گفتگو با Sun Lining: از باز کردن درِ بطری تا آشپزی؛ هوش تجسد‌یافته تا درک واقعی محیط چقدر فاصله دارد؟

خبرنگار پنگ‌پای: Yu Yan ۱۹ اکتبر ۲۰۲۶، ساعت ۰۷:۳۵ منبع: پنگ‌پای ∙ نوآوری علمی ۱۰۱ > ربات‌هایی که می‌دوند، می‌پرند و پشتک می‌زنند، تا رسیدن به توانایی درک واقعی محیط، تصمیم‌گیری مستقل و عملکرد پایدار چقدر فاصله دارند؟ اخیراً Sun Lining، استاد برجسته Soochow University، در گفتگو با پنگ‌پای (www.thepaper.cn) به‌صراحت اعلام کرد که در حال حاضر «مخچه» و سامانه‌های کنترل حرکتی ربات‌ها با سرعت بیشتری در حال پیشرفت است و انتظار می‌رود برخی از محصولات مجهز به هوش تجسد‌یافته طی سه تا پنج سال آینده تجاری‌سازی شوند؛ اما اگر قرار باشد «مغز» این ربات‌ها به وضعیت آرمانی هوش عمومی و نزدیک به سطح انسان برسد، مسیری طولانی در پیش خواهد بود. Sun Lining از متخصصان باسابقه رباتیک در چین است که مقاطع کارشناسی، کارشناسی ارشد و دکتری خود را در Harbin Institute of Technology گذرانده و پس از فارغ‌التحصیلی، برای ادامه پژوهش‌های حوزه رباتیک در همان دانشگاه مشغول به کار شده است. او در سال ۲۰۱۰ به Soochow University پیوست و در حال حاضر استاد برجسته، استاد راهنمای دوره دکتری، رئیس Advanced Manufacturing Technology Institute در Soochow University و مدیر Robotics and Microsystems Research Center (آزمایشگاه کلیدی استانی) است. او بیش از ۳۰ سال در حوزه رباتیک فعالیت کرده و محورهای پژوهشی وی ربات‌های صنعتی، ربات‌های میکرو و نانو، ربات‌های پزشکی، سامانه‌های کنترل رباتیک و تجاری‌سازی دستاوردهای فناورانه را در بر می‌گیرد و در هر دو عرصه پژوهش‌های بنیادین و کاربردی‌سازی فناوری تجارب ارزنده‌ای دارد. پنج حلقه کلیدی در ربات‌های انسان‌نما؛ نوبت «مغز» در آخرین مرحله است پنگ‌پای: اگر ربات انسان‌نما را به بخش‌های مختلف تفکیک کنیم، از نظر شما مهم‌ترین حلقه‌های فنی آن کدامند؟ Sun Lining: نخست، درجات آزادی متعدد ربات انسان‌نما است. ربات انسان‌نما دارای پاها، مچ‌ها و بازوها است و باید این حجم از درجات آزادی را در فضایی بسیار کوچک گنجاند. از منظر طراحی، طراحی سبک، فشرده و بیونیک (الهام‌گرفته از طبیعت) حیاتی‌ترین مؤلفه است. دوم، مفاصل ربات است. ربات برای پشتک زدن و پریدن نیازمند مفاصل بسیار کوچکی است که باید قدرت و شتاب انفجاری بالایی داشته و از چگالی توان چشمگیری برخوردار باشند؛ این مفاصل همچنین باید بتوانند بدون داغ شدن برای مدت‌های طولانی و با ضریب اطمینان بالا کار کنند. این ویژگی‌ها مستلزم توانمندی‌های پیشرفته مفصلی است. مرحله بعد، توانایی ربات مجهز به هوش تجسد‌یافته در ادراک و تعامل با محیط بیرونی است؛ بنابراین حسگرها سومین فناوری کلیدی محسوب می‌شوند. انسان از حواس بینایی، شنوایی، بویایی، لامسه و احساس حرارت برخوردار است و هوش تجسد‌یافته‌ای که مد نظر ما است نیز باید این توانایی‌ها را داشته باشد، در حالی که تحقق هر یک از این حس‌ها بسیار پیچیده است. به عنوان نمونه، یک دست رباتیک به پوست الکترونیکی نیاز دارد تا بتواند اشیای بسیار ظریف را بردارد و نیازمند ادراک دقیق است؛ امری که ادغام سطح بالایی از فناوری‌های نوین مواد و تراشه‌ها را می‌طلبد. این سامانه همچنین حسگرهای فروسرخ را شامل می‌شود تا امکان دید در شب یا شرایط نامساعد جوی فراهم باشد. به عنوان مثال، حسگرهای گاز خانگی ممکن است فقط نشت گاز شهری را تشخیص دهند، اما انسان قادر است بوهای مختلف را از یکدیگر متمایز کند؛ بنابراین ترکیب بینایی، شنوایی، لامسه، بویایی و حتی سنجش دمای محیط ضروری است. چهارم، توانایی کنترل حرکتی و دینامیک کل بدن است که معادل کارکرد «مخچه» در ربات به شمار می‌رود. وقتی حرکات نمایشی، برداشتن اشیا و همکاری ربات را می‌بینیم، همه این‌ها متکی به عملکرد «مخچه» است. پس از دستیابی به این چهار فناوری، نوبت به حلقه پنجم می‌رسد که وضعیت مطلوب و غایی هوش تجسد‌یافته است: صدور فرمان برای انجام کار، بدون نیاز به توضیح جزئیات عملیاتی؛ به‌گونه‌ای که ربات بتواند فرمان انسان را به مجموعه اقدامات حرکتی ترجمه کند. ربات باید بر پایه ادراک خود درباره گام بعدی تصمیم بگیرد که این سازوکار، سامانه «مغز» ربات نام دارد. به طور خلاصه، کلیدی‌ترین فناوری‌های ربات شامل «مغز»، «مخچه» و «اندام‌ها» هستند؛ مخچه کنترل حرکتی و ادراک را بر عهده دارد و مغز عهده‌دار تحلیل اطلاعات و تصمیم‌گیری است. این زنجیره از حسگرها آغاز شده، به کنترل حرکت می‌رسد و در نهایت به دست‌های مکانیکی، مفاصل و بازوها ختم می‌شود؛ سامانه‌ای متشکل از نرم‌افزار، سخت‌افزار و حسگرها که با پیوند این فناوری‌های کلیدی، ربات را شکل می‌دهد. پنگ‌پای: در مقایسه با ربات‌های صنعتی سنتی، هوش تجسد‌یافته کنونی تا چه میزان هوشمند است؟ این فناوری چه کارهایی را می‌تواند انجام دهد که ربات‌های صنعتی و مشارکتی پیشین قادر به انجام آن نبودند؟ Sun Lining: ربات‌های صنعتی نسل اول، سیستم‌های مبتنی بر برنامه‌ریزی و آموزش اولیه بودند و هیچ‌گونه ادراکی نداشتند. ربات‌های نسل دوم تا حدی از حس و بینایی برخوردار شدند، موقعیت گرفتن اشیا یا درز جوشکاری را تشخیص می‌دادند، اما قدرت تصمیم‌گیری نداشتند. آشپزی نمونه بسیار گویایی برای بازتاب یک چرخه کامل بازخورد (Closed Loop) است. ربات می‌تواند در ابتدا با تقلید از انسان پخت یک غذا را تکرار کند؛ اما اگر میزان روغن، نوع مواد اولیه یا درجه حرارت تغییر کند، حرکات از پیش تعیین‌شده کارایی نخواهند داشت. ربات باید وضعیت داخل ظرف را بسنجد و از طریق بازخورد و یادگیری تقویتی حرکات خود را تنظیم کند. در دستورهای آشپزی، انسان‌ها معمولاً از عباراتی نظیر «مقداری»، «شعله ملایم»، «پخته شدن» یا «بلند شدن عطر غذا» استفاده می‌کنند؛ واژگانی که ریشه در تجربیات انباشته دارند و کمی‌سازی آنها بسیار دشوار است. ربات برای درک این دانش ضمنی ناچار است اطلاعات چندگانه بینایی، دما، بو و لامسه را ادغام کند و سازوکاری برای ارزیابی نتیجه داشته باشد. رسیدن «مغز» به وضعیت آرمانی ۲۰ تا ۳۰ سال زمان می‌برد پنگ‌پای: سطح کنونی هوش تجسد‌یافته در زمینه تحلیل و تصمیم‌گیری چگونه است؟ به نظر شما چقدر زمان لازم است تا «مغز» ربات به این وضعیت آرمانی برسد؟ Sun Lining: با ارزیابی واقع‌بینانه، اگر معیار ما رسیدن به هوش عمومی نزدیک به انسان باشد، هنوز به وضعیت مطلوب نرسیده‌ایم. دستیابی مغز به چنین سطحی ممکن است ۲۰ تا ۳۰ سال به طول بینجامد؛ آن هوش مصنوعی که در داستان‌های علمی-تخیلی دوران کودکی تصور می‌کردیم، امروز نیز هنوز به‌طور کامل تحقق نیافته است. در سال ۲۰۲۳ ربات‌ها تنها می‌توانستند چند قدم بردارند؛ در سال ۲۰۲۴ توان راه رفتن را پیدا کردند اما دیدیم که در جریان ماراتن ربات‌ها همچنان تعادل خود را از دست می‌دادند؛ از سال ۲۰۲۵ ورود ربات‌ها به کارخانه‌ها آغاز شد و در سال ۲۰۲۶ نیز وضعیت پیش روی ما مشخص است؛ انتظار می‌رود از سال ۲۰۲۷ به‌تدریج شاهد توسعه کاربردهای عملیاتی آن باشیم. علت این امر، رشد سریع‌تر «مخچه» و اندام‌های حرکتی نسبت به بخش «مغز» است. اگرچه ربات سر و بدنه دارد، اما تفکری در کار نیست. حسگرها هنوز به میزان کافی پرتعداد و جامع نیستند و سطح تحلیل داده‌ها نیز در حد مطلوب نیست. بخشی از کارکردها بر پایه کنترل از راه دور، بخشی با آموزش مستقیم، بخشی با تکرار مداوم و بخشی نیز با بازخوردهای ساده انجام می‌شود. امروز رایانه‌ها، گوشی‌های هوشمند و خودروها هوشمند شده‌اند، اما در حوزه مغز ربات‌ها هنوز تحول ملموسی حس نمی‌شود. با این حال معتقدم رخ دادن یک جهش بنیادین طی ۲۰ سال آینده محتمل است. مرور تجربیات گذشته نشان می‌دهد ربات‌های صنعتی ۴۰ سال زمان بردند تا به مرحله تولید انبوه برسند، پیاده‌سازی ربات‌های مشارکتی ۱۵ سال زمان برد و اعتبارسنجی تجهیزات پزشکی ۲۰ سال طول کشید. اگرچه امروز شرایط شتاب‌بخشی فناوری بسیار مساعدتر است و «مخچه» و اندام‌های حرکتی سریع‌تر توسعه می‌یابند و محصولات مناسب طی ۳ تا ۵ سال آینده وارد بازار خواهند شد، اما بخش «مغز» در مقطع فعلی بیشتر در حد فرضیات نظری باقی مانده و همچنان نیازمند گذشت زمان است. پنگ‌پای: آیا کندتر بودن روند توسعه مغز ناشی از تمرکز بیش از حد دانشمندان و کارآفرینان بر روی «مخچه» است، یا به ماهیت فنی خود مسئله برمی‌گردد؟ Sun Lining: عوامل متعددی در این موضوع دخیل هستند. نخست، توان محاسباتی است؛ عملکرد سریع و دقیق مدل‌ها مستلزم پردازش فوق‌العاده قوی و تراشه‌های با کارایی بالا است. گاهی الگوریتم طراحی شده است اما پردازنده مرکزی یا سایر بسترهای محاسباتی توان اجرای آن را ندارند و این مسئله گلوگاه ایجاد می‌کند. دوم، الگوریتم است؛ حتی در صورت دسترسی به توان محاسباتی کافی، آیا الگوریتم‌ها توان انطباق‌پذیری لازم را دارند؟ آیا واقعاً قادرند مسائل مربوط به هوش را حل کنند؟ این چالش نیز هنوز به‌طور کامل رفع نشده است. سوم، داده‌ها هستند؛ حجم داده‌های مورد نیاز ربات‌ها بسیار گسترده است. یک تصویر وضوح‌بالا داده‌های فراوانی در بر دارد و اگر هر حرکت مشتمل بر ده‌ها فریم در ثانیه باشد و اطلاعات حرکتی مفاصل تک‌تک انگشتان نیز به آن افزوده شود، حجم داده‌ها فوق‌العاده سنگین خواهد شد. علاوه بر این، دسترسی به داده‌های باکیفیت و مهارت در پردازش آنها الزامی است؛ بنابراین رفع تدریجی موانع در حوزه‌های توان پردازشی، الگوریتم و داده‌ها ضروری است. مزیت رقابتی چین در لایه مخچه و اندام‌های حرکتی پنگ‌پای: آیا بزرگ‌ترین مشکل پیش روی هوش تجسد‌یافته، انتظارات بیش‌ازحد جامعه از آن است؟ چه مواردی را هنوز دست‌نیافته می‌دانید؟ Sun Lining: اگر مقصود هوش عمومی نزدیک به انسان باشد، تحقق آن طی پنج سال آینده نیز دشوار خواهد بود. از منظر کاربرد، ربات‌ها ابتدا می‌توانند در برخی مأموریت‌های معین عملکرد مناسبی داشته باشند، اما نباید انتظار داشت پس از ورود به محیط خانه بتوانند تمام کارها را انجام دهند. به عنوان مثال، اگر یک بازوی مکانیکی به جاروبرقی‌های رباتیک افزوده شود تا کارهایی نظیر تمیز کردن سرویس بهداشتی، جمع کردن جوراب یا کفش‌ها را انجام دهد، احتمالاً ظرف حدود دو سال محصولات نسبتاً کاربردی وارد بازار خواهند شد. به نظر من ظرف حدود سه سال احتمالاً بسترهای مراقبت و سلامت سالمندان در منازل به‌تدریج عملیاتی خواهد شد، اما نباید از ابتدا چنین تصور کرد که ربات مانند یک پرستار حرفه‌ای توان مراقبت از سالمندان کم‌توان را خواهد داشت؛ این کار بسیار پیچیده است. اما اگر هدف، یادآوری زمان مصرف دارو بر اساس برنامه‌های روزمره، آوردن دارو، قهوه، تلفن همراه و شارژر باشد، انجام این حرکات ساده و تکراری ظرف حدود سه سال امکان‌پذیر خواهد بود. محصولاتی که احتمالاً در آینده به‌مرور تجاری‌سازی خواهند شد، ربات‌های همدم کم‌هزینه هستند که امکان عرضه آنها طی سه تا پنج سال آینده وجود دارد. به‌کارگیری آنها در محیط‌های صنعتی نیز شباهت‌هایی به فرایند باز و بسته کردن درِ بطری‌ها در گذشته دارد، اما نباید انتظار داشت جایگزین نیروی انسانی شوند. پنگ‌پای: تحلیل شما از «حباب» شکل‌گرفته در این صنعت چیست؟ Sun Lining: شکل‌گیری حباب محتمل است؛ انتظارات عمومی در سطح بالایی قرار دارد و اگر پس از گذشت سه سال محصول کارآمدی روانه بازار نشود، این امر به سرخوردگی جامعه دامن خواهد زد. پنگ‌پای: جایگاه کنونی چین در حوزه هوش تجسد‌یافته در سطح جهانی کجاست؟ Sun Lining: در ارزیابی پیشرفت‌های فناورانه چین، هم باید دستاوردهای حاصل‌شده را مد نظر قرار داد و هم باید از بزرگ‌نمایی پرهیز کرد.