רובוטים שהופכים להיות חכמים ויותר יותר: הכוח של למידה מתמשכת

This post is also available in: English (אנגלית)

פריצת דרך חדשה בתחום הרובוטיקה יכולה לקרב את מערכות הבינה המלאכותית צעד אחד קרוב יותר לשכפול יכולת הלמידה המתמשכת האנושית. חוקרים מהאוניברסיטה הטכנית של מינכן ואוניברסיטת נאנג'ינג פיתחו את LEGION, מסגרת למידה לחיזוק שנועדה לאפשר לרובוטים ללמוד, להסתגל וליישם ידע במגוון דינמי של משימות. צעד זה מסמן צעד משמעותי קדימה בשיפור הגמישות והביצועים הרובוטיים בסביבות בעולם האמיתי.

כיום, אחד האתגרים בתחום הבינה המלאכותית והרובוטיקה הוא הקושי לאפשר למכונות ללמוד לאורך זמן, להסתגל למשימות חדשות, ולהתבסס על ידע מהעבר – בדומה לאופן שבו בני אדם משפרים את כישוריהם לאורך זמן. על פי TechXplore, LEGION שואפת להתגבר על מגבלות אלה על ידי שילוב של מודלי Dirichlet Process Mixture Models (DPMM), סוג של מודלים בייסיאניים א-פרמטריים. שלא כמו מודלים מסורתיים הדורשים מספר מוגדר מראש של אשכולות משימות, DPMM מאפשר לרובוטים להתאים באופן דינמי את מבנה הידע שלהם בהתבסס על נתוני משימות נכנסות, מה שהופך את המערכת למתאימה יותר לתרחישי למידה מתמשכים.

כפי שמסביר יואן מנג, המחבר הראשון של המאמר, המסגרת מונעת "שכחה קטסטרופלית" – בעיה נפוצה שבה רובוטים לא מצליחים לשמור על מיומנויות שנלמדו בעבר כאשר משימות חדשות מוצגות בפניהם. LEGION מבטיחה שרובוטים יוכלו לרכוש משימות חדשות תוך שימור ושימוש חוזר בידע קודם, ובכך משפרת את יכולתם להתמודד בקלות עם סביבות ומשימות מתפתחות.

תכונה נוספת של LEGION היא שילוב של שיכון מילים מתוך מודלי שפה (LLM) שהוכשרו מראש. זה מאפשר לרובוטים להבין הוראות משתמש באופן עצמאי מהדגמות משימות, ומעניק להם גמישות רבה יותר בתרגום פקודות. המסגרת גם מאפשרת רקומבינציה של ידע, ומאפשרת לרובוטים לשלב ולחבר ברצף מיומנויות שנלמדו בעבר כדי להשלים משימות מורכבות יותר, כגון ניקוי או ארגון, מבלי להסתמך על רצפי משימות קבועים, על פי TechXplore.

בדיקות ראשוניות על מערכות רובוטיות אמיתיות הראו תוצאות מבטיחות. LEGION אפשרה לרובוטים לצבור וליישם ידע מתוך זרם מתמשך של משימות, ובכך שיפרה את הביצועים לאורך זמן. החוקרים צופים שמסגרת זו תשמש ביישומים שונים בעולם האמיתי, כולל רובוטי שירות ביתי ומערכות תעשייתיות, בהם למידה מתמשכת והתאמה מתמדת חיוניים.

העבודה העתידית של החוקרים תתמקד בשיפור האיזון בין יציבות וגמישות בלמידה, הרחבת היכולות של LEGION להתמודד עם סביבות לא מובנות, ומתן אפשרות להעברת ידע חוצה פלטפורמות על פני מערכות רובוטיות שונות. עם התקדמות זו, LEGION יכול לחולל מהפכה באופן שבו רובוטים לומדים ופועלים, מה שהופך אותם לאוטונומיים ויעילים יותר במסגרות מגוונות.

המחקר פורסם בכתב העת Nature Machine Intelligence