DOI: https://doi.org/10.3389/fncom.2024.1349408
PMID: https://pubmed.ncbi.nlm.nih.gov/38585280
تاريخ النشر: 2024-03-22
المؤلف: Giulio Sandini وآخرون
الموضوع الرئيسي: مراقبة الحركة والتزامن
نظرة عامة
تناقش هذه الفقرة التحديات والفرص الكبيرة في فهم هيكل الدماغ ووظيفته، مع التأكيد على الأهداف المزدوجة لمشاريع “الدماغ” العالمية المختلفة التي تهدف إلى التقدم الطبي وتطوير الذكاء الاصطناعي (AI). بينما تم إحراز تقدم ملحوظ في البحث الطبي، لا يزال الجانب الحسابي غير متطور، كما يتضح من أوجه القصور في مشروع الدماغ البشري الممول من الاتحاد الأوروبي في إنشاء محاكاة دماغ اصطناعي قابلة للتطبيق. يجادل المؤلفون لصالح نهج مستوحى من الأعصاب في تصميم وكلاء روبوتيين مستقلين، يُطلق عليهم اسم COCOBOTs، يجب أن تدمج القدرات المعرفية والوظائف التعاونية مع البشر.
تسلط الورقة الضوء على أهمية تطوير نظام متماسك حيث تكون المكونات الفيزيائية (Bodyware) والمعرفية (Cogniware) مترابطة، بدلاً من أن تكون كيانات منفصلة. تقترح أن تركز الأبحاث المستقبلية على إنشاء هيكل جنيني بسيط يمكن أن يتطور من خلال عمليات التنظيم الذاتي، مستلهمة من تقنيات الحوسبة العضوية. يمكن أن تؤدي هذه التقنيات، التي تستفيد من الأنسجة العصبية والاتصالات الديناميكية، إلى حوسبة أكثر كفاءة في استخدام الطاقة وإلى نموذج جديد يدمج الأجهزة والبرمجيات. في النهاية، يدعو المؤلفون إلى نهج متعدد التخصصات لتطوير COCOBOTs، مما يضعها كعنصر أساسي لتعزيز التعاون المتناغم بين الإنسان والآلة في سياق الثورة الصناعية الخامسة (5IR).
مقدمة
تحدد مقدمة الورقة الفروق بين الذكاء الاصطناعي (AI) والإدراك الاصطناعي (ACo)، مع التأكيد على أنه على الرغم من أن كلا المصطلحين غالبًا ما يتم الخلط بينهما، إلا أنهما يمثلان نهجين مختلفين جوهريًا لاكتساب المعرفة وتطبيقها. يُعرف الذكاء الاصطناعي، وهو مصطلح تم تأسيسه منذ الخمسينيات، بتركيزه على المعرفة المجردة وغير الشخصية، وغالبًا ما تكون غير مرتبطة وتعتمد على منهجيات مدفوعة بالبيانات. في المقابل، يُعتبر الإدراك الاصطناعي مفهومًا أكثر حداثة يركز على الإدراك المجسد، حيث يتم اكتساب المعرفة من خلال التجربة الشخصية والتفاعل مع البيئة، وبالتالي يرفض الثنائية بين العقل والجسد المتأصلة في أطر الذكاء الاصطناعي التقليدية.
يجادل المؤلفون بأن التطور التاريخي للذكاء الاصطناعي قد أدى إلى الاعتماد على الشبكات العصبية الغامضة، “صندوق أسود”، التي تعطي الأولوية للأداء على القابلية للتفسير، مما يثير مخاوف أخلاقية في التطبيقات الحساسة. ينتقدون المجال الناشئ للذكاء الاصطناعي القابل للتفسير (XAI) لقدرته المحدودة على تقديم فهم حقيقي لأنظمة الذكاء الاصطناعي، مقترحين بدلاً من ذلك أن يكون الإدراك الاصطناعي متجذرًا في نهج مستوحى من الدماغ، نشط تجاه الإدراك. تدعو هذه الرؤية إلى دمج العمليات المعرفية التي تعكس التعلم واتخاذ القرار البشري، مع التأكيد على أهمية التكيف والتفاعل الاجتماعي في تطوير الوكلاء المستقلين. تفترض الورقة أن تعزيز الاختراق المعرفي—فهم قائم على القيم المشتركة والثقة—يجب أن يُعطى الأولوية على مجرد القابلية للتفسير في تقدم الوكلاء الروبوتيين من الجيل التالي.
نقاش
في مناقشة الروبوتات التنموية، يدعو المؤلفون إلى بنية معرفية مستوحاة من الدماغ تركز على مبادئ من علم النفس التنموي وعلم الأعصاب. يهدف هذا النهج متعدد التخصصات إلى إنشاء وكلاء روبوتيين مستقلين يمكنهم التكيف والتعلم في بيئات ديناميكية، مما يتناقض مع الروبوتات الصناعية التقليدية التي تؤدي مهام ثابتة. يحدد المؤلفون ركيزتين أساسيتين للروبوتات التنموية: التجسيد الشخصي وتراكم المعرفة الشخصية/الاجتماعية. يجادلون بأن العمليات المعرفية تنشأ من التفاعل بين الدماغ والجسد والبيئة، مما يشير إلى أن الإدراك لا يمكن أن يتم التقاطه بالكامل بواسطة الخوارزميات المعقدة وحدها، حيث يتطلب تكامل هجين من المكونات الرقمية والتناظرية والفيزيائية.
يستكشف المؤلفون أيضًا أهمية التجسيد في التطور المعرفي، مؤكدين أن المهارات تُكتسب من خلال الاستكشاف والتفاعل الاجتماعي والدافع الداخلي. يبرزون أهمية الاستشراف—التخطيط والتنبؤ بالأفعال المستقبلية—الذي يمكّن من خلال نموذج داخلي للجسد يدمج المعلومات الحسية والحركية. يسمح هذا النموذج للوكلاء المعرفيين بالتنقل في بيئاتهم بفعالية من خلال محاكاة الأفعال والنتائج. تختتم المناقشة بدعوة لفهم أوسع للتطور المعرفي في الروبوتات، داعية إلى خارطة طريق تنموية تتضمن عمليات التعلم الشبيهة بالبشر والتفاعلات الاجتماعية لتعزيز قدرات الوكلاء المستقلين. يؤكد المؤلفون أنه بدون بنية معرفية أساسية، قد تظل الجهود في الروبوتات التنموية مجزأة ومحدودة النطاق.
DOI: https://doi.org/10.3389/fncom.2024.1349408
PMID: https://pubmed.ncbi.nlm.nih.gov/38585280
Publication Date: 2024-03-22
Author(s): Giulio Sandini et al.
Primary Topic: Action Observation and Synchronization
Overview
The section discusses the significant challenges and opportunities in understanding brain structure and function, emphasizing the dual objectives of various global “brain projects” aimed at medical advancements and the development of artificial intelligence (AI). While notable progress has been made in medical research, the computational aspect remains underdeveloped, as exemplified by the shortcomings of the EU-funded Human Brain Project in creating a viable artificial brain simulation. The authors argue for a neuro-inspired approach to designing autonomous robotic agents, termed COCOBOTs, which should integrate cognitive capabilities and collaborative functionalities with humans.
The paper highlights the importance of developing a cohesive system where the physical (Bodyware) and cognitive (Cogniware) components are interdependent, rather than separate entities. It proposes that future research should focus on creating a minimal embryonic structure that can evolve through self-organizing processes, drawing inspiration from organic computing technologies. These technologies, which leverage neural tissue and dynamic connections, could lead to more energy-efficient computing and a new paradigm that merges hardware and software. Ultimately, the authors advocate for a multidisciplinary approach to advance COCOBOTs, positioning them as essential for fostering harmonious human-machine collaborations in the context of the fifth industrial revolution (5IR).
Introduction
The introduction of the paper delineates the distinctions between Artificial Intelligence (AI) and Artificial Cognition (ACo), emphasizing that while both terms are often conflated, they represent fundamentally different approaches to knowledge acquisition and application. AI, a term established since the 1950s, is characterized by its focus on abstract, impersonal knowledge, often disembodied and reliant on data-driven methodologies. In contrast, ACo is a more recent concept that emphasizes embodied cognition, where knowledge is acquired through personal experience and interaction with the environment, thus rejecting the mind-body dualism inherent in traditional AI frameworks.
The authors argue that the historical development of AI has led to a reliance on opaque, “black box” neural networks that prioritize performance over explainability, raising ethical concerns in sensitive applications. They critique the emerging field of Explainable Artificial Intelligence (XAI) for its limited capacity to provide genuine understanding of AI systems, suggesting instead that ACo should be rooted in a brain-inspired, proactive approach to cognition. This perspective advocates for the integration of cognitive processes that mirror human learning and decision-making, emphasizing the importance of adaptability and social interaction in developing autonomous agents. The paper posits that fostering cognitive penetrability—an understanding based on shared values and trust—should be prioritized over mere explainability in the advancement of next-generation robotic agents.
Discussion
In the discussion of developmental robotics, the authors advocate for a brain-inspired cognitive architecture that emphasizes principles from developmental psychology and neuroscience. This interdisciplinary approach aims to create autonomous robotic agents that can adapt and learn in dynamic environments, contrasting with traditional industrial robots that perform fixed tasks. The authors identify two foundational pillars of developmental robotics: personal embodiment and the accumulation of personal/social knowledge. They argue that cognitive processes emerge from the interaction between the brain, body, and environment, suggesting that cognition cannot be fully captured by complex algorithms alone, as it requires a hybrid integration of digital, analog, and physical components.
The authors further explore the significance of embodiment in cognitive development, emphasizing that skills are acquired through exploration, social interaction, and intrinsic motivation. They highlight the importance of prospection—planning and predicting future actions—enabled by an internal body model that integrates sensory and motor information. This model allows cognitive agents to navigate their environments effectively by simulating actions and outcomes. The discussion concludes with a call for a broader understanding of cognitive development in robotics, advocating for a developmental roadmap that incorporates human-like learning processes and social interactions to enhance the capabilities of autonomous agents. The authors stress that without a foundational cognitive architecture, efforts in developmental robotics may remain fragmented and limited in scope.