عصر ربات‌ها و چالش‌های بزرگ در سفر به سوی زندگی انسانی

ربات‌ها و هوش فیزیکی در حال ورود به دوره شکوفایی خود هستند. فرصت‌های بزرگ با چالش‌های بزرگی همراه هستند و دانشمندان را مجبور می‌کنند تا در عصر ربات‌ها، راه‌حل‌هایی برای مشکلات «دشوار» پیدا کنند.

همزمان با اینکه جهان شاهد انفجار اتوماسیون، رباتیک و هوش مصنوعی (AI) است، فناوری‌های حسگر و سیستم‌های تعاملی هوشمند در حال تبدیل شدن به ارکان صنعت، خدمات و مراقبت‌های بهداشتی هستند. این نوآوری‌ها نه تنها بهره‌وری را بهبود می‌بخشند و هزینه‌ها را بهینه می‌کنند، بلکه رویکردهای جدیدی را برای بهبود کیفیت زندگی و حرکت به سمت توسعه پایدار نیز ایجاد می‌کنند.

این محتوای ارائه شده در سمینار «ربات‌ها و اتوماسیون هوشمند» است که توسط بنیاد VinFuture در صبح روز ۴ دسامبر در هانوی برگزار شد.

این بحث بر بسیاری از جنبه‌های برجسته حوزه رباتیک متمرکز بود: ربات‌های انسان‌نما با قابلیت‌های تعامل اجتماعی، ربات‌های همکار در خدمات و پزشکی، سیستم‌های رباتیک توانبخشی و موضوعات داغ مربوط به ایمنی هوش مصنوعی و اخلاق فناوری. این مطالب منعکس‌کننده روند توسعه ربات‌ها به سمت انسان‌گرایی، ایمنی و پایداری هستند.

مواد نرم: اساس ربات‌های انعطاف‌پذیر

در این سمینار، پروفسور کورت کرمر - مدیر افتخاری موسسه تحقیقات پلیمری ماکس پلانک (آلمان) - تأکید کرد که مواد نرم به لطف انعطاف‌پذیری، سهولت ساخت و سازگاری با محیط زیست، مسیر جدیدی را برای ربات‌ها باز می‌کنند. پلیمرها که به دلیل ارزانی، فراوانی و قابلیت تنظیم سختی خود به طور گسترده مورد استفاده قرار می‌گیرند، در جهت ظرفیت تحمل بار بهتر و تجزیه زیستی مؤثرتر توسعه می‌یابند.

او می‌گوید نکته‌ی کلیدی این است که این‌ها مواد «هوشمندی» هستند که می‌توانند در معرض محرک‌هایی مانند دما، pH، فشار یا تغییرات محیطی، منبسط شوند یا تغییر شکل دهند. آن‌ها با پاسخ حساس و سریع خود می‌توانند دریچه‌ها را به کار بیندازند، نیروهای مکانیکی ایجاد کنند یا به اجزای رباتیک بسیار پیچیده تبدیل شوند.

پروفسور کورت کرمر - مدیر افتخاری موسسه تحقیقات پلیمری ماکس پلانک (آلمان). (عکس: مین سون/ویتنام پلاس)

وقتی پلیمرها در ساختارهای پیچیده‌ای مانند ژل یا «برس» ترکیب می‌شوند، این مواد می‌توانند وظایف مکانیکی دشوار را بر عهده بگیرند و به تولید محرک‌های نرم برای ربات‌ها کمک کنند تا بتوانند به آرامی و با دقت بیشتری اشیا را بگیرند.

بسیاری از پلیمرها نیز بسیار رسانا یا دی‌الکتریک هستند و فرصت‌هایی را برای الکترونیک آلی ایجاد می‌کنند. اگرچه نمی‌توانند از نظر سرعت با سیلیکون رقابت کنند، اما ارزان‌تر هستند، تولید آنها آسان‌تر است، به عناصر خاکی کمیاب متکی نیستند و کاربردهایی در OLEDها، تلفن‌های تاشو و پنل‌های خورشیدی آلی پیدا کرده‌اند.

پروفسور کرمر معتقد است که با ترکیب هر سه عنصر: نرمی، پاسخگویی و خواص الکترونیکی، مواد آلی می‌توانند به فرم "نورومورفیک" تبدیل شوند که سازگاری سیستم عصبی را تقلید می‌کند. این پایه و اساس نسل‌های آینده ربات‌هایی است که انعطاف‌پذیر، ایمن و از نظر هزینه بهینه هستند.

از دیدگاه کاربردی، پروفسور هو یانگ کیم (دانشگاه ملی سئول، کره) خاطرنشان کرد که ربات‌ها هنگام کار با مواد نرم - گروهی از مواد که در همه جا از لباس، غذا، کیسه‌های پلاستیکی، سیم‌های برق گرفته تا لوازم پزشکی یافت می‌شوند - با چالش‌های بزرگی روبرو هستند.

ربات‌های سنتی برای اشیاء سفت و سخت و پایدار از نظر شکل بهینه شده‌اند. اما او گفت مواد نرم کاملاً متفاوت هستند، برای مثال، وقتی یک ربات یک تی‌شرت را در دست می‌گیرد، فقط با تغییر نقطه گرفتن، شکل پیراهن تغییر می‌کند، سطح پیراهن می‌تواند تا شود، چروک شود و پارامترهای پیچیده بی‌شماری ایجاد کند.

پروفسور هو یانگ کیم از دانشگاه ملی سئول، کره جنوبی. (عکس: مین سون/ویتنام پلاس)

کاری که انسان‌ها می‌توانند در عرض چند ثانیه انجام دهند، مانند بالا زدن آستین یا تا کردن لباس‌های شسته شده، چالش بزرگی برای ربات‌ها است. او گفت، این همچنین پارادوکس هوش مصنوعی مدرن است: می‌تواند معادلات را حل کند و حجم عظیمی از داده‌ها را به خاطر بسپارد، اما در انجام کارهای اساسی خانه مشکل دارد.

در تحقیقات خود، تیم او یک سیستم چنگک با استفاده از غشاهای الاستیک توسعه دادند که امکان بلند کردن پایدار پارچه‌های منفرد را فراهم می‌کند، حتی برداشتن اشیاء بیولوژیکی نرم مانند پوست پرتقال.

بر اساس این فناوری، تیم تحقیقاتی ماشینی ساختند که مرحله شماره گذاری را انجام می‌دهد - مرحله مهمی که قبلاً فقط انسان‌ها می‌توانستند انجام دهند. این ماشین می‌تواند این عملیات را بارها و بارها بدون هیچ اشتباهی تکرار کند.

به گفته او، برای حل مشکل مواد نرم، ربات‌ها باید بر چهار چالش غلبه کنند: توانایی درک دقیق وضعیت مواد؛ یک دست مکانیکی به اندازه کافی ظریف؛ یک سیستم کنترل انعطاف‌پذیر در مواجهه با تغییرات مداوم؛ و توانایی گسترش برای تولید انبوه. او نتیجه گرفت که پردازش مواد نرم، «دربی» برای ورود واقعی ربات‌ها به زندگی و تولید است.

ربات‌های انسان‌نما و الزامات هوش فیزیکی

پروفسور تان یاپ پنگ - رئیس دانشگاه وین گفت که ربات‌های انسان‌نما به دلیل اینکه می‌توانند به راحتی در محیط‌های انسانی فعالیت کنند، در حال تبدیل شدن به یک روند هستند. پیش‌بینی می‌شود که تا سال ۲۰۵۰، جهان ممکن است حداقل یک میلیارد ربات داشته باشد که با انسان‌ها زندگی و کار می‌کنند.

چالش بزرگ این است که ربات‌های امروزی عمدتاً برای یک کار واحد برنامه‌ریزی شده‌اند. برای حرکت به سمت ربات‌های چندوظیفه‌ای، این فناوری باید از مدل‌های زبانی بزرگ یاد بگیرد: ربات‌هایی که بر روی حجم زیادی از داده‌های ویدیویی آموزش دیده‌اند تا توانایی درک دنیای فیزیکی را ایجاد کنند.

پروفسور تان یاپ پنگ - مدیر VinUni. (عکس: Minh Son/Vietnam+)

اما حرکت از زبان به بینش و سپس به عمل، سفری طولانی است. ربات‌ها باید مشاهده کنند، استدلال کنند و دستورالعمل‌ها را دریافت کنند - مهارت‌هایی که همچنان گشوده می‌مانند.

پروفسور تان یاپ پنگ همچنین نمونه‌هایی از مدل‌هایی مانند «هوش فیزیکی نوع صفر» ارائه داد که به ربات‌ها اجازه می‌دهد داده‌های تصویری، ویدیویی و گفتاری را دریافت کرده و اقدامات مختلف کنترل ربات را انجام دهند. با این حال، با وظایف پیچیده‌ای مانند تا کردن لباس یا شستن لباس‌ها، ربات‌ها هنوز به تنظیم دقیق و داده‌های توضیحی از سوی متخصصان نیاز دارند.

به گفته پروفسور تان، بزرگترین محدودیت این است که ربات‌ها حافظه‌ای مشابه انسان‌ها ندارند. بنابراین، تیم او پیشنهاد ذخیره «قطعات حافظه» از نمایش‌های متخصصان را داد که به ربات‌ها اجازه می‌دهد هنگام مواجهه با وظایف جدید، تجربیات مشابه را جستجو و استفاده کنند. این رویکرد خطاها را کاهش می‌دهد و توانایی انجام وظایف طولانی را افزایش می‌دهد.

در عین حال، ربات‌ها باید مشکلات مربوط به انرژی، مهارت دستی، تشخیص خودکار، عملکرد ایمن و رعایت استانداردهای اخلاقی را نیز حل کنند. به گفته این استاد، همه اینها مشکلات بزرگی هستند که باید در 30 تا 50 سال آینده حل شوند.

دکتر نگوین ترونگ کوان، استادیار مهندسی هوانوردی و فضانوردی در دانشگاه کالیفرنیای جنوبی (USC) و مدیر ارشد علمی (CSO) شرکت VinMotion. (عکس: مین سون/ویتنام پلاس)

از منظر صنعتی، دکتر نگوین ترونگ کوان، استادیار مهندسی هوانوردی و هوافضا در دانشگاه کالیفرنیای جنوبی (USC) و مدیر ارشد علمی (CSO) شرکت VinMotion، گفت که هنگام حرکت از هوش مصنوعی دیجیتال به هوش فیزیکی، داده‌ها به کمیاب‌ترین عامل تبدیل می‌شوند. جهان به شدت در حال تغییر به سمت ربات‌های همه منظوره است زیرا آنها توانایی عمل را به ارمغان می‌آورند - کاری که هوش مصنوعی صرفاً دیجیتال نمی‌تواند انجام دهد.

بسیاری از پیش‌بینی‌ها نشان می‌دهد که بازار ربات‌های انسان‌نما و هوش فیزیکی می‌تواند در 10 سال آینده به 10،000 میلیارد دلار آمریکا برسد، در شرایطی که بسیاری از کشورها با کمبود نیروی کار مواجه هستند.

اما به گفته دکتر کوان، هوش فیزیکی با یک «چرخه معیوب مرغ و تخم‌مرغ» مواجه است، هوش مصنوعی خوب به داده‌های واقعی نیاز دارد؛ داده‌های واقعی برای کار به ربات‌ها نیاز دارند؛ و ربات‌هایی که به طور مؤثر کار می‌کنند به هوش مصنوعی قوی نیاز دارند.

آقای کوان گفت: «وین‌موشن با آوردن ربات‌ها به محیط‌های واقعی، به مدل «انسان در حلقه» نزدیک می‌شود و به انسان‌ها اجازه می‌دهد تا در مواجهه با موقعیت‌های دشوار، ربات‌ها را نظارت، پشتیبانی و پاسخ دهند. این مدل ایمنی را تضمین می‌کند و به هوش مصنوعی کمک می‌کند تا سریع‌تر یاد بگیرد و بستری برای مقیاس‌پذیری ایجاد کند.»

به گفته او، ربات‌های انسان‌نما به سه عامل نیاز دارند: سخت‌افزار خوب، نرم‌افزار/هوش مصنوعی خوب و یک سیستم استقرار ایمن. ویتنام یکی از کشورهایی است که قادر به برآورده کردن همزمان هر سه این عوامل است.

(ویتنام+)

منبع: https://www.vietnamplus.vn/ky-nguyen-robot-va-thach-thuc-lon-tren-hanh-trinh-buoc-vao-doi-song-con-nguoi-post1080970.vnp