مدلهای زبان بزرگ (LLM)، یا شبکههای عصبی، اخیراً به دلیل پتانسیل خود برای ایجاد انقلابی در نحوه نوشتن، مطالعه و حتی خلق هنر انسانها مورد توجه قرار گرفتهاند. یکی از این LLM ها Chat-GPT است. محققان EPFL اکنون از این رویکرد در یک صنعت کاملاً جدید استفاده کرده اند: طراحی رباتیک. از این طریق، LLM با ارائه رباتها با قابلیت بیسابقهای برای درک و تجزیه و تحلیل زبان طبیعی، چشمانداز رباتیک را به طور اساسی تغییر خواهد داد.
فرانچسکو استلا، دکتری. دانشآموز EPFL، کوزیمو دلا سانتینا از TU Delft، و جوزی هیوز، رئیس آزمایشگاه طراحی و ساخت ربات محاسباتی در دانشکده مهندسی، یک دستگاه برداشت گوجهفرنگی کاربردی را با استفاده از Chat-GPT ایجاد کردند. محققان مزایا و معایب استفاده از ابزارهای هوش مصنوعی (AI) در رباتیک را بر اساس تجربه خود توضیح میدهند و استدلال میکنند که این میتواند نحوه طراحی رباتها را تغییر دهد و در عین حال فرآیند را غنیتر و سادهتر کند.
برای تعیین هدف، معیارهای طراحی و مشخصات ربات خود، محققان و LLM در ابتدا درگیر بحث “ایده سازی” شدند. سپس این ربات در مرحله بعدی در دنیای واقعی پیاده سازی شد که مستلزم بهینه سازی کد تولید شده توسط LLM، ساخت آن و عیب یابی عملکرد آن بود.
محققان از سطح مفهومی بالایی شروع کردند و برداشت رباتیک محصول را به عنوان یک پاسخ بالقوه شناسایی کردند. آنها سپس از دسترسی LLM به دادههای جهانی از مجلات دانشگاهی، کتابچههای راهنمای فنی، رمانها و رسانهها برای پاسخ به سؤالاتی مانند «روباتهاورستر چه ویژگیهایی باید داشته باشد؟» استفاده کردند. با “محتمل ترین” پاسخ.
محققان علاوه بر اختصاص نقش «مخترع» به Chat-GPT، سایر حالتهای احتمالی همکاری انسان-LLM را در مقاله خود بیان کردند. به عنوان مثال، «اکتشاف مشترک» از هوش مصنوعی برای تقویت تخصص محققان با کمک به دانش گسترده فراتر از زمینه های خود استفاده می کند.
هیوز می گوید، 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 به سمت محصولاتی باشد که در ادبیات بیشتر پوشش داده شده است، برخلاف محصولاتی که نیاز واقعی دارند. هنگامی که تصمیمات خارج از محدوده دانش مهندس گرفته می شود، این می تواند منجر به اشتباهات اخلاقی، مهندسی یا واقعی شود.
مرجع مجله:
- Stella, F., Della Santina, C. & Hughes, J. چگونه LLM ها می توانند فرآیند طراحی رباتیک را تغییر دهند؟ Nat Mach Intelll (2023). DOI: 10.1038/s42256-023-00669-7