گوگل قانون اساسی ربات‌ها را تدوین کرد؛ مطمعن از عدم کشتار انسان‌ها

تیم دیپ‌‌مایند (DeepMind) گوگل از سه سیستم گسترش یافتهی تازه پرده‌برداری کرده است که به ربات‌های هوش مصنوعی پشتیبانی می‌کنند تا تصمیم‌های سریع تر، بهتر و ایمن‌تری بگیرند. یکی از آن‌ها شامل سیستمی برای جمع‌آوری داده‌های آموزشی با «قانون اساسی ربات‌ها» است.

AutoRT، سیستم جمع‌آوری داده‌‌ی گوگل، می‌تواند از یک مدل زبانی بصری (VLM) و مدل زبانی بزرگ (LLM) برای فهمیدن محیط، انطباق با تنظیمات ناآشنا و تصمیم‌گیری در رابطه ماموریت های مناسب منفعت گیری کند.

قانون اساسی ربات که از «سه قانون رباتیک» آیزاک آسیموف الهام گرفته شده است، به گفتن مجموعه‌ای از «دستورهای متمرکز بر ایمنی» توصیف می‌بشود. این چارچوب به مدل زبانی بزرگ دستور می‌دهد تا از انتخاب وظایفی که شامل انسان، حیوانات، اشیاء تیز و حتی وسایل الکتریکی می‌بشود خودداری کند.

دیپ‌‌مایند برای ایمنی زیاد تر، ربات‌ها را طوری برنامه‌ریزی کرده است تا اگر نیروی داخل بر مفاصل آن از اغاز‌ی خاصی گذشت، به‌طور خودکار متوقف شوند و شامل یک کلید قطع اضطراری فیزیکی باشند تا اپراتورهای انسانی بتوانند از آن‌ برای غیرفعال کردن ربات منفعت گیری کنند.

طی یک دوره‌ی هفت‌ماهه، گوگل ناوگانی متشکل از ۵۳ ربات AutoRT را در چهار ساختمان اداری گوناگون مستقر کرد و بیشتر از ۷۷ هزار آزمایش انجام داد. برخی از ربات‌ها از راه دور توسط اپراتورهای انسانی کنترل می‌شدند، در حالی که برخی دیگر یا بر پایه یک اسکریپت یا کاملاً جدا گانه با منفعت گیری از مدل یادگیری هوش مصنوعی Google’s Robotic Transformer (RT-2) کار می‌کردند.

ربات‌های مورد آزمایش، ساده و تنها تجهیزبه یک دوربین و بازوی رباتیک و پایه‌ی متحرک بودند. در هر ربات، سیستم از مدل زبانی بصری برای فهمیدن محیط و اشیاء در محدوده‌ی دید منفعت گیری می‌کرد. در مرحله‌ی سپس، یک مدل زبانی بزرگ لیستی از کارهای خلاقانه‌ای را نظر می‌داد که ربات می‌توانست انجام دهد. مدل زبانی بزرگ در واقع نقش تصمیم‌گیرنده‌ی ربات را برای انتخاب کار مناسب ایفا می‌کرد.

فناوری تازه دیگر دیپ‌‌مایند شامل SARA-RT است؛ یک معماری شبکه‌ی عصبی که برای دقیق‌تر و سریع تر کردن Robotic Transformer RT-2 طراحی شده است.