یک جرعه حقیقت

هوش:
هوشمند ساختن يک ربات (و يا کامپيوتر) کار سختی است که تا کنون، حتی زمانی که برای اين کار از ابر رايانه ها استفاده می شده، چندان موفقيت آميز نبوده است. اين بدين معنی نيست که بگوييم رباتها برای انجام کارهای مفصل و پيچيده قابل برنامه ريزی نيستند، البته که هستند. برای بشر، انجام بعضی افعال به نحو سريع و سودمندانه نا ممکن است. به عنوان مثال، فرض کنيد شخصی بخواهد 28 سيم را ظرف مدت 2 ثانيه به يک تراشه سيليکون ¼  اينچی لحيم کند تا با آن يک مدار مجتمع بسازد. البته که ناممکن است بتواند بدون ماشين اين کار را انجام دهد. با اين حال عملکرد ماشين با همه تاثيرش، هوش محسوب نمی شود.
روشهايی برای ايجاد هوش:
دو مکتب فکری در رابطه با خلق هوش در سيستم های مصنوعی وجود دارد. راه اول برنامه ريزی يک سيتم خبره است (روش از بالا به پايين)، راه دوم سيستم های عصبی يا سيستم های مبنی برر فتار می باشد (روش از پايين به بالا).
سيستم خبره از يک سری قوانين برای هدايت ربات در انجام کار استفاده می کند. اما برنامه های مبنی بر رفتار، نوعی رفتار مصنوعی در ربات ايجاد می کنند که باعث می شود ربات به طور خودکار وظيفه لازم را انجام دهد. می توان رفتار را در ربات برنامه ريزی کرد (نرم افزار) و يا به طور سخت افزاری در آن پياده سازی نمود. هوش مبنی بررفتار نيازی به پردازشگر مرکزی ندارد هر چند ممکن است اين گونه سيستم ها، يک پردازشگر مرکزی نيز داشته باشند.
بگذاريد نگاهی بيندازيم بر مساله برنامه ريزی و ببينيم که چگونه هر يک از راهها متفاوت از ديگری است. فرض کنيد شما برای شرکتی کار می کنيدکه يک جاروبرقی رباتيک جديد طراحی کرده است. قصد ربات اين است که سطح کف خانه يا آپارتمان مصرف کننده را جارو کند. فرض کنيد وظيفه شما برنامه ريزی سيستم حرکتی آن می باشد. ربات بايد به طور خود مختار در خانه حرکت کند. چگونه شما مشغول برنامه ريزی ربات خواهيد شد که در اتاق حرکت کند و بتواند بدون آسيب رساندن به محل، به درون اتاق برود و از آن خارج شود؟
بگذاريد فرض کنيم شما ابتدا تصميم میگيريد يک سيستم حرکتی هوشمند را آزمايش کنيد. برای اين سيستم بايد از شيوه برنامه ريزی brute–force و مقدار زيادی حافظه استفاده کنيد. ممکن است بخواهيد، با تقسيم کردن وظيفه جارو کردن آپارتمان يا خانه به وظايف کوچکتری مانند جارو کردن اتاق های خاص، کارتان را آغاز کنيد. ابتدا در حافظه ربات، يک نقشه الکترونيکی (طرح کف اتاق) از خانه يا جايی که ربات بايد جارو کند برنامه ريزی می کنيد. سپس، هر اتاق و محتوياتش را ترسيم می نماييد. ربات در حين حرکت بايد توانايی اندازه گيری جهت و جابه جايی را داشته باشد تا صحت مسير خود را حفظ کند. هنگامی که اين طرح اجرا شد، ربات بايد يک نقطه شروع دقيق روی نقشه داشته باشد.
جا به جايی ربات از نقطه شروع، اندازه گيری شده و روی نقشه داخلی ربات مشخص می شود. اگر چيزی در جايی غير از جای خود قرار گرفته باشد يا چيزی از محل خارج شده باشد ( مانند صندلی يا سطل زباله)، مشکلاتی ايجاد خواهد شد. در اين حالت دنيای واقعی با نقشه داخلی ربات سازگار نيست. اگر چيز جديدی مانند کيف، اسباب بازی، يا حيوان خانگی نيز روی کف اتاق جا مانده باشد مشکلات مشابهی ايجاد می گردد.
با اين حال، اين موانع مشکل چندانی برای سيستم خبره ايجاد نمی کنند. برای رفع اين مشکل می توان يک زير برنامه آشکار سازی برخورد نوشت، تا ربات به واسطه آن تصادفات را آشکار کند، نقشه بکشد، و به اطراف مانعی برود که در نقشه درونی وجود ندارد. ربات به حرکت ادامه داده و کف اتاق را جارو می کند. به خاطر بسپاريد هنگامی که ربات در اطراف موانع جديد حرکت می کند، در حين حرکت به طور مداوم نقشه درونی اش را به هنگام می کند (تازه) تا يکپارچگی و درستی مسيرش را حفظ نمايد. اين امور وقت و حافظه زيادی از کامپيوتر را اشغال می کند.
خوب، جاروبرقی وظيفه خود را انجام داد. حال فرض کنيد می خواهيد اين ربات را واگذار کنيد يا اجاره دهيد. اينک يک مشکل داريد. هر خانه جديد و هر اتاق در اين خانه جديد مستلزم نقشه الکترونيکی تازه ای برای خودش است. هر چند برنامه ريزی خبره جواب می دهد (عمل می کند) ولی تمايل به عدم سازگاری با شرايط جديد دارد.
حال بگذاريد شيوه ديگر را که از برنامه ريزی مبنی بر رفتار يا از پايين به بالا استفاده می کند، آزمايش کنيم و برای حس کردن و حرکت در اطراف موانع و پرهيز از گير کردن زير مبل و گوشه های اتاق ، به جای طراحی نقشه های درونی، واکنش حس گرها و الگوريتم های مبنی بر رفتار (حلقه های فيدبک و feedforward) را برنامه ريزی می کنيم. بدون نقشه داخلی، ما به ربات اجازه می دهيم که حرکت کند و در خانه به نحو تصادفی جابه جا شود. ايده کار اين است: هنگامی که ربات به طور تصادفی حرکت می کند، سرانجام در ميان اتاق ها پيش رفته و در حين حرکت کف اتاق ها را تميز خواهد کرد. چون ربات به صورت تصادفی حرکت می کند، مدت زمان بيشتری طول می کشد تا همه جا را جارو کند و همچنين بعضی نقاط را از دست خواهد داد ولی به هر حال کارش را انجام می دهد. اين ربات در هر خانه و هر اتاق و در هر زمانی قابل استفاده است چون برای يک خانه يا اتاق به خصوص برنامه ريزی نشده .
مثال ما در حين ساده بودن، تفاوتهاي اصلی میان برنامه ريزی خبره و مبتنی بررفتار (عصبی) را نشان داد. ولی اجازه دهيد پيش از ادامه بحث فقط به يک مثال ديگر توجه کنيم.
سيستم های خبره، تمامی پاسخ هايی را که طراحان اعتقاد دارند لازم است، قبل از شروع به کار سيستم،به صورت برنامه دريافت می دارند. سيستم خبره ممکن است اطلاعات جديدی ذخيره يا دسته بندی کند ولی بر پايه اطلاعات موجود و طبقه بندی های از پيش تعيين شده.
دستگاه سنگ شناسی (تعيين هويت سنگ) می تواند مثالی برای اين سيستم باشد. ربات سنگ را بر پايه مشخصه های شناخته شده مانند رنگ، سختی، آزمونهای واکنش با اسيد، جرم و غيره آزمايش می کند. سيستم هوشمند اگر سهوا يک تکه يخ را بردارد که آن هم به هنگام آزمايش ذوب می شود، در کارش شکست می خورد. بله، ربات شکست می خورد چون طراح هيچگاه پيش بينی نکرده بود که ربات اشتباها يک تکه يخ را بردارد و اين حالت را منظور ننموده بود.
سيستم های عصبی مبتنی بر رفتار از پيش برنامه ريزی نمی شوند و البته انعطاف پذيری  بيشتری دارند، همان طور که در مثال های قبل نشان داده شد. ولی آيا يک سيستم عصبی برای کار سنگ شناسی مناسب می باشد؟ شايد نه. مواردی وجود دارند که در آنها سيستم های خبره گزينه درست برای انتخاب می باشند. هيچ کس نبايد چشم بسته بپندارد که يکی از سيستم ها در تمام موارد از ديگری بهتر است.
تا کنون، ربات های مبنی بر رفتار (عصبی) در انجام اموری مانند حرکت در ناحيه های ناهموار و نا آشنا، از ربات های برنامه ريزی شده (خبره) موفق تر بوده اند. هوش مبنی بر رفتار (عصبی) غير از آنچه گفته شد شامل موارد ديگری نيز می شود مانند: بازشناسی گفتار (Speech recognition)، ديد مصنوعی (Artificial vision)، خلق گفتار (Speech generation)، تحليل اطلاعات بازار بورس، تدابير بيمه عمر.
هوش کجاست؟
سيستم های مبنی بر رفتار در ابتدايی ترين سطح شان کنش های انعکاسی عصبی هستند، شايد بپرسيد پس کجای اين هوش است؟ در هر صورت، سيستم های مبنی بر رفتار واقعی هنگامی که (لايه لايه) روی هم قرار می گيرند، رفتاری که به نظر می رسد کنش های هوشی باشند را از خود بروز می دهند. البته اين يک ذهن هوشيار نيست ولی با اين همه، مدارات مبنی بر رفتار (لا يه ای) به طور کاملا متقاعد کننده ای حرکات هوشمندانه را تقليد می کنند.
پاسخ های رفتار لايه ای:
بگذاريد تعدادی پاسخ رفتاری را يکی روی ديگری طبقه بندی کنيم تا ببينيم هوش چگونه پديدار می شود. در اينجا يک ربات نور پيمای اصلاح شده را مورد بررسی قرار می دهيم. اين ربات از تعدادی مقاومت نوری برای اندازه گيری شدت نور محيط استفاده می کند. در تاريکی سيستم خودش را خاموش می کند و خط تغذيه ربات را قطع می نمايد. هنگامی که نور محيط به آستانه پايين (حداقل قابل قبول) برسد خودش را روشن می کند و ربات به آرامی به جلو حرکت می کند.
لايه 2، يک حسگر با دو مقاومت نوری می باشد. اين حسگرها مشخص می کنند که در کدام جهت شدت نور بيشتر است و ربات را به سمت بيشترين شدت نور هدايت می کننند.
لايه3، حسگری با يک مقاومت نوری است. زير نور خورشيد، اين حسگر سيستم حرکت ربات را خاموش می کند و اجازه می دهد ربات زير نور حمام آفتاب بگيرد. يک شخص نا آشنا که نمی داند اين ربات به چه صورت سيم بندی شده، رفتار زير را مشاهده خواهد کرد:
شب هنگام ربات می خوابد، به هنگام طلوع آفتاب، شروع به حرکت می کند و به جستجوی يک منبع نور درخشان (غذا) می رود. هنگامی که منبع نور به اندازه کافی درخشان باشد، می ايستد تا تغذيه کند و باتريهايش را به واسطه صفحات خورشيدی شارژ کند.
بنابراين ربات نور پيمای شما  سه رفتار از خود بروز می دهد ـ خواب، جستجو يا شکار و تغذيه اين برای يک مشت قطعه بد نيست.
رباتيک مبتنی بر رفتار:
دانش رباتيک و برنامه های مبتنی بر رفتار مفاهيم جديدی نيستند. در طول دهه 40، آزمايش هايی در اين رابطه انجام شد و آثار ارزشمندی به نگارش در آمد.
در اين دهه دکتر والتر با استفاده از چند نورون الکتريکی (ياخته عصبی مصنوعی)، دو ربات متحرک لاک پشت مانند ساخت که رفتاری پيچيده ابراز می کردند. در آن زمان اين گونه رفتارها، انعکاس رباتيک ناميده می شدند. امروزه اين رفتار، با اصطلاح صحيح تر معماری عصبی لايه ای توصيف می شود.
در دهه 80، بريتنبرگ کتابی با عنوان (ماشين هاـ آزمايش هايی در روانشناسی مصنوعی) نوشت که در آن خلق رفتار پيچيده با استفاده از چند ياخته عصبی مصنوعی را توصيف نمود.
رادنی بروکس، رئيس آزمايشگاه هوش مصنوعی دانشگاه MIT، پيشگام دانش معماری لايه ای است. معماری لايه ای نوعی سيستم عصبی و مبنی بر رفتار می باشد.
مارک تيلدن، خالق تکنولوژی شبکه عصبی، استراتژهايی مانند راه رفتن را به رباتهايش نمی آموزد. در عوض يک شبکه عصبی ايجاد می کند که حالت مطلوب آن، منجر به راه رفتن می شود.
آنچه اين دانشمندان کشف کرده اند اين است که معماری عصبی مبنی بر رفتار (سيستم معماری لايه ای) مزايای منحصر به فردی نسبت به سيستم های خبره دارد.
در سيستم های عصبی مبنی بر رفتار، سيستم های کنترل فازی و تشخيص فازی نقش بسزايی در پياده سازی آنها دارند. در اینجا توجه شما را به مقالات فازی جلب می کنيم.
                                                                            

برگرفته از کتاب: اصول و راهنمايی ساخت ربات

منبع