يساعد دماغ الذكاء الاصطناعي المستوحى من النمل الروبوتات الزراعية على التنقل بشكل أفضل بين المحاصيل

تصور هذا: غروب الشمس يرسم حقل ذرة بألوان مبهرة من العنبر والذهب. الآلاف من سيقان الذرة، المثقلة بالكيزان والأوراق ذات الحفيف، تحلق فوق الجميع - أطفال يركضون عبر متاهات الذرة؛ المزارعون يفحصون محاصيلهم؛ والروبوتات تنطلق وهي تقطف بلطف آذانًا حلوة ناضجة لموسم الخريف.

انتظر أيها الروبوتات؟

قد تبدو الأراضي الزراعية المثالية والروبوتات زوجين غريبين. ولكن بفضل البرامج المتطورة بشكل متزايد والتي تسمح للروبوتات "برؤية" محيطها - وهي تقنية تسمى الرؤية الحاسوبية - فإنها تندمج بسرعة في خط إنتاجنا الغذائي الرئيسي. تقوم الروبوتات الآن بأداء الأعمال اليومية، مثل حصاد الثمار الناضجة أو تدمير الأعشاب الضارة التي تذبل المحاصيل.

بدافع النقص المستمر في عمال المزارع، الأمل هو ذلك آلات يمكن أن يساعد في تعزيز محاصيل المحاصيل، وجلب الفواكه والخضروات الطازجة إلى طاولات العشاء بشكل موثوق، وتقليل النفايات.

ولتحقيق هذه الرؤية، يجب أن يكون عمال المزارع الآليون قادرين على اجتياز الأراضي الزراعية المعقدة والمربكة. لسوء الحظ، هذه الآلات ليست أفضل الملاحين. إنهم يميلون إلى الضياع، خاصة عندما يواجهون تضاريس معقدة وصعبة. مثل الأطفال الذين يكافحون في متاهة الذرة، تنسى الروبوتات موقعها، وغالبًا ما يكون للأعراض اسم: مشكلة الروبوت المختطف.

A  دراسة جديدة in الروبوتات العلم يهدف إلى تعزيز المهارات الملاحية لدى الروبوتات من خلال منحهم الذاكرة.

بقيادة الدكتورة باربرا ويب في جامعة إدنبرة، جاء الإلهام من مصدر مفاجئ: النمل. هذه المخلوقات جيدة بشكل ملحوظ في التنقل إلى الوجهات المرغوبة بعد رحلة واحدة فقط. مثل المتنزهين المخضرمين، يتذكرون أيضًا المواقع المألوفة، حتى عند التحرك عبر النباتات الكثيفة على طول الطريق.

وباستخدام الصور التي تم جمعها من روبوت متجول، طور الفريق خوارزمية تعتمد على عمليات الدماغ لدى النمل أثناء التنقل. وعندما تم تشغيلها على جهاز يحاكي أيضًا حسابات الدماغ، انتصرت الطريقة الجديدة على نظام رؤية حاسوبي متطور في مهام الملاحة.

وقال الفريق: "إن أدمغة الحشرات على وجه الخصوص توفر مزيجًا قويًا من الكفاءة والفعالية".

إن حل المشكلة لا يمنح عمال المزارع الآليين الضالين بوصلة داخلية لمساعدتهم في العودة إلى منازلهم. إن الاستفادة من حسابات الدماغ - وهي طريقة تسمى الحوسبة العصبية - يمكن أن تزيد من براعة كيفية تفاعل الروبوتات، مثل السيارات ذاتية القيادة، مع عالمنا.

حياة النملة

إذا سبق لك أن تجولت في الغابات الكثيفة أو متاهات الذرة، فمن المحتمل أنك سألت أصدقاءك: أين نحن؟

على عكس المشي على طول أحد المباني في المدينة - مع وجود واجهات المتاجر والمباني الأخرى كمعالم - فإن التنقل في حقل المحاصيل أمر صعب للغاية. السبب الرئيسي هو أنه من الصعب معرفة مكانك والاتجاه الذي تواجهه لأن البيئة المحيطة تبدو متشابهة جدًا.

تواجه الروبوتات نفس التحدي في البرية. حاليًا، تستخدم أنظمة الرؤية كاميرات متعددة لالتقاط الصور أثناء عبور الروبوت للتضاريس، لكنها تواجه صعوبة في تحديد المشهد نفسه في حالة تغير الإضاءة أو الظروف الجوية. الخوارزميات بطيئة في التكيف، مما يجعل من الصعب توجيه الروبوتات المستقلة في البيئات المعقدة.

هنا يأتي النمل.

حتى مع وجود موارد دماغية محدودة نسبيًا مقارنة بالبشر، فإن النمل بارع بشكل ملحوظ في التعلم والتنقل في بيئات جديدة معقدة. يتذكرون بسهولة الطرق السابقة بغض النظر عن الطقس أو الطين أو الإضاءة.

وقال الفريق إنهم يستطيعون اتباع طريق "بدقة أعلى مما يسمح به نظام تحديد المواقع العالمي (GPS) للروبوت".

إحدى ميزات براعة النمل الملاحية هي أنها لا تحتاج إلى معرفة مكانها بالضبط أثناء الملاحة. وبدلا من ذلك، للعثور على هدفه، يحتاج المخلوق فقط إلى التعرف على ما إذا كان المكان مألوفا أم لا.

إن الأمر يشبه استكشاف مدينة جديدة من فندق: لا تحتاج بالضرورة إلى معرفة مكانك على الخريطة. كل ما عليك فعله هو أن تتذكر الطريق المؤدي إلى المقهى لتناول وجبة الإفطار حتى تتمكن من المناورة في طريق عودتك إلى المنزل.

باستخدام أدمغة النمل كمصدر إلهام، قام الفريق ببناء روبوت عصبي الشكل في ثلاث خطوات.

الأول كان البرمجيات. على الرغم من امتلاكه لأدمغة صغيرة، إلا أن النمل ماهر بشكل خاص في ضبط دوائره العصبية لإعادة النظر في طريق مألوف. واستنادًا إلى النتائج السابقة التي توصلوا إليها، ركز الفريق على "أجسام الفطر"، وهو نوع من المراكز العصبية في أدمغة النمل. تعتبر هذه المحاور ضرورية لتعلم المعلومات المرئية من المناطق المحيطة. ثم تنتشر المعلومات عبر دماغ النملة لاتخاذ القرارات الملاحية. على سبيل المثال، هل يبدو هذا الطريق مألوفًا أم يجب علي تجربة مسار آخر؟

بعد ذلك جاءت كاميرات الأحداث، التي تلتقط صورًا مثل عين الحيوان. تعد الصور الناتجة مفيدة بشكل خاص لتدريب رؤية الكمبيوتر لأنها تحاكي كيفية معالجة العين للضوء أثناء الصورة.

العنصر الأخير هو الأجهزة: سبينناكرأو المعلم رقائق الكمبيوتر بنيت لتقليد وظائف الدماغ. تم تصميم هذه الشريحة لأول مرة في جامعة مانشستر بالمملكة المتحدة، وهي تحاكي العمل الداخلي للشبكات العصبية البيولوجية لتشفير الذاكرة.

ومن خلال نسج المكونات الثلاثة معًا، قام الفريق ببناء نظامهم الشبيه بالنمل. وكدليل على المفهوم، استخدموا النظام لتشغيل الروبوت المتنقل أثناء التنقل في التضاريس الصعبة. قام الروبوت، الذي يبلغ حجمه تقريبًا حجم همبرغر كبير جدًا - ويطلق عليه اسم Turtlebot3 Burger - بالتقاط الصور باستخدام كاميرا الحدث أثناء قيامه بالمشي لمسافات طويلة.

وبينما كان الروبوت يتجول عبر الأراضي الحرجية، قام "دماغه" العصبي بالإبلاغ بسرعة عن "الأحداث" باستخدام بكسلات من البيئة المحيطة به. أطلقت الخوارزمية حدثًا تحذيريًا، على سبيل المثال، إذا حجبت الفروع أو الأوراق رؤية الروبوت.

اجتاز الروبوت الصغير ما يقرب من 20 قدمًا في الغطاء النباتي على ارتفاعات مختلفة وتعلم من رحلاته. وقال الفريق إن هذا النطاق نموذجي للنملة التي تبحر في طريقها. وفي اختبارات متعددة، قام نموذج الذكاء الاصطناعي بتحليل البيانات من الرحلة لإجراء تحليل أكثر كفاءة. عندما قام الفريق بتغيير المسار، استجاب الذكاء الاصطناعي وفقًا لذلك بارتباك - مهلا، هل كان هذا هنا من قبل - مما يدل على أنه تعلم المسار المعتاد.

في المقابل، واجهت خوارزمية شائعة صعوبة في التعرف على نفس المسار. لا يمكن للبرنامج أن يتبع المسار إلا إذا شاهد نفس تسجيل الفيديو بالضبط. بمعنى آخر، بالمقارنة مع الخوارزمية المستوحاة من النمل، لم تتمكن من التعميم.

دماغ روبوت أكثر كفاءة

من المعروف أن نماذج الذكاء الاصطناعي متعطشة للطاقة. يمكن للأنظمة العصبية أن تقلل من شرههم.

SpiNNaker، الجهاز الذي يقف وراء النظام، يضع الخوارزمية في نظام غذائي للطاقة. استنادًا إلى هياكل الشبكة العصبية للدماغ، تدعم الشريحة الحوسبة المتوازية على نطاق واسع، مما يعني أنه يمكن إجراء حسابات متعددة في نفس الوقت. لا يؤدي هذا الإعداد إلى تقليل تأخر معالجة البيانات فحسب، بل يعزز الكفاءة أيضًا.

في هذا الإعداد، تحتوي كل شريحة على 18 مركزًا، مما يحاكي ما يقرب من 250 خلية عصبية. كل نواة لها تعليماتها الخاصة بشأن معالجة البيانات وتقوم بتخزين الذاكرة وفقًا لذلك. يعد هذا النوع من الحوسبة الموزعة مهمًا بشكل خاص عندما يتعلق الأمر بمعالجة ردود الفعل في الوقت الفعلي، مثل مناورة الروبوتات في التضاريس الصعبة.

وكخطوة تالية، يقوم الفريق بالبحث بشكل أعمق في دوائر دماغ النمل. إن استكشاف الروابط العصبية بين مناطق ومجموعات الدماغ المختلفة يمكن أن يعزز كفاءة الروبوت. وفي النهاية، يأمل الفريق في بناء روبوتات تتفاعل مع العالم بقدر تعقيد النملة.

الصورة الائتمان: فارس محمد / Unsplash 

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://singularityhub.com/2023/10/03/this-ant-inspired-ai-brain-helps-farm-robots-better-navigate-crops/