعد من الاعتماد على الإدراك البصري وحده. يُطلق على هذا النظام اسم «WildFusion»، وهو يجمع بين الرؤية واللمس والاهتزاز.

استخدم فريق البحث روبوتًا رباعي الأرجل يتضمن ميكروفونات وأجهزة استشعار لمسية بالإضافة إلى الكاميرات القياسية. يمكن لروبوت WildFusion الآن استخدام الصوت لتقييم جودة السطح (مثل أوراق الشجر الجافة أو الرمال الرطبة)، وكذلك استخدام الضغط والمقاومة لمعايرة توازنه واستقراره. يتم جمع كل هذه البيانات و«دمجها» في تمثيل بيانات واحد يتحسن بمرور الوقت مع الخبرة. يخطط فريق البحث لتعزيز قدرات الروبوت من خلال تمكينه من قياس أشياء مثل الحرارة والرطوبة. مع ازدياد ثراء وتكامل أنواع البيانات المستخدمة للتفاعل مع البيئة، يتحرك الذكاء الاصطناعي بشكل حتمي أقرب إلى تحقيق الذكاء الاصطناعي العام الحقيقي.

الاختراق الثاني: تعلم كيف تتعلم

يأتي ثاني تطور تكنولوجي في الذكاء الاصطناعي، والذي لم يحظَ بالتغطية الكافية، من باحثين في جامعتي ساري وهامبورغ. على الرغم من أنه لا يزال في مراحل التطوير المبكرة، يسمح هذا الاختراق للروبوتات التي تتفاعل اجتماعيًا مع البشر (الروبوتات الاجتماعية) بتدريب نفسها بأقل قدر من التدخل البشري. يحقق ذلك من خلال محاكاة ما يركز عليه البشر بصريًا في المواقف الاجتماعية المعقدة.

على سبيل المثال، نحن كبشر نتعلم بمرور الوقت أن ننظر إلى وجه الشخص عندما نتحدث إليه أو ننظر إلى ما يشير إليه بدلاً من النظر إلى قدميه أو في الفضاء. لكن الروبوتات لن تفعل ذلك دون تدريب محدد. حتى الآن، كان التدريب لتحسين السلوك في الروبوتات يعتمد بشكل أساسي على المراقبة والإشراف البشري المستمر. هذا النهج المبتكر الجديد يستخدم محاكاة روبوتية لتتبع وتحسين جودة تفاعلات الروبوت بأقل قدر من المشاركة البشرية. بمعنى آخر، تتعلم الروبوتات المهارات الاجتماعية دون إشراف بشري مستمر. وهذا يمثل خطوة مهمة إلى الأمام في التقدم العام للروبوتات الاجتماعية ويمكن أن يثبت أنه مسرّع هائل لتطور الذكاء الاصطناعي العام. يمكن أن يؤدي الذكاء الاصطناعي الذي يعلم نفسه بنفسه إلى تقدم بمعدل أسي، وهو احتمال يراه البعض منا مثيرًا، بينما يراه آخرون مخيفًا.

خاتمة: من المسيرة البطيئة إلى السباق المحموم

على الرغم من روعتها، يمكن تصنيف الروبوتات الشبيهة بالبشر الراقصة والكلاب الميكانيكية على أنها «ذكاء اصطناعي ضيق» – أي ذكاء اصطناعي مصمم لمهمة أو غرض محدد فقط. مآثر هذه الأدوات المصممة لغرض معين مثيرة للإعجاب، لكن هذين التطورين الجديدين يعززان كيفية تجربة الذكاء الاصطناعي للعالم وكيفية تعلمه من تلك التجارب. سيغيران بشكل كبير كيفية وجود التكنولوجيا (وتعايشها معنا) في العالم.

عندما نأخذ هذين الاختراقين معًا، جنبًا إلى جنب مع عمل باحثين ورجال أعمال آخرين على مسارات مماثلة، نجد أنهما يعيدان ضبط مسار والجدول الزمني لتحقيق الذكاء الاصطناعي العام. قد يمثل هذا نقطة التحول التي تحول المسيرة البطيئة نحو الذكاء الاصطناعي العام إلى سباق محموم.