ربات‌ها دیگر برای آموزش دیدن نیازمند انسان‌ها نیستند
بررسی جدید پژوهشگران انگلیسی و آلمانی نشان می‌دهد که انسان‌ها دیگر کنترل انحصاری بر آموزش ربات‌های اجتماعی برای تعامل موثر ندارند. 
به گزارش راهبرد معاصر؛ پژوهش جدید «دانشگاه سوری» (University of Surrey) و «دانشگاه هامبورگ» (University of Hamburg) یک روش جدید شبیه‌سازی را معرفی می‌کند که به پژوهشگران امکان می‌دهد تا ربات‌های اجتماعی خود را بدون نیاز به شرکت‌کنندگان انسان آزمایش کنند و سرعت و مقیاس‌پذیری آزمایش‌ها را بالا ببرند.
به نقل از تک اکسپلور، این گروه پژوهشی با استفاده از یک ربات انسان‌نما، یک مدل پویا را برای پیش‌بینی مسیر ابداع کردند تا به ربات در پیش‌بینی رفتار‌های یک انسان در محیط اجتماعی کمک کند. این مدل با استفاده از دو مجموعه داده عمومی آزمایش شد و پژوهشگران نشان دادند که ربات‌های انسان‌نما می‌توانند از حرکات چشم انسان تقلید کنند.
دکتر «دی فو» (Di Fu) استاد علوم اعصاب دانشگاه سوری و یکی از سرپرست‌های این پژوهش گفت: این روش به ما امکان می‌دهد تا بدون نیاز به نظارت در لحظه انسان بررسی کنیم که آیا یک ربات دقیقا مانند یک انسان به موارد درست توجه می‌کند یا خیر. نکته هیجان‌انگیز این است که این مدل حتی در محیط‌های پرسروصدا و غیر قابل پیش‌بینی نیز دقیق باقی می‌ماند و همین ویژگی، آن را به یک گزینه امیدوارکننده برای کاربرد در دنیای واقعی مانند حوزه‌های آموزش، مراقبت‌های بهداشتی و خدمات مشتریان تبدیل می‌کند.
ربات‌های اجتماعی برای تعامل با افراد به واسطه گفتار، حرکات و حالت‌های چهره طراحی شده‌اند که آنها را در حوزه‌های مورد نظر سودمند می‌کند. نمونه‌هایی از ربات‌های اجتماعی، «پپر» (Pepper) یک ربات دستیار انسان و «پارو» (Paro) یک ربات درمانی برای بیماران مبتلا به زوال عقل است.
این گروه پژوهشی نحوه عملکرد مدل خود را در دنیای واقعی با مدل شبیه‌سازی‌شده تطبیق دادند و نقشه‌های اولویت نگاه انسان را روی نمایشگر به تصویر کشیدند تا تمرکز پیش‌بینی‌شده ربات را با داده‌های دنیای واقعی مقایسه کنند. این امر امکان ارزیابی مستقیم مدل‌های اجتماعی را در شرایط واقعی فراهم کرد و نیاز به بررسی تعامل انسان و ربات در مقیاس بزرگ را در مراحل اولیه پژوهش کاهش داد.
دکتر فو گفت: استفاده از شبیه‌سازی‌های رباتیک به جای آزمایش‌های اولیه انسانی، گامی بزرگ به سوی رباتیک اجتماعی است. این بدان معناست که می‌توانیم مدل‌های تعامل اجتماعی را در مقیاس بزرگ آزمایش و اصلاح کنیم و ربات‌ها را در درک کردن انسان‌ها و پاسخ دادن به آنها بهبود ببخشیم. ما در مرحله بعد می‌خواهیم این روش را در زمینه‌هایی مانند آگاهی اجتماعی به کار ببریم و بررسی کنیم که چگونه می‌تواند در محیط‌های اجتماعی پیچیده‌تر و انواع گوناگون ربات‌ها کارآیی داشته باشد. /ایسنا