با ظهور مدل های زبان بزرگ (LLM) مانند Chat-GPT، آینده رباتیک روشن تر از همیشه به نظر می رسد. این ابزارهای قدرتمند این پتانسیل را دارند که روش کار ربات ها را کاملاً متحول کنند و آنها را باهوش تر، کارآمدتر و قادر به انجام کارهای پیچیده تر کنند.
اکنون، محققان دانشگاه فناوری دلفت در هلند و موسسه فناوری فدرال سوئیس (EPFL) از مدل محبوب زبان بزرگ Chat-GPT-3 برای توسعه یک گیره رباتیک برای برداشت گوجه فرنگی در اولین نمایش هوش مصنوعی استفاده کرده اند. پتانسیل ابزار برای همکاری با انسان در طراحی ربات.
بر اساس تجربیات خود، محققان فرصت‌ها و خطرات استفاده از ابزارهای هوش مصنوعی (AI) را در رباتیک توصیف می‌کنند که به گفته آنها «می‌تواند نحوه طراحی ربات‌ها را تغییر دهد و در عین حال فرآیند را غنی‌تر و ساده‌تر کند».
اگرچه Chat-GPT یک مدل زبان است و تولید کد آن مبتنی بر متن است، بینش و شهود قابل توجهی را برای طراحی فیزیکی ارائه می‌کند و پتانسیل زیادی را به عنوان یک صفحه صدا برای تحریک خلاقیت انسان نشان می‌دهد.» جوزی هیوز، رئیس آزمایشگاه طراحی و ساخت ربات محاسباتی در دانشکده مهندسی، EPFL می گوید.
در مرحله اول، محققان و LLM در یک بحث ایده‌پردازی برای تعریف هدف، پارامترهای طراحی و مشخصات ربات خود شرکت کردند. مرحله دوم به تحقق ربات در دنیای واقعی اختصاص یافت که شامل توسعه کد تولید شده توسط کد تولید شده توسط LLM، ساخت دستگاه و عیب یابی عملکرد آن است.
محققان در یک سطح مفهومی بالا شروع کردند و با LLM در مورد چالش های آینده برای بشریت صحبت کردند و برداشت رباتیک محصولات را به عنوان راه حلی برای چالش عرضه جهانی غذا شناسایی کردند. محقق با استفاده از دسترسی LLM به داده های جهانی که از نشریات دانشگاهی، کتابچه های فنی، کتاب ها و رسانه ها به دست می آید، محتمل ترین پاسخ را به اعلان هایی از قبیل «روبات برداشت کننده چه ویژگی هایی باید داشته باشد؟» ارائه می دهد.
هنگامی که یک فرمت رباتیک اصلی شناسایی شد، محققان می‌توانند به طراحی خاص، از جمله مواد و کد کامپیوتری برای کنترل دستگاه بپردازند.
در حالی که محاسبات تا حد زیادی برای کمک به مهندسان در پیاده سازی فنی استفاده شده است، برای اولین بار، یک سیستم هوش مصنوعی می تواند سیستم های جدیدی را طراحی کند، بنابراین وظایف شناختی سطح بالا را خودکار می کند. این می تواند شامل تغییر نقش های انسانی به نقش های فنی تر باشد. کوزیمو دلا سانتینا از TU Delft می گوید.
محققان علاوه بر اختصاص نقش «مخترع» به Chat-GPT، مزایای دیگر همکاری انسان-LLM را برجسته می‌کنند. “تحقیقات مشارکتی” از هوش مصنوعی برای حمایت از مهارت های محققان با کمک به دانش گسترده فراتر از زمینه های خود استفاده می کند. هوش مصنوعی می تواند به عنوان یک “قیف” برای کمک به بهبود فرآیند طراحی و ارائه ورودی های فنی، با حفظ کنترل خلاقانه انسان ها عمل کند.
از آنجایی که خطرات منطقی و اخلاقی مرتبط با هر حالت همکاری وجود دارد، محققان هشدار می دهند که نقش LLM باید در آینده به دقت ارزیابی شود.
در مطالعه ما، Chat-GPT گوجه‌فرنگی را به عنوان محصولی با ارزش‌ترین محصول برای دنبال کردن یک ماشین برداشت رباتیک شناسایی کرد. با این حال، این ممکن است نسبت به محصولاتی که در ادبیات بیشتر پوشش داده شده اند، مغرضانه باشد، برخلاف محصولاتی که واقعاً نیاز واقعی وجود دارد. هنگامی که تصمیمات خارج از محدوده دانش مهندس گرفته می شود، این می تواند منجر به اشتباهات اخلاقی، مهندسی یا واقعی شود. هیوز می گوید.
علیرغم این احتیاط ها، هیوز و تیم او بر اساس تجربه خود به این نتیجه می رسند که LLM ها در صورت مدیریت خوب، پتانسیل زیادی برای تبدیل شدن به یک نیروی خوب دارند: بنابراین، جامعه رباتیک باید چگونگی استفاده از این ابزارهای قدرتمند را برای سرعت بخشیدن به پیشرفت روبات‌ها به روشی اخلاقی، پایدار و توانمندساز اجتماعی شناسایی کند.»
مرجع مجله:
- فرانچسکو استلا، کوزیمو دلا سانتینا و جوزی هیوز. چگونه LLM ها می توانند فرآیند طراحی رباتیک را تغییر دهند؟ هوش ماشین طبیعت، 2023; DOI: 10.1038/s42256-023-00669-7
