لقد كان قادرًا على الاستفادة من كميات هائلة من البيانات لتحسين أسلوب لعبه وتعديل تكتيكاته مع تقدم المباريات.
هل تتخيل فرصتك في الفوز على روبوت في لعبة تنس الطاولة؟ أعلنت شركة جوجل ديب مايند أنها دربت روبوتًا على لعب اللعبة بأداء تنافسي يعادل مستوى الهواة. وتزعم الشركة أن هذه هي المرة الأولى التي يتم فيها تعليم روبوت لعب رياضة مع البشر على المستوى البشري.
تمكن باحثون من جعل ذراع آلية تحمل مضربًا مطبوعًا بتقنية الطباعة ثلاثية الأبعاد تفوز بـ 13 من 29 مباراة ضد خصوم بشريين ذوي قدرات متفاوتة في مباريات كاملة من تنس الطاولة التنافسية. نُشر البحث في مجلة أرشيف ورق.
إن النظام بعيد كل البعد عن الكمال. فرغم أن روبوت تنس الطاولة كان قادراً على التغلب على جميع خصومه من البشر من المستوى المبتدئ و55% من أولئك الذين يلعبون على مستوى الهواة، إلا أنه خسر جميع المباريات أمام لاعبين متقدمين. ومع ذلك، فهو تقدم مثير للإعجاب.
يقول باناج سانكيتي، كبير مهندسي البرمجيات في شركة جوجل ديب مايند والذي قاد المشروع: “حتى قبل بضعة أشهر، توقعنا أن الروبوت قد لا يكون قادرًا على الفوز ضد أشخاص لم يلعب معهم من قبل. لقد تجاوز النظام توقعاتنا بالتأكيد. لقد كانت الطريقة التي تفوق بها الروبوت على خصوم أقوياء مذهلة”.
ولا يقتصر البحث على المتعة والألعاب فحسب، بل إنه يمثل في الواقع خطوة نحو إنشاء روبوتات قادرة على أداء مهام مفيدة. بمهارة وأمان في البيئات الحقيقية مثل المنازل والمستودعات، وهو ما يعتبر الهدف طويل الأمد لمجتمع الروبوتاتويقول ليريل بينتو، وهو باحث في علوم الكمبيوتر بجامعة نيويورك ولم يعمل في المشروع، إن نهج Google DeepMind في تدريب الآلات يمكن تطبيقه في العديد من المجالات الأخرى في هذا المجال.
يقول: “أنا من أشد المعجبين برؤية أنظمة الروبوتات تعمل بالفعل مع البشر الحقيقيين وحولهم، وهذا مثال رائع على ذلك. قد لا تكون لاعباً قوياً، لكن المكونات الخام موجودة لمواصلة التحسن والوصول إلى الهدف في النهاية”.
ولكي يصبح الإنسان لاعب تنس طاولة ماهراً، فإنه يحتاج إلى تنسيق ممتاز بين اليد والعين، والقدرة على التحرك بسرعة واتخاذ قرارات سريعة في مواجهة خصومه ــ وكل هذه التحديات تشكل تحديات كبيرة بالنسبة للروبوتات. وقد استخدم باحثو شركة جوجل ديب مايند نهجاً من جزأين لتدريب النظام على محاكاة هذه القدرات: فقد استخدموا محاكاة حاسوبية لتدريب النظام على إتقان مهارات الضرب؛ ثم قاموا بضبطه باستخدام بيانات من العالم الحقيقي، وهو ما يسمح له بالتحسن بمرور الوقت.
قام الباحثون بتجميع مجموعة بيانات لحالات كرة تنس الطاولة، بما في ذلك البيانات المتعلقة بالموضع والدوران والسرعة. استقى النظام من هذه المكتبة في بيئة محاكاة مصممة لتعكس بدقة فيزياء مباريات تنس الطاولة لتعلم مهارات مثل إعادة الإرسال، أو ضرب ضربة أمامية علوية، أو ضربة خلفية. نظرًا لأن قيود الروبوت تعني أنه لا يمكنه إرسال الكرة، فقد تم تعديل الألعاب في العالم الحقيقي لاستيعاب ذلك.
خلال مبارياته ضد البشر، يجمع الروبوت بيانات عن أدائه للمساعدة في تحسين مهاراته. ويتتبع موضع الكرة باستخدام البيانات التي تم التقاطها بواسطة زوج من الكاميرات، ويتابع أسلوب لعب خصمه البشري من خلال نظام التقاط الحركة الذي يستخدم مصابيح LED على مضرب خصمه. ويتم إرجاع بيانات الكرة إلى المحاكاة للتدريب، مما يخلق حلقة تغذية مرتدة مستمرة.
تسمح هذه الملاحظات للروبوت باختبار مهارات جديدة لمحاولة التغلب على خصمه – مما يعني أنه يمكنه تعديل تكتيكاته وسلوكه تمامًا كما يفعل الإنسان. وهذا يعني أنه يصبح أفضل تدريجيًا سواء أثناء مباراة معينة أو بمرور الوقت كلما لعب المزيد من الألعاب.
كان النظام يكافح لضرب الكرة عندما يتم ضربها إما بسرعة كبيرة، أو خارج مجال رؤيته (أكثر من ستة أقدام فوق الطاولة)، أو على ارتفاع منخفض للغاية، بسبب بروتوكول يوجهه لتجنب الاصطدامات التي قد تلحق الضرر بمضربه. وقد أثبتت الكرات الدوارة أنها تشكل تحديًا لأنها تفتقر إلى القدرة على قياس الدوران بشكل مباشر – وهو القيد الذي سارع اللاعبون المتقدمون إلى الاستفادة منه.
ويقول كريس والتي، مؤسس شركة الروبوتات مايترا ورئيس فريق الروبوتات في شركة تيسلا سابقًا، والذي لم يشارك في المشروع، إن تدريب الروبوت على كافة الاحتمالات في بيئة محاكاة يمثل تحديًا حقيقيًا.
“من الصعب جدًا محاكاة العالم الحقيقي لأن هناك العديد من المتغيرات، مثل هبوب الرياح، أو حتى الغبار [on the table]”يقول. “ما لم تكن لديك محاكاة واقعية للغاية، فإن أداء الروبوت سيكون محدودًا.”
وتعتقد شركة جوجل ديب مايند أن هذه القيود يمكن معالجتها بعدد من الطرق، بما في ذلك تطوير نماذج الذكاء الاصطناعي التنبؤية المصممة لتوقع مسار الكرة، وإدخال خوارزميات أفضل لاكتشاف الاصطدام.
والأمر الحاسم هو أن اللاعبين البشر استمتعوا بمبارياتهم ضد الذراع الآلية. وحتى المنافسين المتقدمين الذين تمكنوا من التغلب عليها قالوا إنهم وجدوا التجربة ممتعة وجذابة، وقالوا إنهم شعروا أنها تتمتع بإمكانات كشريك تدريبي ديناميكي لمساعدتهم على صقل مهاراتهم.
وقال أحد المشاركين في الدراسة: “من المؤكد أنني سأحب أن يكون شريكًا لي في التدريب، شخصًا يلعب بعض المباريات من وقت لآخر”.