اشتراک
María Jesús Contreras
María Jesús Contreras
هوش مصنوعی رباتیک

ربات‌های یادگیرنده سریع: 10 فناوری نوظهور سال 2025

پیشرفت‌های هوش مصنوعی به سرعت در حال تسریع فرآیند آموزش ربات‌ها هستند و به آن‌ها کمک می‌کنند تا تقریباً فوراً وظایف جدیدی را انجام دهند

در یک نگاه چکیدهٔ خودکار موتور هوش مصنوعی افق آبی

پیشرفت‌های هوش مصنوعی به ویژه هوش مصنوعی مولد، تحولی اساسی در آموزش ربات‌ها ایجاد کرده و به آن‌ها امکان می‌دهد تا به سرعت وظایف جدیدی را یاد بگیرند. محققان رباتیک با استفاده از داده‌های متنوع و ترکیب آن‌ها، ربات‌هایی را طراحی می‌کنند که می‌توانند کارهای پیچیده‌ای مانند شستن ظروف را انجام دهند. این فرآیند شامل جمع‌آوری داده‌ها از انسان‌ها و استفاده از مدل‌های زبانی بزرگ برای تولید اطلاعات مفید است. به عنوان مثال، با ترکیب داده‌های حاصل از حسگرها و ویدیوهای آموزشی، ربات‌ها می‌توانند بهبود یابند و در محیط‌های واقعی بهتر عمل کنند. این روش‌های آموزشی نوین در حال حاضر در انبارها و فضاهای تجاری به کار گرفته می‌شوند و می‌توانند پایه‌گذار ربات‌های هوشمند خانگی در آینده باشند. این تحولات نه تنها به بهبود عملکرد ربات‌ها کمک می‌کند بلکه شیوه یادگیری آن‌ها را به طور کلی تغییر می‌دهد.

چه کسانی

Agility, Amazon, Covariant, Robust, Toyota Research Institute

چه زمانی

اکنون

هوش مصنوعی مولد (Generative AI) باعث ایجاد یک تغییر اساسی در نحوه آموزش ربات‌ها شده است. اکنون مشخص است که چگونه می‌توانیم ربات‌های واقعاً توانمندی بسازیم که دهه‌ها در داستان‌های علمی تخیلی باقی مانده‌اند.

محققان رباتیک با هوش مصنوعی غریبه نیستند - برای سال‌ها به ربات‌ها کمک کرده است تا اشیاء موجود در مسیر خود را تشخیص دهند. اما چند سال پیش، متخصصان رباتیک شروع به تحسین پیشرفت‌های حاصل شده در مدل‌های زبانی بزرگ کردند. سازندگان این مدل‌ها می‌توانند مقادیر زیادی متن - کتاب، شعر، دفترچه راهنما - را به آنها وارد کنند و سپس آنها را طوری تنظیم کنند که بر اساس درخواست‌ها، متن تولید کنند.

ایده انجام همین کار برای رباتیک وسوسه انگیز بود - اما فوق العاده پیچیده. استفاده از هوش مصنوعی برای ایجاد جملات روی صفحه نمایش یک چیز است، اما استفاده از آن برای آموزش یک ربات فیزیکی در مورد نحوه حرکت و انجام کارهای مفید، چیز دیگری است.

اکنون، متخصصان رباتیک پیشرفت‌های بزرگی در این زمینه داشته‌اند. یکی از آنها این بود که چگونه انواع مختلف داده‌ها را با هم ترکیب کنند و سپس همه آنها را برای یک ربات مفید و قابل خواندن کنند. به عنوان مثال، شستن ظروف را در نظر بگیرید. شما می‌توانید داده‌ها را از فردی که در حال شستن ظروف است در حالی که حسگر پوشیده است جمع آوری کنید. سپس می‌توانید آن را با داده‌های دورکاری از یک انسان که همان کار را با بازوهای رباتیک انجام می‌دهد ترکیب کنید. علاوه بر همه اینها، می‌توانید اینترنت را برای تصاویر و فیلم‌هایی از افرادی که در حال انجام ظروف هستند، جستجو کنید.

با ادغام صحیح این منابع داده در یک مدل هوش مصنوعی جدید، می‌توان رباتی را آموزش داد که، اگرچه کامل نیست، اما نسبت به ربات‌هایی که با روش‌های دستی‌تر آموزش داده شده‌اند، یک شروع بسیار قوی دارد. دیدن راه‌های بسیار زیادی که یک کار واحد می‌تواند انجام شود، مدل‌های هوش مصنوعی را برای بداهه نوازی و حدس زدن اینکه حرکت بعدی یک ربات در دنیای واقعی چه باید باشد، آسان‌تر می‌کند.

این یک پیشرفت است که قرار است نحوه یادگیری ربات‌ها را دوباره تعریف کند. ربات‌هایی که در فضاهای تجاری مانند انبارها کار می‌کنند، در حال حاضر از چنین روش‌های آموزشی پیشرفته‌ای استفاده می‌کنند و درس‌هایی که از آن آزمایش‌ها می‌گیریم، می‌تواند پایه‌ریز ربات‌های هوشمندی باشد که در خانه کمک می‌کنند.

اشتراک:
این گزارش ترجمه و بازنویسی خبری با موتور هوش مصنوعی افق آبی است و برای خوانندهٔ فارسی‌زبان بازتنظیم شده. منبع اصلی: technology review