تكنولوجيا

سيؤدي تحسين خوارزميات الذكاء الاصطناعي إلى حدوث ثورة في الأطراف الاصطناعية.

تعلم الذكاء الاصطناعي معباستخدام التجربة والخطأ ، عندما قام الكمبيوتر "بتغذية" سجلات عدد كبير من الألعاب التي تم لعبها بالفعل ، والتي على أساسها صقل مهاراته ، أثبت أن الجهاز قادر على تجاوز شخص في ألعاب الطاولة الكلاسيكية مثل لعبة الشطرنج واللعبة المنطقية. من بين الأمثلة الحديثة ، يمكننا النظر في الانتصار الساحق الذي حققه الكمبيوتر على شخص في لعبة الكمبيوتر الاستراتيجية StarCraft II ، حيث تم تدريب الآلة على نفس المبدأ. ومع ذلك ، أظهرت مجموعة أخرى من المتخصصين في مجال الذكاء الاصطناعي أن طريقة التدريب هذه يمكن استخدامها أيضًا في مهام عملية أكثر ، على سبيل المثال ، لتدريب الأطراف الاصطناعية.

تعزيز طريقة التعلم آلة(التعلم المعزز) ، حيث يتم تدريب نظام الاختبار من خلال التفاعل مع بيئة معينة ، أظهر نتائج واعدة في تجربة صغيرة تضم اثنين من المتطوعين - شخص سليم تمامًا وواحد بترت ساقه فوق الركبة.

عند استخدام التقنيات التقليدية للفنيينعادة ما يستغرق الأمر عدة ساعات لإعداد بدلة روبوتية بشكل صحيح ، وتعديل كل مفصل صناعي يدويًا وتعديله وفقًا لنمط المشي المحدد الذي يستخدمه الشخص. أظهرت التجارب التي أجراها متخصصون في جامعة نورث كارولينا أن طريقة التعلم الآلي مع التعزيزات تتيح لك القيام بذلك بشكل أسرع بكثير - في غضون 10 دقائق بعد الضبط التلقائي بالكامل ، يمكن للشخص المشي بسلاسة.

"قبل الاستخدام الفعلي لهذه التكنولوجيا ،بعيد جدا أظهرنا فقط أنه من الممكن. علقت هيلين هوانغ ، أستاذة الهندسة الحيوية بجامعة ولاية كارولينا الشمالية. "لقد أسعدتنا النتيجة".

نشر هوانغ وزملاؤه نتائجهم فيمعاملات IEEE على علم التحكم الآلي. يمكن أن تكون نتائج عملهم خطوة أولى مهمة في اتجاه أتمتة العمليات النموذجية للتكيف اليدوي للأطراف الآلية ، والتي عادة ما تستغرق الكثير من الوقت وتتطلب من المرضى زيارة المتخصصين كلما احتاجت أطقم الأسنان إلى التعديل. في المستقبل ، كل هذه الإعدادات ، سيتمكن الأشخاص من الأداء في المنزل بمفردهم ، دون مساعدة من الفنيين.

وضع بدلة الروبوتية نفسهاهي عملية معقدة لتركيب العديد من المعلمات التي تحدد مستويات التفاعل بين الأطراف والبدلة المطلوبة لأداء مهام معينة. على سبيل المثال ، تحدد بعض المعلمات صلابة مفصل الركبة الآلي أو مدى الانحرافات المسموح بها عندما تتدحرج الساق ذهابًا وإيابًا. في الحالة التي تمت مناقشتها ، تطلبت الركبة الاصطناعية البديلة تعديل 12 معلمة مختلفة. مع النهج القياسي ، كانت النتيجة النهائية عادة ما تكون بعيدة عن المثالية ، لكنها مع ذلك كانت مناسبة تمامًا بحيث يمكن للشخص الوقوف على الأطراف الاصطناعية وأداء حركات بسيطة.

تدريب الأطراف الآليةعملية معقدة للغاية من التكيف. يجب أن يتعلم الطرف الاصطناعي حرفيا العمل جنبا إلى جنب مع الدماغ البشري ، والذي يتحكم في التكيف المتبادل للأعضاء في الكائن الحي بأكمله. في الوقت نفسه ، من الضروري تعلم المشي ليس فقط الطرف الاصطناعي نفسه ، ولكن أيضًا الشخص. وكقاعدة عامة ، تبدو النتائج الأولى محرجة إلى حد ما - ليست بعيدة عن الأمثلة مع الزحافات أو الزلاجات ، والتي يقف الشخص من أجلها أولاً.

"جسمنا يمكن أن يتفاعل بغرابة إلىكائنات غريبة تقليد استمراره. يقول أحد المشاركين في دراسة منشورة ، جيني سي ، أستاذ الهندسة الإلكترونية وهندسة الكمبيوتر والطاقة من جامعة ولاية أريزونا ، إلى حد ما ، خوارزمية تعلم الآلة المدعومة بالكمبيوتر مع التعزيزات هي تعلم التفاعل مع جسم الإنسان.

مهمة تدريس الأطراف الاصطناعيةتعقيدا بسبب مجموعة محدودة جدا من البيانات المتاحة لتعلم الخوارزمية. على سبيل المثال ، لتدريب خوارزميتي AlphaZero و AlphaStar على لعب الشطرنج ، و go ، و StarCraft II ، استخدم DeepMind تسجيلات الملايين من ألعاب هذه الألعاب التي تم لعبها بالفعل. بدوره ، لن يتمكن الشخص المصاب ببتر الأطراف لجمع البيانات اللازمة لتعلم الخوارزمية من المشي لفترة طويلة جدًا من الوقت. على سبيل المثال ، يمكن لأولئك الذين زاروا مختبر هوانغ المشي دون توقف لمدة 15-20 دقيقة فقط ، وبعد ذلك احتاجوا إلى القليل من الراحة.

ولكن هذا ليس كل الصعوبات والقيود ، لاالسماح لتغطية مجموعة كاملة من المعلومات التعليمية ، لاحظ الباحثون. على سبيل المثال ، حتى بين Xi و Huang ، قبل بدء مشروعهم ، نشأ بعض الخلاف حول ما إذا كان يمكن السماح للمتطوعين المشاركين في التجربة بالسقوط حتى تتمكن الخوارزمية من تعلم هذه المعلومات. نتيجة لذلك ، قرروا التخلي عن هذه الفكرة ، وشطب سلامة المتطوعين.

وحتى الآن ، على الرغم من كل هذه الصعوباتالنتائج الأولى كانت رائعة. قام الباحثون بتدريس الخوارزمية لتحديد أنماط معينة في البيانات التي تم جمعها بواسطة أجهزة استشعار مثبتة في الركبة الآلية. هذا ، بدوره ، جعل من الممكن وضع حد لوظائف الأطراف الاصطناعية الآلية ، مما جعل من الممكن تجنب المواقف غير المرغوب فيها التي قد تؤدي إلى السقوط. في النهاية ، تعلمت الخوارزمية الاعتماد على نمط معين من الإجراءات ، مما جعل من الممكن تحقيق الاستقرار ، نعومة ، وطبيعية أكبر في حركة الطرف الروبوتي.

نهج التعلم الآليالأطراف الروبوتية لا تزال بعيدة جدا عن الاستخدام الشامل. الآن يريد العلماء تعليم الخوارزمية لإدارة الأطراف الاصطناعية بسلاسة عند الاستيقاظ ، والرفع (على سبيل المثال ، من الكرسي) والنزول (على سبيل المثال ، على طول سلم). بالإضافة إلى ذلك ، تتمثل المهمة في جعل النظام أكثر استقلالية ، مما سيتيح تدريب وتعديل الأطراف الاصطناعية ليس فقط في ظروف المختبر.

واحدة من أصعب والأكثر أهمية في الوقت نفسهتتمثل المهام ، وفقًا للباحثين ، في تطوير طريقة "اتصال" للخوارزمية والشخص حتى يتمكن الأخير من إخباره بأي من الإعدادات التعويضية المحددة الأكثر ملاءمة. أثبتت المحاولات المبكرة لحل هذه المشكلة من خلال أزرار عادية وطرق بسيطة أخرى لإدخال المعلومات عدم فعاليتها. ربما جزئيًا لأن هذا الإصدار من واجهة الكمبيوتر إلى الكمبيوتر لا يسمح بنقل الصورة الكاملة لتصور التنسيق البشري.

"هذه الطريقة لم تنجح لأننا لسنا على وشكنهاية فهم جميع ملامح جسم الإنسان. أولا وقبل كل شيء ، من الضروري سد بعض الفجوات في المعرفة الأساسية لعلم النفس وعلم وظائف الأعضاء ، "ويخلص هوانغ.

يمكن مناقشة آفاق تطوير الأطراف الاصطناعية الآلية القائمة على الذكاء الاصطناعي في دردشة Telegram.