آیا کاری وجود دارد که ChatGPT نتواند انجام دهد؟ بله، البته، اما به نظر می رسد که لیست کوچکتر و کوچکتر می شود. اکنون محققان از مدل زبان بزرگ برای کمک به طراحی و ساخت ربات جمع کننده گوجه فرنگی استفاده کرده اند.
مدل های زبان بزرگ (LLM) می توانند حجم عظیمی از داده های متنی را پردازش و درونی کنند و از این اطلاعات برای پاسخ به سؤالات استفاده کنند. ChatGPT OpenAI یکی از این LLM ها است.
در یک مطالعه موردی جدید، محققان دانشگاه صنعتی دلفت در هلند و موسسه فناوری فدرال سوئیس (EPFL) از ChatGPT-3 برای طراحی و ساخت یک ربات کمک گرفتند، که با توجه به اینکه ChatGPT یک زبان است، ممکن است عجیب به نظر برسد. مدل.
جوزی هیوز، یکی از نویسندگان این مقاله می گوید: «اگرچه ChatGPT یک مدل زبان است و تولید کد آن مبتنی بر متن است، بینش و شهود قابل توجهی برای طراحی فیزیکی ارائه می دهد و پتانسیل بالایی را به عنوان یک تابلوی صدا برای تحریک خلاقیت انسان نشان می دهد. مطالعه موردی منتشر شده در مورد تجربه
ابتدا، محققان از مدل هوش مصنوعی پرسیدند: “چالش های آینده برای بشریت چیست؟” ChatGPT سه پیشنهاد داد: تامین غذا، پیری جمعیت و تغییرات آب و هوایی. محققان تامین غذا را به عنوان امیدوارکننده ترین جهت برای طراحی ربات انتخاب کردند زیرا خارج از حوزه تخصصی آنها بود.
محققان با استفاده از دسترسی LLM به داده‌های جهانی که از نشریات دانشگاهی، کتابچه‌های فنی، کتاب‌ها و رسانه‌ها به دست می‌آیند، از هوش مصنوعی پرسیدند که یک ربات دروگر چه ویژگی‌هایی باید داشته باشد. ChatGPT یک گیره موتوری برای بیرون کشیدن گوجه فرنگی رسیده از درخت انگور ابداع کرد.
پس از تصمیم گیری در مورد این طرح کلی، محققان می توانند به سراغ جزئیات طراحی بروند، از جمله اینکه چه مصالح ساختمانی مورد استفاده قرار می گیرد و کد رایانه ای ایجاد کنند که آن را کنترل کند. در حال حاضر، LLM ها نمی توانند کل مدل های طراحی به کمک کامپیوتر (CAD) را تولید کنند، کد را ارزیابی کنند یا به طور خودکار یک ربات بسازند، بنابراین این مرحله محققان را ملزم می کند تا نقش «تکنسین» را در جایی که در این جنبه ها کمک می کنند، بهینه کنند، کد نوشته شده توسط LLM، نهایی کردن CAD و ساخت ربات.
استلا و همکاران/EPFL/TU Delft
فرانچسکو استلا، نویسنده اصلی این مطالعه موردی، گفت: «در حالی که محاسبات عمدتاً برای کمک به مهندسان در اجرای فنی استفاده شده است، برای اولین بار، یک سیستم هوش مصنوعی می‌تواند سیستم‌های جدیدی را طراحی کند، بنابراین وظایف شناختی سطح بالا را خودکار می‌کند. “این می تواند شامل تغییر نقش های انسانی به نقش های فنی تر باشد.”
بر اساس پیشنهادات فنی ارائه شده توسط ChatGPT-3، محققان گیره ربات خود را ساختند و آن را در دنیای واقعی آزمایش کردند و از آن برای چیدن گوجه فرنگی استفاده کردند که با موفقیت انجام شد.
استلا و همکاران/EPFL/TU Delft
محققان می‌گویند که مطالعه موردی آنها پتانسیل تغییر فرآیند طراحی را از طریق همکاری بین انسان‌ها و LLMها نشان می‌دهد، اما آنها آگاه هستند که دریچه‌ای را برای درجات مختلفی از همکاری باز می‌کند.
آنها می گویند که در یک نقطه افراطی، هوش مصنوعی به عنوان یک «مخترع» عمل می کند و تمام ورودی طراحی ربات را با انسان هایی که کورکورانه از آن استفاده می کنند، فراهم می کند. یک جایگزین، استفاده از دانش گسترده هوش مصنوعی برای تکمیل تخصص انسانی است. رویکرد سوم حفظ انسان به عنوان یک مخترع و استفاده از هوش مصنوعی برای اصلاح فرآیند طراحی از طریق عیب یابی، اشکال زدایی و مدیریت فرآیندهای خسته کننده یا وقت گیر است.
محققان خطرات اخلاقی و عقلانی را مطرح می کنند که ممکن است ناشی از همکاری انسان و هوش مصنوعی باشد. آنها به مسائل مربوط به سوگیری، سرقت ادبی و حقوق مالکیت معنوی (IP) به عنوان زمینه‌های نگرانی اشاره می‌کنند و این سوال را مطرح می‌کنند که آیا یک طرح تولید شده توسط LLM با توجه به اینکه از دانش موجود استفاده می‌کند، می‌تواند «جدید» در نظر گرفته شود.
هیوز گفت: «در مطالعه ما، ChatGPT گوجه‌فرنگی را به عنوان محصولی که «ارزش‌ترین» را برای یک دستگاه برداشت روباتیک دنبال می‌کند، شناسایی کرد. نیاز واقعی هنگامی که تصمیمات خارج از محدوده دانش مهندس گرفته می شود، این می تواند منجر به اشتباهات اخلاقی، مهندسی یا واقعی شود.
علیرغم این نگرانی ها، محققان بر این باورند که اگر به خوبی مدیریت شود، پتانسیل زیادی در همکاری انسان و هوش مصنوعی وجود دارد.
محققان گفتند: «جامعه روباتیک باید چگونگی استفاده از این ابزارهای قدرتمند را برای سرعت بخشیدن به پیشرفت روبات‌ها به روشی اخلاقی، پایدار و توانمندسازی اجتماعی شناسایی کند.» با نگاهی به آینده، ما قویاً معتقدیم که LLM فرصت‌های هیجان‌انگیزی را به وجود می‌آورد و در صورت مدیریت مناسب، نیرویی برای خیر خواهد بود.»
مطالعه موردی در مجله منتشر شد هوش ماشین طبیعت.
منبع: EPFL
