ترکیب حس بینایی و لامسه در ربات EBRAINS

عملکرد مغز در درک و پیمایش در دنیای اطراف یکی از شگفت‌انگیزترین جنبه‌های شناخت است. انسان برای موقعیت‌یابی به طور پیوسته و ناخودآگاه ترکیبی از اطلاعات برگرفته از حواس شش‌گانه‌ را گِردآوری می‌کند؛ قابلیتی که دست‌یابی به آن حتی برای پیشرفته‌ترین سیستم‌های هوش مصنوعی آسان نیست.

در زیرساخت پژوهشی جدید EBRAINS، دانشمندان حوزه‎‌های عصب‌شناسی شناختی، مدل‌سازی محاسباتی و رباتیک گرد هم آمده‌اند تا با ساخت رباتی که از عملکرد مغز تقلید می‌کند مکانیسم عصبی ادراک دنیای اطراف را کشف کنند.

سیریل پنارتز ، استاد علوم شناختی و سیستم‌های عصبی از دانشگاه آمستردام در این باره می‌گوید: «معتقدیم می‌توان عملکرد ربات‌ها را با استفاده از دانش بشر در مورد مغز انسان بهبود بخشید. در عین حال این پژوهش‌ها می‌توانند به شناخت بهتر مغز بیانجامند»

پنارتز در پروژه مغز انسان (Human Brain Project)  با سه دانشمند مدل‌سازی محاسباتی،  شیرین دورا ، سَندِر بوهت  و خورخه اف مجیاس ، همکاری می‌کند. هدف از این همکاری، طراحی معماری‌های پیچیده‌ برای یک شبکه عصبی است که برای درک محیط پیرامون آموزش می‌بیند و داده‌های آن از عملکرد موش‌ها در دنیای واقعی جمع‌آوری شده است. این مدل که «MultiPrednet» نام دارد، از سه ماژول‌، دو ماژول برای داده‌های لمسی و بصری، و یک ماژول برای ترکیب این ورودی‌ها تشکیل شده است.

بر اساس توضیحات پنارتز، این گروه برای اولین بار موفق شدند از قابلیت مغز در پیش‌بینی با استفاده حواس چندگانه کپی‌برداری کنند. این قابلیت که می‌توانیم با نگاه کردن به چیزی بفهمیم چه حسی در ما ایجاد خواهد شد (و برعکس).

به زعم دانشمندان، نحوه‌ی آموزش این شبکه‌ها به نحوه‌ی یادگیری مغز انسان شباهت دارد، یعنی با انجام پیش‌بینی‌های مداوم درباره دنیای اطراف، مقایسه آنها با ورودی‌های حسی واقعی، و سپس تنظیم شبکه برای پیش‌گیری از بروز خطا در آینده.

به منظور ارزیابی عملکرد MultiPrednet بر روی بدن، محققان از مارتین پیرسون دانشمندی از آزمایشگاه رباتیک بریستول Bristol Robotics Lab دعوت به همکاری نمودند. آنها با کمک یکدیگر MultiPrednet را بر روی Whiskeye نصب کردند. Whiskeye رباتی شبیه جوندگان است که به طور خودکار در محیط کاوش می‌کند. روی سر این ربات دوربین‌های نصب شده است که کار چشم را انجام می‌دهند و این ربات 24 سبیل مصنوعی برای جمع‌آوری اطلاعات لامسه دارد.

محققان اولین نشانه‌های برتری مدل مبتنی بر مغز را نسبت به سیستم‌های متداول یادگیری عمیق مشاهده کردند: به ویژه در مسیریابی و شناسایی مناظر آشنا، MultiPredNet در مقایسه با مدل‌های متداول عملکرد بهتری داشت و محققان را به انجام پژوهش‌های بیشتر ترغیب کرد.

به منظور سرعت بخشیدن به انجام این پژوهش، محققان نمونه شبیه‌سازی شده ربات را در سامانه عصب رباتیکِ زیرساخت پژوهشی EBRAINS بازآفرینی کردند. طبق توضیحات پیرسون، با نمونه شبیه‌سازی‌شده انجام آزمایش‌های طولانی مدت و حتی آزمایشات موازی تحت شرایط کنترل شده امکان‌پذیر می‌شود؛ وی در ادامه گفت: «همچنین قصد داریم در آینده از سامانه‌های محاسبات نورومورفیکِ پرقدرت High Performance and Neuromorphic Computing Platforms برای مدل‌های بسیار دقیق‌ کنترل محیط و ادراک آن استفاده کنیم».

تمام کدها و ابزارهای تحلیل پروژه به صورت متن باز در EBRAINS قرار گرفته است و محققان می‌توانند با استفاده از آنها پژوهش‌های خود را انجام دهند. پنارتز می‌گوید: «این شرایط فوق‌العاده است. می‌توانیم بگوییم مدل ادراکی مبتنی بر عصب زیست‌شناسی بسیار جالبی در اختیار داریم که می‌توانیم آن را در مقیاس بالا با اَبَرکامپیوتر‌ها و به صورت تعبیه‌شده بر روی ربات‌ها تست کنیم. انجام چنین کاری معمولاً بسیار پیچیده است امّا با EBRAINS به راحتی امکان‌پذیر شده است».

به گفته کاترین مونتس، مدیر تحقیقات علمی پروژه مغز انسان، «به منظور درک شناخت لازم است بدانیم مغز به عنوان عضوی از بدن نسبت به محیط چه کنش‌هایی دارد. در همین راستا عصب‌شناسی شناختی و رباتیک می‌توانند کمک شایانی به یکدیگر کنند. در پروژه مغز انسان این دو حوزه در کنار یکدیگر قرا گرفته‌اند و اکنون با زیرساخت پایدار EBRAINS همکاری‌های این دو حوزه از همیشه آسان‌تر شده است».

پاول سویبودا، مدیر عامل EBRAINS و مدیرکل پروژه مغز انسان در این باره می‌گوید: «ربات‌های نسل بعد از ابداعات و نوآوری‌های ناشی از پیوند علوم شناختی با هوش مصنوعی و رباتیک بهره‌مند خواهند شد. EBRAINS اروپا را به کانون تحولات پیرامون هوش مصنوعی و فناوری‌های الهام گرفته از زیست‌شناسی تبدیل خواهد کرد».