في مرحلة ما عندما كنت طفلاً صغيرًا ، تعلمت كيف تلتقط نفسك بعد السقوط ، وفي النهاية تعلمت كيف تمشي على قدميك. من المحتمل أنك حصلت على التشجيع من والديك ، لكنك تعلمت في الغالب من خلال التجربة والخطأ. هذه ليست الطريقة التي تتعلم بها الروبوتات مثل Spot و Atlas من Boston Dynamics المشي والرقص. لقد تم ترميزهم بدقة لمعالجة المهام التي نلقيها عليهم. يمكن أن تكون النتائج مثيرة للإعجاب ، لكنها قد تجعلهم أيضًا غير قادرين على التكيف مع المواقف التي لا تغطيها برامجهم. زعم فريق مشترك من الباحثين من جامعة تشجيانغ وجامعة إدنبرة أنهم طوروا طريقة أفضل. في ورقة بحثية حديثة نُشرت في مجلة Science Robotics ، قاموا بتفصيل نهج تعزيز الذكاء الاصطناعي الذي استخدموه للسماح لروبوتهم الشبيه بالكلاب ، Jueying ، بتعلم كيفية المشي والتعافي من السقوط من تلقاء نفسه. أخبر الفريق Wired أنهم قاموا أولاً بتدريب برنامج يمكنه توجيه نسخة افتراضية من الروبوت. وهي تتألف من ثمانية "خبراء" في الذكاء الاصطناعي تم تدريبهم لإتقان مهارة معينة. على سبيل المثال ، أصبح المرء يتقن المشي ، بينما تعلم الآخر كيفية التوازن. في كل مرة ينجز فيها الروبوت الرقمي مهمة بنجاح ، يكافأه الفريق بنقطة افتراضية. إذا كان كل هذا يبدو مألوفًا ، فذلك لأنه نفس النهج الذي استخدمته Google مؤخرًا لتدريب خوارزمية MuZero الرائدة بمجرد نجاحهم في تدريب الخبراء الثمانية ، قاموا بتطوير شبكة إضافية للعمل كنوع من المدرب الرئيسي. سيدير مدخلات الخوارزميات الثمانية الأخرى ، مع إعطاء الأولوية لواحد أو أكثر حسب الحاجة في حالة معينة. يمكنك رؤيتها في العمل في GIF أعلاه. ثم قاموا بنقل برامجهم إلى أحد نماذجهم الأولية ووضعوها تحت الاختبار. يمكنك أن ترى العقوبة التي أوقعوها أثناء ركلها ودفعها أرضًا. في كل مرة ، كان ينهض ويبدأ في المشي مرة أخرى. قال Zhibin Li ، أحد مؤلفي التقرير ، ل Wired أن الهدف من بحث فريقهم هو إنشاء "آلات أكثر ذكاءً ، قادرة على الجمع بين المهارات المرنة والتكيفية أثناء الطيران ، للتعامل مع مجموعة متنوعة من المهام المختلفة التي لديهم لم أره من قبل ". ومع ذلك ، قد يستغرق الأمر بعض الوقت قبل أن نرى Jueying و Spot يتنافسان على جائزة أفضل كلب آلي. أحد التحديات التي يواجهها الفريق مسبقًا هو تقليل مقدار القوة الحسابية اللازمة لمحاكاة تدريب الروبوت. سيحتاجون إلى القيام بذلك لجعله أكثر فائدة للتطبيقات العملية.