رابطه ذهنی انسان و ربات

در ابتدای بررسی رابطه ذهنی انسان و ربات می‌بایست ابتدا به ساکن معماریِ ادراکی را مطالعه می‌کنیم که می‌تواند مبنایی برای ایجاد عامل‌‌های مجازی باشد که در یک کار تیمی با انسان‌ها تعامل دارد.
این به ما اجازه می‌‌دهد هر چیزی که با سطح متا ادراکی وجود دارد و شامل حافظه ضمنی‌، دانش‌، نظریه‌ی ذهن‌، خود تعدیلی‌، قابلیت ارزیابی احساسات اجتماعی و پیچیده و ایجاد اهداف‌، قابلیت تفکر در مورد خود و درون ‌نگری می‌شود را بررسی کنیم‌.
در این مقاله‌، بر روی نقش کسب دانش با روبات‌ها/ عامل‌‌های ادراکی تمرکز داریم‌. برای بهره ‌برداری از قابلیت‌های متا ادراکی و تحقق عناصر نقشه‌ی راه‌، اصول پایه‌ی معانیِ ادراکی را در نظر می‌گیریم‌، که بر اساس آن‌، مفهوم الگوی ذهنی نشانگر ساختارهای ذهنی انسان است که در تفسیر محیط زیست رخ می‌دهد‌. الگوی ذهنی نقشی اساسی در مفهوم‌ سازیِ یک درک جدید در روبات دارد و بنابراین در پیشرفت دانش این حوزه نقش بسیار موثری خواهد داشت.

روبات می‌تواند شرایط ذهنی در مورد یک مفهوم و یک مهارت تصویرسازی داشته باشد‌. به علاوه‌، روبات یک جرم بحرانی خواهد داشت زیرا می‌تواند به صورت یک انسان در برخی شرایط در مورد محیط آگاهی انسانی داشته باشد‌. به صورت خلاصه‌، متدی که ما بررسی می‌کنیم سعی دارد آگاهی محیط زیستی و خودآگاهی در مورد کسب دانش را پیاده ‌سازی کند‌.
ما ادعا داریم که ساختار هستی‌ شناسی نشانگر طرح‌های ذهنیِ روبات‌ها است‌. استدلال ما تعریف یک توزیع در فضای طرح‌‌های ذهنیِ ممکن از هستی ‌شناسی است‌، که به ما اجازه می‌دهد احتمال هر الگوی ممکن را در یک درک تخمین بزنیم‌. هم الگوی ذهنی و هم درک توسط متن ساده ارائه می‌شوند‌.

وقتی که امکان ‌پذیریِ یک درک استنباط شد‌، این درک با ترکیب مفهوم مربوطه‌ی جدید و واقعه‌‌ی مربوطه (‌اگر مفهوم در پایگاه دانش وجود نداشته باشد‌) و یا تنها در آن واقعه (‌اگر مفهوم قبلاً وجود داشته باشد‌) دریافت می‌شود‌، و دانش رشد می‌کند‌.
هر بار یک مفهوم جدید شناسایی می‌شود، در صورتی که دانش شامل این درک نباشد‌، این دانش به صورت افزاینده رشد می‌کند‌. فراگیری در زمان اجرا رخ می‌دهد‌. این متد دو نوع رویکرد دارد‌، که عبارتنداز: سمبلیک و غیر سمبلیک. به این صورت، مسئله‌‌ی مهم شفافیت و یادگیریِ انتقالی مورد توجه قرار می‌گیرند‌، همانطور که در آخرین بحث ما نیز آمده است.
در ادامه باید گفت‌: در بخش «‌یک معماریِ ادراکی برای تعامل تیمیِ انسان و روبات‌» به صورت خلاصه معماریِ ادراکی خود برای مدل ‌سازیِ تعامل تیمیِ انسان و روبات شناسایی کرده و قسمت‌هایی که در این مقاله چشمگیر و حایز اهمیت است را برجسته می‌کنیم‌ در بخش «توصیف مسئله‌‍: مثالی از یک روبات که در محیط شناخته ‌شده‌ی جزئی کار می‌کند‌» بحثی در رابطه با متد پیشنهادی ایجاد می‌کنیم و با یک مثال ساده کار را شروع می‌کنیم‌، سپس در بخش «مدل‌سازیِ مسیردهی و فرآیند‌های ادغام‌» متد پیشنهادی را برای به روزرسانیِ دانش در زمان اجرا پوشش می‌دهیم.

رابطه انسان و ربات 2

یک معماریِ ادراکی برای تعامل تیمیِ انسان و روبات

در سال‌‌های اخیر‌، معماری‌های ادراکی مختلفی مطالعه و توسعه پیدا کرده‌‌اند‌، که ویژگی‌های اصلیِ ذهن انسان را بررسی می‌کنند. برخی از این معماری‌ها به عنوان مبنایی برای پیاده‌ سازیِ سیستم‌‌های رباتیک به کار رفته است که مانند انسان رفتار می‌کنند‌. با این همه‌، اکثر معماری‌های موجود تنها یکی از جنبه‌های نقشه‌‌ی راه را در نظر می‌گیرند‌. برخی از آن‌‌ها بر روی یادگیری تمرکز دارند‌، و بسیاری دیگر بر روی حافظه کوتاه‌ مدت و بلند مدت تمرکز دارند‌. تمام این جنبه‌ها اساسی هستند‌، اما هرگز با در نظر گرفتن سیستمی که در محیط پویا کار می‌کند و باید تصمیم‌‌هایی در زمان زنده بگیرد توسعه پیدا نکرده‌اند‌.
اثر ما بخشی از نقشه‌ی راه BICA است‌.

هدف ما توسعه ‌ی یک مدل ادراکی است که تمام ماژول‌های ضروری برای یک ربات را شامل می‌شود که به صورت تیمی برای یک هدف مشترک کار کنند‌. این ربات باید یک فرآیند تصمیم ‌گیری اعمال کند که از شرایط محیطی راهنمایی می‌گیرد اما همچنین از دانشی که از خود و سایر اعضای تیم دارد در این تصمیم‌گیری کمک می‌گیرد‌.
معماریِ ماژول‌های مفید برای خود مدل‌سازی و بازنمود دنیای اطراف (فیزیکی) را شامل می‌شود‌، از جمله تمام وضعیت‌های ذهنی که در اینجا شامل است. در یک عامل ادراکی‌، این وضعیت ادراکی است که اقدام‌‌ها را جرقه می‌زند، در تمام حالت‌ها حافظه تنها یک پشتیبان برای فاز پردازش وضعیت ذهنی است‌، نه برای داده‌‌ها‌، که از فعالیت سنسوری، یا پردازش، به دست می‌آید.
تاکنون، معماری‌های بسیاری تصمیم‌گیری و فرآیند یادگیری خود را تنها بر روی مفهوم داده‌‌های ذخیره شده و یا حقایق متمرکز کرده‌اند‌، نه بر روی ایده‌ی وضعیت ذهنی‌. هدف ‌ ما ایجاد ماژول‌های حافظه‌ای است که شامل تمام اطلاعات مربوط به وضعیت ذهنی در دنیا می‌شود‌، به طوری که چرخه‌ی درک-عمل به چرخه‌ی درک-فعالیت تبدیل می‌شود. ما چهار ماژول اصلی را شناسایی می‌کنیم: ماژول مربوط به نظارت بر محیط، تحقق فرآیند تصمیم‌گیری (شامل: منطق، یادگیری و پیشبینیِ عمل)، اجرا و حافظه. عامل ادراکی هدف خود و وضعیت کارهای مربوط به خود را می‌داند، اشیا و هرچیزی که برای یک مأموریت مربوط است را درک می‌کند تا یک تصمیم در مورد اقدامی که باید انجام دهد بگیرد‌.
قبل از اقدامات، پیش بینیِ نتایج اقدام را تولید می‌کند‌، تا ببیند آیا این اقدام شرایط قابل قبولی برای دنیای واقعی ایجاد می‌کند یا نه، و در صورت نیاز صفی از شرایط را انتخاب کند‌. این فرآیند به صورت تکراری انجام می‌شود‌، و هر بار با تمام عناصر موجود در محیط از طریق درک و مشاهده تعامل می‌کند‌.

0 پاسخ

دیدگاه خود را ثبت کنید

میخواهید به بحث بپیوندید؟
مشارکت رایگان.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *