هوش مصنوعی Magma مایکروسافت: ربات‌هایی که می‌بینند و می‌فهمند

قلمرو فناوری بار دیگر با نوآوری‌ای شگفت‌انگیز به لرزه درآمده‌است: هوش مصنوعی Magma، دستاورد نوین مایکروسافت که ربات‌ها را به دیدگانی بینا و ذهنی ادراک‌گر مجهز ساخته‌است. این مدل پیشگام، که با تلفیقی بی‌مانند از پردازش بینایی و زبان طراحی شده، نه تنها وعده‌ی ارتقای تعامل ربات‌ها با جهان پیرامونشان را می‌دهد، بلکه گامی بلند در راستای تحقق رویای دیرینه‌ی هوش مصنوعی عاملی است؛ سیستمی که خود می‌اندیشد، برنامه‌ریزی می‌کند و عمل می‌کند.

تصور کنید ربات‌هایی که نه صرفاً به دستورات محدودند، بلکه با درک عمیق از محیط‌های دیجیتال و فیزیکی، وظایفی چون جهت‌یابی، دستکاری اشیا و حتی پیمایش رابط‌های کاربری را به شکلی هوشمندانه به انجام می‌رسانند. Magma این آینده را به اکنون بدل کرده و با پشت سر گذاشتن محدودیت‌های مدل‌های سنتی، دریچه‌ای نو به سوی خودکارسازی زندگی روزمره گشوده‌است. آیا آماده‌اید تا با این انقلاب رباتیک همراه شوید؟

این مدل هوش مصنوعی با هدف یاری رساندن به ربات‌ها در امر جهت‌یابی و تعامل بصری موثرتر با محیط پیرامونشان طراحی و توسعه یافته‌است.

به تازگی، شرکت مایکروسافت از Magma، مدل هوش مصنوعی نوین خود، پرده برداشت. این مدل به منظور ارتقای قابلیت‌های دیداری، ادراکی و عملکرد هوشمندانه ربات‌ها به عرصه ظهور رسیده‌است. Magma، بر خلاف رویکردهای سنتی در مدل‌های هوش مصنوعی، قادر است انواع گوناگون داده‌ها را به طور همزمان مورد پردازش قرار دهد. این تلاش از سوی مایکروسافت، گامی سترگ در راستای دستیابی به “هوش مصنوعی عاملی” تلقی می‌گردد؛ سیستمی که توانایی برنامه‌ریزی و اجرای وظایف را از جانب کاربر دارا می‌باشد.

این مدل هوشمند، که مبتنی بر تلفیقی از پردازش بینایی و زبان است، با بهره‌گیری از ویدئوها، تصاویر، داده‌های رباتیک و تعاملات رابط کاربری آموزش دیده‌است. این امر سبب می‌گردد تا Magma در مقایسه با مدل‌های پیشین، از جامعیت و کارایی فزون‌تری برخوردار گردد.

تیم پژوهشی مایکروسافت در صفحه گیت‌هاب اختصاصی خود، به تشریح نحوه انجام وظایف گوناگون توسط Magma پرداخته‌است. این وظایف شامل مواردی نظیر هدایت و دستکاری ربات‌ها و همچنین جهت‌یابی در رابط‌های کاربری، مانند اقدام به فشردن دکمه‌ها، را در بر می‌گیرد.

در راستای توسعه این فناوری نوین، شرکت مایکروسافت با محققانی برجسته از دانشگاه مریلند، دانشگاه ویسکانسین-مدیسون و دانشگاه واشنگتن، به همکاری و تعامل سازنده پرداخت.

عرضه این دستاورد نوین در حالی صورت می‌پذیرد که غول‌های عرصه فناوری در رقابتی فزاینده برای توسعه و تکامل عامل‌های هوش مصنوعی که قادر به خودکارسازی ابعاد گسترده‌تری از زندگی روزمره باشند، به سر می‌برند. در این میان، شرکت گوگل در حال پیشبرد و توسعه مدل‌های زبانی با تمرکز ویژه بر رباتیک است، در حالی که ابزار Operator شرکت OpenAI به منظور انجام وظایف روزمره و متداول، نظیر رزرو، سفارش ملزومات و تکمیل فرم‌ها از طریق تعاملات تایپی، کلیک و پیمایش در یک مرورگر تخصصی، طراحی و توسعه یافته‌است.

جیان‌وی یانگ (Jianwei Yang)، محقق ارشد مایکروسافت و دست‌اندرکار اصلی این پروژه، اخیراً در مصاحبه‌ای اظهار داشت که چشم‌انداز آتی هوش مصنوعی، فراتر از توسعه مدل‌های پایه چندوجهی صرفاً برای چت‌بات‌ها است.

وی در ادامه افزود:

ما بر این باور استواریم که گام حیاتی و تعیین‌کننده بعدی در مسیر تکامل هوش مصنوعی، استوار بر توسعه عامل‌هایی است که توانایی درک و تعامل یکپارچه با محیط‌های دیجیتال و فیزیکی را به طور همزمان دارا باشند.

Jianwei Yang

به گفته یانگ، اهمیت هوش مصنوعی Magma در توانایی آن برای پر کردن خلأ موجود در عامل‌های هوش مصنوعی چندوجهی نهفته‌است. مدل‌های هوش مصنوعی سنتی، علی‌رغم برتری در هوش کلامی، اغلب در برنامه‌ریزی و عملکرد مؤثر در دنیای واقعی با چالش مواجه هستند.

یانگ در ادامه توضیح داد:

ربات‌های کنونی غالباً برای انجام وظایف، به آموزش‌های تخصصی بر روی داده‌های محدود و خاص متکی هستند. این امر منجر به محدودیت توانایی آن‌ها در انجام وظایف ساده و روزمره و به طریق اولی، تعمیم به وظایف و محیط‌های جدید می‌گردد. Magma با ارتقای چشمگیر هوش کلامی و فضایی این ربات‌ها، این محدودیت را مرتفع می‌سازد و به آن‌ها امکان می‌دهد تا اقدامات خود را بر اساس درک دقیق از محیط‌ها، اعم از دیجیتال و فیزیکی، استوار ساخته و آن‌ها را به شکلی مؤثر و دقیق به اجرا درآورند.

Jianwei Yang

در همین راستا، کریگ لکلر (Craig Le Clair)، تحلیلگر ارشد فارستر و نویسنده کتاب “اقدامات تصادفی اتوماسیون”، اظهار داشت که این خبر با پیش‌بینی‌های شرکت تحقیقات بازار، مبنی بر اینکه 25 درصد از پروژه‌های رباتیک در سال 2025، اتوماسیون شناختی و فیزیکی را با یکدیگر ترکیب خواهند کرد، همسو و سازگار است. با این حال، به گفته لکلر، بحث و تردیدها همچنان در خصوص این موضوع پابرجاست که آیا این اعلامیه و سایر موارد مشابه، نمایانگر یک نقطه عطف واقعی در این حوزه هستند یا صرفاً داده‌های ورودی بیشتر برای مدل‌های زبانی بزرگ محسوب می‌شوند.

لکلر در پایان خاطرنشان کرد: مایکروسافت قابلیت توسعه‌دهنده قابل توجهی را ارائه کرده‌است، اما اکنون لازم است تا رهبری خود را در راستای هدایت تعامل سازنده و ایمن میان انسان و ربات به اثبات برساند.

سخن پایانی

هوش مصنوعی Magma، این شاهکار مایکروسافت، نه تنها افق‌های نوینی را پیش روی ربات‌ها گشوده، بلکه روایتی تازه از پیوند میان ذهن ماشینی و واقعیت‌های ملموس رقم زده‌است. این مدل، با توانمندی خیره‌کننده‌اش در ادراک بصری و تعامل هوشمندانه، محدودیت‌های پیشین را به چالش کشیده و راه را برای خودکارسازی پیشرفته‌تر و زندگی روزمره‌ای کارآمدتر هموار ساخته‌است. از هدایت ربات‌ها در پیچ‌وخم‌های دنیای فیزیکی تا پیمایش رابط‌های دیجیتال، Magma گواهی است بر این مدعا که آینده‌ی فناوری، نه در خیال، بلکه در دسترس ماست.

قلم توانای پژوهشگران مایکروسافت و همکارانشان در این اثر برجسته، داستانی از نوآوری و پشتکار را به نگارش درآورده که شایسته‌ی تحسین است. این دستاورد، فراتر از یک مقاله یا اعلامیه، دعوتی است به سوی تأمل در ظرفیت‌های بی‌کران عامل‌های هوش مصنوعی و نقش آن در بازتعریف تعامل انسان و ماشین. خواننده‌ گرامی، اکنون که این سفر علمی را همراهی کردید، آیا نمی‌خواهید شاهد شکوفایی این وعده‌ها در جهانی باشید که هر روز هوشمندتر می‌شود؟

پرسش‌های متداول