طراحی ربات‌های شبه‌انسانی بر اساس نظریه تکامل

[ERF@N]

محققان دانشگاه میشیگان با استفاده از الگوریتم‌های ژنتیکی قصد دارند جمعیت بزرگی از مغزهای رباتیک را مدلسازی کنند که قادر به یادگیری چگونگی انجام وظایف پیچیده هستند.



این تحقیق شامل فرآیندی است که به مغزهای مصنوعی اجازه می‌دهد ارزنده‌ترین صفات را انتخاب کرده و به تکامل ادامه دهند.

مغزهایی که وظایف را بهتر انجام دادند، بیشترین تعداد «فرزندان» شبیه‌سازی شده را داشتند، به این معنی که هوشمندترین ربات‌ها تکثیر می‌شدند.

محققان این الگوریتم ژنتیکی را بیش از هزاران‌بار و گاهی برای صدها هزار نسل اجرا کرده و سپس مغزهای بازمانده را در ربات‌هایی برای انجام وظایف در جهان خارجی قرار دادند.

یکی از وظایف پیچیده‌تری که ربات‌ها بر روی آن کار می‌کردند، نیازمند چندین دستگاه برای درک و یادگیری ترتیبی بود که آن‌ها را به خارج اتاق می‌برد؛ سپس از ربات‌ها خواسته می‌شد تا به ترتیب قبلی یا بصورت معکوس به اتاق برگردند.

به گفته محققان، این کار بسیار مشکل است، زیرا ربات‌ها باید یکدیگر را شناسایی کنند. پس از اجرایی شدن الگوریتم ژنتیکی، بنظر می‌رسید ربات‌ها این مشکل را با نمایش مقررات به یکدیگر، توسط حرکات خاص حل کردند.

محققان بر این باورند که تکامل مغز ربات‌ها در جهان‌های پیچیده که آن‌ها را مجبور به تعامل با یکدیگر می‌کند، بهترین راه برای دستیابی به هوش خودآگاه است.

ربات‌های دارای قدرت تفکر بسیار سودمند هستند و دانشمندان بر این باورند که بشر به هیچ‌وجه نباید از ظهور ماشین‌های اینچنینی هراس داشته باشد.

به گفته آن‌ها، دلیل عدم موفقیت تلاش‌های پیشین برای طراحی هوش شبه‌انسانی این بود که انسان‌ها درک درستی از عملکرد مغز خود نداشتند، اما با توجه به چگونگی روند تکامل، می‌توان هوش را درون یک رایانه، سرعت بخشید.