علم الروبوتات التطوري (DevRob) ، الذي يُطلق عليه أحيانًا الروبوتات الوراثية اللاجينية ، هو مجال علمي يهدف إلى دراسة الآليات التنموية والمعماريات والقيود التي تسمح بالتعلم المستمر طوال الحياة لمهارات جديدة ومعرفة جديدة في الآلات المتجسدة. وكما هو الحال في الأطفال البشر ، من المتوقع أن يكون التعلم تراكمياً وأن يزداد التعقيد بشكل مطرد ، وأن ينجم عن استكشاف الذات للعالم إلى جانب التفاعل الاجتماعي. يتمثل المنهج المنهجي التقليدي في البدء من نظريات التنمية البشرية والحيوانية التي تم تطويرها في مجالات مثل علم النفس التنموي ، وعلم الأعصاب ، وعلم الأحياء التطوري والتطوري ، واللغويات ، ثم إضفاء الطابع الرسمي عليها وتنفيذها في الروبوتات ، وأحيانًا استكشاف التمديدات أو المتغيرات منها. إن تجريب هذه النماذج في الروبوتات يسمح للباحثين بمواجهتها بالواقع ، ونتيجة لذلك ، فإن الروبوتات التطورية توفر أيضًا التغذية الراجعة وفرضيات جديدة حول نظريات التنمية البشرية والحيوانية.
يرتبط الروبوتات التنموية ، ولكنها تختلف عن ، الروبوتات التطورية (ER). تستخدم ER مجموعات من الروبوتات التي تتطور مع مرور الوقت ، بينما تهتم DevRob بكيفية تطور نظام التحكم في الروبوت الواحد من خلال التجربة ، مع مرور الوقت.
يرتبط DevRob أيضًا بالعمل المنجز في مجالات الروبوتات والحياة الاصطناعية.
خلفية
هل يمكن أن يتعلم الروبوت مثل الطفل؟ هل يمكن أن تتعلم مجموعة متنوعة من المهارات الجديدة والمعرفة الجديدة غير المحددة في وقت التصميم وفي بيئة غير معروفة بشكل جزئي ومتغيرة؟ كيف يمكن أن يكتشف جسمه وعلاقاته مع البيئة المادية والاجتماعية؟ كيف يمكن تطوير قدراته المعرفية باستمرار دون تدخل مهندس عندما يكون “خارج المصنع”؟ ماذا يمكن أن تتعلم من خلال التفاعلات الاجتماعية الطبيعية مع البشر؟ هذه هي الأسئلة في مركز الروبوتات التنموية. قام آلان تورينج ، بالإضافة إلى عدد من الرواد الآخرين في علم التحكم الآلي ، بصياغة تلك الأسئلة والنهج العام في عام 1950 ، ولكن منذ نهاية القرن العشرين بدأوا بالتحقيق بشكل منهجي فقط منذ نهاية القرن العشرين.
نظرًا لأن مفهوم الآلة الذكية المتكيفة يعد أمرًا أساسيًا في مجال الروبوتات التطورية ، فإنه يتمتع بعلاقات مع مجالات مثل الذكاء الاصطناعي ، أو التعلم الآلي ، أو علم الروبوتات الإدراكي ، أو علم الأعصاب الحسابي. ومع ذلك ، في حين أنه قد يعيد استخدام بعض التقنيات الموضحة في هذه المجالات ، فإنه يختلف عنها من عدة وجهات نظر. وهو يختلف عن الذكاء الاصطناعي الكلاسيكي لأنه لا يتحمل القدرة على التفكير الرمزي المتقدم ويركز على المهارات الحسية والاجتماعية المتجسدة والموجودة بدلاً من المشكلات الرمزية المجردة. وهو يختلف عن التعلم الآلي التقليدي لأنه يستهدف التعلم الذاتي المستقل الذي يعتمد على المهمة بدلاً من الاستدلال الخاص بمهمة معينة على “بيانات الاستشعار عن طريق الملوثات التي يتم تحريرها بواسطة الإنسان” (Weng et al.، 2001). وهو يختلف عن الروبوتات المعرفية لأنه يركز على العمليات التي تسمح بتكوين القدرات المعرفية بدلاً من هذه القدرات نفسها. وهو يختلف عن علم الأعصاب الحسابي لأنه يركز على النمذجة الوظيفية للمعماريات المتكاملة للتنمية والتعلم. بشكل عام ، تتميز الروبوتات التطورية بشكل فريد بالخصائص الثلاث التالية:
إنها تستهدف بنى مستقلة وآليات تعلم مستقلة عن المهام ، أي أن الجهاز / الروبوت يجب أن يكون قادراً على تعلم مهام جديدة غير معروفة من قبل المهندس.
وهو يؤكد على التنمية المفتوحة والتعلم مدى الحياة ، أي قدرة الكائن الحي على اكتساب مهارات جديدة باستمرار. لا ينبغي أن يُفهم ذلك على أنه قدرة على تعلم “أي شيء” أو حتى “كل شيء” ، ولكن فقط أن مجموعة المهارات التي يتم اكتسابها يمكن تمديدها بلا حدود على الأقل في بعض الاتجاهات (وليس كلها) ؛
يجب زيادة تعقيد المعرفة والمهارات المكتسبة (وزيادة السيطرة عليها) بشكل تدريجي.
ظهرت الروبوتات التنموية على مفترق الطرق لعدة مجتمعات بحثية بما في ذلك الذكاء الاصطناعي المتجسد ، والنظم التفاعلية والديناميكية ، والعلوم المعرفية ، والارتباطية. بدءا من الفكرة الأساسية أن التعلم والتطوير يحدثان كنتيجة ذاتية التنظيم للتفاعلات الديناميكية بين الأدمغة والهيئات وبيئتها الجسدية والاجتماعية ، ومحاولة فهم كيف يمكن تسخير هذه التنظيم الذاتي من أجل توفير التعلم مدى الحياة المستقل من مهارات زيادة التعقيد ، الروبوتات التنموية تتفاعل بقوة مع مجالات مثل علم النفس التنموي ، علم الأعصاب التنموي والمعرفي ، علم الأحياء التنموي (علم الأجنة) ، علم الأحياء التطوري ، واللسانيات المعرفية. نظرًا لأن العديد من النظريات الواردة من هذه العلوم هي كلمات و / أو وصفية ولفظية ، فإن هذا ينطوي على إضفاء طابع رسمي على النمذجة الحسية والنمذجة الحسابية في مجال الروبوتات التطورية. هذه النماذج الحاسوبية لا تستخدم فقط كطرق لاستكشاف كيفية بناء آلات أكثر تنوعا وتعديلا ، ولكن أيضا كطريقة لتقييم تماسكها وربما استكشاف تفسيرات بديلة لفهم التنمية البيولوجية.
اتجاهات البحث
مجالات المهارة
نظرًا للنهج العام والمنهجية ، تركز مشاريع الروبوتات التنموية عادةً على أن يطور الروبوتات نفس أنواع المهارات مثل الرضع البشريين. والفئة الأولى التي يتم بحثها بشكل مهم هي اكتساب المهارات الحسية. وتشمل هذه الاكتشافات اكتشاف جسم الفرد نفسه ، بما في ذلك هيكله ودينامياته مثل التنسيق بين العين والعين ، والتنقل ، والتفاعل مع الأشياء وكذلك استخدام الأدوات ، مع التركيز بشكل خاص على اكتشاف وتعلم القدرة على تحمل التكاليف. الفئة الثانية من المهارات التي تستهدفها الروبوتات التطورية هي المهارات الاجتماعية واللغوية: اكتساب ألعاب سلوكية اجتماعية بسيطة مثل أخذ الأدوار ، والتفاعل المنسق ، والمعاجم ، والقواعد اللغوية والنحوية ، وتأصيل هذه المهارات اللغوية إلى المهارات الحسية (يشار إليها أحيانًا) كرمز التأريض). وبالتوازي مع ذلك ، يجري التحقيق في اكتساب المهارات المعرفية المرتبطة بها ، مثل ظهور التميّز الذاتي / غير الذاتي ، وتطوير القدرات الملحوظة ، وأنظمة التصنيف ، والتمثيل العالي المستوى للقدرات أو البناء الاجتماعي ، لظهور القيم. أو التعاطف أو نظريات العقل.
الآليات والقيود
المساحات الحسية والاجتماعية التي يعيش فيها البشر والروبوت كبيرة ومعقدة لدرجة أنه لا يمكن استكشاف وتعلم سوى جزء صغير من المهارات التي يمكن تعلمها في الحياة. وبالتالي ، فإن الآليات والقيود ضرورية لتوجيه الكائنات التنموية في تطويرها ومراقبتها لنمو التعقيد. هناك العديد من العائلات المهمة من هذه الآليات والقيود التوجيهية التي يتم دراستها في الروبوتات التنموية ، وكلها مستوحاة من التنمية البشرية:
أنظمة تحفيزية ، تولد إشارات مكافأة داخلية تدفع بالاستكشاف والتعلم ، والتي يمكن أن تكون من نوعين رئيسيين:
الدوافع الخارجية تدفع الروبوتات / الكائنات الحية للحفاظ على الخصائص الداخلية المحددة الأساسية مثل مستوى الغذاء والماء ، السلامة الجسدية ، أو الضوء (على سبيل المثال في أنظمة الفوتوتروبيك) ؛
تدفع الدوافع الذاتية الروبوت للبحث عن الجدة أو التحدي أو الانضغاط أو تعلم التقدم في حد ذاته ، وبالتالي توليد ما يسمى أحيانا التعلم والاستكشاف القائم على الفضول ، أو التعلم والاستكشاف النشطين بدلا من ذلك ؛
التوجيه الاجتماعي: عندما يتعلم البشر الكثير من خلال التفاعل مع أقرانهم ، فإن الروبوتات التطورية تحقق في آليات يمكن أن تسمح للروبوتات بالمشاركة في التفاعل الاجتماعي الشبيه بالإنسان. من خلال إدراك وتفسير الإشارات الاجتماعية ، قد يسمح هذا للروبوتات بالتعلم من البشر (من خلال وسائل متنوعة مثل التقليد ، المحاكاة ، تعزيز التحفيز ، التظاهر ، إلخ …) وإطلاق طرق تدريس طبيعية للإنسان. وهكذا ، يتم أيضا التحقيق في القبول الاجتماعي للروبوتات التنموية ؛
التحيزات الإحصائية الاستدلالية وإعادة استخدام المعرفة / المهارات المتراكمة: يمكن للتحيزات التي تميز كل من التمثيلات / الترميزات وآليات الاستدلال أن تسمح عادة بتحسينات كبيرة في كفاءة التعلم وبالتالي يتم دراستها. وفيما يتعلق بذلك ، فإن الآليات التي تسمح باستنباط معارف جديدة واكتساب مهارات جديدة عن طريق إعادة استخدام الهياكل التي سبق تعلمها ، هي أيضا مجال أساسي للدراسة ؛
إن خصائص التجسيد ، بما في ذلك الهندسة ، أو المواد ، أو البدايات / التآزرات الحركية الفطرية التي غالباً ما يتم ترميزها كنظم ديناميكية ، يمكن أن تبسط إلى حد كبير اكتساب المهارات الحسية أو الاجتماعية ، ويشار إليها أحيانًا بالحساب الصرفي. يمثل تفاعل هذه القيود مع القيود الأخرى محورًا مهمًا للتحقيق.
القيود الناضجة: في جسم الإنسان ، ينمو الجسم والجهاز العصبي بشكل تدريجي ، بدلاً من أن يكونا كاملين عند الولادة. وهذا يعني على سبيل المثال أن درجات الحرية الجديدة ، وكذلك زيادة حجم وضوح الإشارات الحسية المتوفرة ، قد تظهر مع تطور وتطور التعلم. نقل هذه الآليات في الروبوتات التنموية ، وفهم كيف يمكن أن تعيق أو على العكس من سهولة اكتساب مهارات معقدة جديدة هو مسألة مركزية في الروبوتات التنموية.
من تطوير المحاكاة البيولوجية إلى الإلهام الوظيفي.
في حين أن معظم مشاريع الروبوتات التنموية تتفاعل بقوة مع نظريات التنمية الحيوانية والبشرية ، فإن درجات التشابه والإلهام بين الآليات البيولوجية المحددة ونظيرتها في الروبوتات ، بالإضافة إلى مستويات التجريد للنمذجة ، قد تختلف كثيرًا. في حين أن بعض المشاريع تهدف إلى وضع نماذج لكل من الوظيفة والتنفيذ البيولوجي (النماذج العصبية أو المورفولوجية) ، كما هو الحال في النماذج العصبية ، فإن بعض المشروعات الأخرى تركز فقط على النمذجة الوظيفية للآليات والقيود الموصوفة أعلاه ، وربما يمكن إعادة استخدامها على سبيل المثال في أساليب الهندسة المعمارية. القادمة من الرياضيات التطبيقية أو المجالات الهندسية.
أسئلة مفتوحة
بما أن الروبوتات التطورية هي مجال بحثي جديد نسبياً وفي نفس الوقت طموح للغاية ، لا يزال هناك العديد من التحديات المفتوحة الأساسية التي يتعين حلها.
بادئ ذي بدء ، فإن التقنيات الحالية بعيدة كل البعد عن السماح للروبوتات عالية السرعة في العالم الحقيقي لتعلم ذخيرة مفتوحة من المهارات المعقدة على مدى فترة الحياة. المساحات الحسية ذات الأبعاد العالية هي عقبة رئيسية يجب حلها. التعلم التراكمي مدى الحياة هو واحد آخر. في الواقع ، لم يتم حتى الآن إعداد أي تجارب تدوم لأكثر من بضعة أيام ، والتي تتناقض بشدة مع الفترة الزمنية التي يحتاجها الأطفال الرضع لتعلم المهارات الحسية الأساسية في حين أنها مجهزة بالأدمغة والمورفولوجيا التي هي أقوى من الآليات الحسابية الموجودة.
من بين استراتيجيات الاستكشاف من أجل التقدم نحو تحقيق هذا الهدف ، سيتم التحقيق في التفاعل بين الآليات والقيود الموصوفة في القسم السابق بطريقة أكثر منهجية. في الواقع ، لقد تمت دراستهم بشكل رئيسي في عزلة. على سبيل المثال ، يعتبر التفاعل بين التعلم ذي الدوافع الجوهرية والتعلم الموجه اجتماعيًا ، والذي قد يكون مقيدًا بالنضج ، مسألة أساسية يجب التحقيق فيها.
ويتمثل تحدٍ آخر مهم في السماح للروبوتات بأن تدرك وتفسر وتزيد من تنوع الإشارات الاجتماعية المتعددة الوسائط التي يوفرها البشر غير المهندسين أثناء التفاعل بين الإنسان والروبوت. هذه القدرات محدودة للغاية في الغالب بحيث لا تسمح بتدريس أغراض عامة فعالة من البشر.
إن إحدى القضايا العلمية الأساسية التي يجب فهمها وحلها ، والتي تنطبق بالتساوي على التنمية البشرية ، هي كيف يمكن تشكيل والترابط الوظيفي ، والأوليات ، والنمطية ، على جميع مستويات الهياكل الحسية والاجتماعية ، والاستفادة منها أثناء التطوير. وهذا يرتبط ارتباطًا وثيقًا بمشكلة ظهور الرموز ، والتي يشار إليها أحيانًا باسم “مشكلة التأشير الرمزية” عندما يتعلق الأمر باكتساب اللغة. في الواقع ، يجري التشكيك بفعالية في وجود وحاجات رموز معينة في الدماغ ، ويجري البحث في مفاهيم بديلة ، لا تزال تسمح بتكوينها وتسلسلها الوظيفي.
خلال التولد البيولوجي ، لم يتم إصلاح مورفولوجيا بل يتطور في تفاعل مستمر مع تطوير المهارات الحسية والاجتماعية. يطرح تطور مورفولوجيا مشاكل عملية واضحة مع الروبوتات ، لكنه قد يكون آلية حاسمة يجب استكشافها أكثر ، على الأقل في المحاكاة ، كما هو الحال في الروبوتات المورفولوجية.
هناك مشكلة أخرى مفتوحة تتمثل في فهم العلاقة بين الظواهر الرئيسية التي تم التحقيق فيها بواسطة الروبوتات التطورية (على سبيل المثال ، أنظمة الحركات الحركية الهرمية والوحداتية ، والدوافع الذاتية / الخارجية / الذاتية ، والتعلم المفتوح) وآليات الدماغ الأساسية.
وبالمثل ، في البيولوجيا ، تتفاعل الآليات التنموية (التي تعمل في الجدول الزمني للجينوم) بشكل قوي مع الآليات التطورية (التي تعمل على مقياس الزمن السكاني) كما هو موضح في الأدبيات العلمية “Evo-devo” المزدهرة. ومع ذلك ، فإن تفاعل تلك الآليات في الكائنات الاصطناعية ، والروبوتات التنموية على وجه الخصوص ، لا يزال مجهولا إلى حد كبير. ومن ثم ، فإن تفاعل الآليات التطورية ، والتشكيلات المورفولوجية ، وتطوير المهارات الحسية والاجتماعية سيشكل موضوعًا محفزًا للغاية لمستقبل الروبوتات التنموية.