فرض کنید در مرکز شهر درحال قدم زدن هستید که ناگهان صدایی مهیب از محل ساخت‌وساز به گوش می‌رسد، اولین واکنش شما در آن لحظه کاملا غریزی و ناخودآگاه است. این واکنش سریع و غریزی یکی از ابتدایی‌ترین فرآیندهای تکاملی برای حفظ بقا است.
امروزه پژوهشگران به دنبال انتقال این فرآیند تصمیم‌گیری سریع به ربات‌ها هستند. ایده اصلی این طرح این است که ربات‌ها هم مثل انسان‌ها براساس واکنش‌های احساساتی ذاتی ما به محرک‌های ناشناخته به ویژه واکنش احساسی ترس تصمیم‌گیری کنند. نتایج این تحقیق که در ۲۷ ژوئن در نشریه IEEE Robotics and Automation Letters انتشار یافت، نشان می‌دهد که این اقدام می‌تواند قابلیت ربات‌ها در ارزیابی خطر را به طور شگفت‌آوری افزایش دهد.
الساندرو ریتزو، دانشیار مهندسی اتوماسیون و رباتیک دانشگاه پلی‌تکنیک تورین ایتالیا که سرپرست این پروژه بود، اشاره می‌کند که در حال حاضر ربات‌ها ضعف بزرگی در سازوکار محافظت از خود در محیط‌های پویا دارند. دلیل این ضعف این است که ربات‌ها معمولا برای وظایف خاص طراحی می‌شوند. او می‌گوید: «در نهایت ممکن است که ربات‌ها در شرایط پیچیده عملکرد مناسبی نداشته باشند.»
چگونگی واکنش مغز انسان به خطر
انسان‌ها می‌توانند به محرک‌های بسیار متفاوتی که با آن‌ها روبه‌رو می‌شوند واکنش نشان دهند. طبق نظریه‌ای، مغز انسان دو مسیر متفاوت برای محاسبه، ارزیابی و واکنش به خطر دارد.
مسیر اول منجر به یک واکنش کاملا غریزی است که در آن مغز انسان بعد از تشخیص محرک‌های بیرونی (مثل صدای مهیب) به سرعت دست به تصمیم‌گیری بسیار هیجانی می‌زند (مثل خم شدن یا سر برگرداندن). درواقع مغز ما به سرعت و بدون تحلیل داده‌های خام اقدام به تصمیم‌گیری هیجانی می‌کند بدون آنکه زمان زیادی برای تحلیل داده‌های خام صرف کند.
براساس فرضیه دو مسیر (dual-pathway hypothesis)، این واکنش توسط مسیر کوتاه (low road) انجام می‌شود، مسیر عصبی مسئول احساسات که توسط آمیگدالا هدایت می‌شود. اما زمانی که مغز انسان از تجربه و استدلال پیچیده‌تر که قشر پیش‌پیشانی (prefrontal cortex) را درگیر می‌کند استفاده می‌کند، مسیر بلند (high road) برای واکنش در این شرایط به این محرک‌ها فعال می‌شود.
فرضیه دو مسیر (Dual Process Theory) یکی از نظریه‌های مهم در روانشناسی شناختی و علوم اعصاب است که توضیح می‌دهد چگونه انسان‌ها اطلاعات را پردازش و تصمیم‌گیری می‌کنند. این فرضیه پیشنهاد می‌کند که دو سیستم مجزا اما مرتبط در مغز وجود دارد:
سیستم ۱ (مسیر سریع/خودکار):
- سریع، ناخودآگاه، شهودی و بدون نیاز به تلاش ذهنی و مبتنی بر عادات، هیجانات و تجربیات گذشته است.
سیستم ۲ (مسیر کند/تحلیلی):
- آهسته، خودآگاه، منطقی و نیازمند تلاش شناختی و است برای حل مسائل پیچیده، محاسبات یا تصمیم‌گیری‌های عمدی استفاده می‌شود.
ریتزو و آندره آ لوسای، کنجکاو شدند که اگر این دو مسیر متفاوت تصمیم‌گیری در محیط‌های ناآشنا در ربات‌ها وجود داشت، آن‌ها چه عملکردی خواهند داشت. آن‌ها با طراحی یک سیستم کنترل برای ربات آغاز کردند که واکنش ترس را از محرک‌های بیرونی از طریق مسیر کوتاه تصمیم‌گیری که در انسان وجود دارد شبیه‌سازی می‌کرد.
لوسای می‌گوید: «ما تمرکزمان را روی احساس ترس گذاشتیم، به این دلیل که یکی از احساساتی است که در علوم اعصاب اهمیت به سزایی دارد و تحقیقات زیادی روی آن انجام شده. در واقع ترس عمیقا با خودمحافظتی و واکنش سریع به خطر گره خورده است، دو موردی که برای بقا بسیار حیاتی هستند.»
یادگیری تقویتی در ربات
پژوهشگران برای شبیه‌سازی ترس در ربات‌ها سازوکاری براساس یادگیری تقویتی در آن‌ها طراحی کردند که به ربات‌ها کمک می‌کند اولویت‌ها و محدودیت‌های خود را در هر لحظه به طور پویا طبق داده‌های خام اطراف خود تنظیم کند. نتایج این مرحله ورودی الگوریتم بعدی به نام کنترل پیش‌بینی غیرخطی خواهد بود که الگوی حرکتی متناسب با راه رفتن ربات را تعیین می‌کند.
ریتزو و اوسای طرز حرکت ربات را در محیط‌های ناآشنا را بررسی کردند و با رباتی که عنصر ترس در آن تعریف نشده بود مقایسه کردند. در نهایت نتایج نشان می‌دادند که رباتی که عنصر ترس در آن وجود داشت و با برنامه‌ریزی مسیر کوتاه کار می‌کرد بسیار روان‌تر حرکت می‌کرد. رباتی که برنامه مسیر کوتاه در آن وجود داشت با فاصله حدود ۱ تا ۳ متری از اجسام خطرناک عبور می‌کرد، و این درحالی بود که ربات معمولی تنها با فاصله ۳/۰ تا ۸/۰ متر از آن‌ها می‌گذشت.
طبق گفته‌های لوسای، مسیر کوتاه در سناریوهای بسیار وسیعی از کاربردها می‌تواند تقش مفیدی داشته باشد، از جمله دستکاری اجسام، عملیات نظارتی و ماموریت‌های نجات و زمانی که ربات‌ها باید با شرایط خطرناک روبه‌رو شوند و شاید لازم باشد که واکنش ایمن‌تری را پیش بگیرند. در حال حاضر این تیم پژوهشی در پی این است که ربات‌ها علی‌رغم رویکرد مسیر کوتاه که برای تصمیم‌گیری‌های لحظه‌ای مناسب است، قادر به اتخاذ تصمیم‌های منطقی و بلندمدت‌تری هم باشند.
محققین اینطور فکر می‌کنند که مدل‌های بزرگ زبانی می‌توانند در توسعه این روند بسیار موثر باشند. ریتزو توضیح می‌دهد: «این مدل‌ها می‌توانند برخی از عملکردهای اصلی قشر پیش‌پیشانی انسان مانند تصمیم‌گیری، برنامه‌ریزی راهبردی و ارزیابی موقعیتی را شبیه‌سازی کنند و برای ما امکان ایجاد واکنش‌های شناختی‌محور بیشتر را فراهم کنند.»
ریتزو می‌افزاید: «در آینده، جالب خواهد بود که این معماری را برای دربرگرفتن چندین احساس گسترش دهیم، تا بتوانیم شکل ظریف‌تری از رفتار تطبیقی را در سیستم‌های رباتیک ایجاد کنیم.»
مترجم: نیلوفر کریمی
