أسئلة كثيرة تطرح اليوم حول قدرات تعلم الآلة وتفوقها يوما ما على الذكاء البشري مع تطور تقنيات تعلم الآلة والتعلم العميق مع الخلايا العصبية الاصطناعية. وهي تقنيات وضع أسسها الذكاء البشري والهدف منه تطوير قدرات الآلة لمساعدة البشري ورفع انتاجيته. وبالنسبة للروبوتات، منطقيا قبل بدأ أي مهمة جديدة يجب على البشري إعادة برمجة الروبوت ليتعلم ما هي مهمته المقبلة.

غير أن علماء وباحثون من معهد الـMIT،معهد ماساتشوستس للتكنولوجيا، يرغبون بمنح الروبوتات القدرة على التعلم دون برمجة مسبقة.
فبعد أن تخيل علماء الـ MITالذراع الإلكتروني الذي يمكنه التحكم بقوته ذاتيا لتتناسق والمهمة المطلوبة من الذراع الصناعي، بدأ هؤلاء وضمن مختبر علوم الكمبيوتر والذكاء الاصطناعي التابع للـMIT: MIT Computer Science and Artificial Intelligence Laboratoryوضع نظام تحكم جديد للروبوتات يمنحها القدرة على لالتقاط الأشياء والتعامل معها حتى تلك التي لا تعرفها الروبوتات ولم ترها من قبل أو لم تبرمج للتعامل معها.
نظام تقني جديد يتيح للروبوتات التعلم بأنفسها وهو نظام يعتبر ثوري من الناحية المبدئية، أطلق على هذا النظام اسم kPAM،Keypoint Affordance Manipulation.هذا النظام مبني على إنشاء خرائط طريق مرئية تتيح للروبوتات التعلم الذاتي والتصرف في مواجهة طارئ وكيفية التعامل مع العناصر المختلفة من خلال رؤيتها كمجموعات من النقاط الرئيسية ثلاثية الأبعاد.
إذ يُمَّكن نظام kPAMالكشف عن مجموعه من الإحداثيات “keypoints” على شيء أو كائن ما وتوفر هذه الإحداثيات جميع المعلومات التي يحتاجها الروبوت لتحديد ما يجب القيام به مع هذا الكائن أو هذا الشيء. يمكن للنقاط المفتاحية التعامل بشكل طبيعي مع الاختلاف بين نوع معين من الأشياء، مثل فنجان أو حذاء.
في حاله الفنجان، يحتاج نظام kPAM إلى ثلاث نقاط مفتاحيه، والتي تتكون من محور وجانب وأسفل الفنجان للتعامل معه، وللتعرف على الحذاء يحتاج نظام kpam لست نقاط ليتمكن مثلا من التقاط أكثر من 20 زوج من الأحذية. ويعمل النظامالذي طوره فريق CSAIL مختبر علوم الكمبيوتر والذكاء الاصطناعيعلى الكشف عن الإحداثيات للعنصرkeypoint، ثم تحديد المطلوب.

حسب لوكاس مانويللي طالب الدكتوراه وأحد فريق العلماء في معهد الـ MIT، فأنهم يأملون بتطوير النظام بشكل أكبر حتى تتمكن الآلات التي تعمل بنظامkPAM من القيام بمهام أكثر دقة من خلال فهم أكبر للطبيعة البشرية، مثلا كتفريغ غسالة الصحون وترتيب الصحون ومسح أرض المطابخ. وتظهر براعة نظام kPAM من خلال قدرته على دمج الأمثلة الجديدة لأنواع الكائنات أو الأشياء بسرعة.
يقول مانويلي :”إن النظام في البداية لم يستطع التقاط الأحذية ذات الكعب العالي لأنه لم تكن هناك اي أمثله في مجموعه البيانات DATA. وقد تم حل المشكلة بسهوله بمجرد ان أضافوا بضعة أزواج من الأحذية ذات الكعب العاليإلى بيانات التدريب الخاصة بالشبكة العصبية الاصطناعية لنظام kPAM“.
هنا نعود لنسأل إلى أي مدى يمكن للذكاء البشري أن يذهب لتحسين قدرات الروبوتات وذكاء الآلة؟