درست است که مغز یک کرم بسیار کوچک است، اما همین اندام کوچک، دانشمندان را برای طراحی نرم‌افزار بهتری برای پهپادها ترغیب کرده است. محققان موسسه فناوری ماساچوست با استفاده از شبکه‌های عصبی، توانستند یک پهپاد را برای شناسایی و حرکت به سمت اشیاء، در محیط‌های مختلف آموزش دهند.
شبکه‌های عصبی مایع، نوعی ابزار منحصربفرد هوش مصنوعی هستند. آنها می‌توانند با قیاس داده‌های قبلی، اطلاعات را در محیط‌های جدید اعمال کنند. رامین حسنی، یکی از پژوهشگران MIT و یکی از پژوهشگران این نوآوری می‌گوید: «آنها می‌توانند اطلاعات خود را تعمیم داده و در موقعیت‌هایی بکار گیرند که هرگز ندیده‌اند و در آن قرار نداشته‌اند».
شبکه‌های عصبی، نرم‌افزاری‌هایی هستند که از نحوه تعامل نورون‌ها در مغز الهام گرفته‌اند. نوع شبکه عصبی مورد بررسی در این مطالعه، شبکه‌های عصبی مایع است، که می‌توانند در زمان واقعی، یعنی زمانی که اطلاعات جدیدی به آنها داده می‌شود انعطاف پذیر بوده و این اطلاعات را تطبیق دهند. به همین جهت به آنها «مایع» گفته می‌شود.
شبکه ساخته شده محققان، از روی یک کرم ۲ میلیمتری به نام Caenorhabditis elegans مدل‌سازی شده است.
به طور طبیعی، این کرم مغز کوچکی دارد:۳۰۲ نورون و۸۰۰۰ اتصال سیناپسی که به محققان امکان می‌دهد پیچیدگی‌های اتصالات عصبی را درک کنند. در مقابل، مغز انسان در حدود ۸۶ میلیارد نورون و۱۰۰ تریلیون سیناپس دارد.
حسنی می‌گوید: «ما می‌خواستیم دینامیک نورون‌ها، نحوه عملکرد آنها، نحوه انتشار اطلاعات یک نورون به نورون دیگر را مدل‌سازی کنیم.»
این شبکه‌های قوی، پهپاد را قادر می‌سازد تا بتوانند حتی پس از آموزش‌های اولیه، در زمان لازم، خود را تطبیق داده و با وجود تغییرات در محیط، آن را شناسایی کنند. موفقیت شبکه‌های عصبی مایع در دستیابی به هدفشان در محیط‌های مختلف و تصمیم‌گیری‌های منعطفانه، بیش از ۹۰ درصد بوده است.
به گفته محققان، با استفاده از این فناوری، افراد ممکن است بتوانند با استفاده از پهپادها، کارهایی مانند نظارت خودکار حیات وحش و ماموریت‌های جستجو و نجات را انجام دهند.
محققان ابتدا به این نرم افزار یاد دادند که صندلی قرمز را شناسایی کرده و به سمت آن پرواز کند. پس از اینکه این پهپاد( یک کوادکوپترDJI) ثابت کرد که توانایی انجام این کار از فاصله حدودا ۱۰ متری را دارد، آنها به طور تدریجی فاصله شروع را، افزایش دادند. در کمال تعجب، دیدند که پهپاد به آرامی از فاصله ۴۵ متری به صندلی هدف نزدیک شد.
مکرم شاهین، یکی از نویسندگان و محقق فارغ التحصیل MIT می‌گوید:«این اولین بار بود که فکر کردم این وسیله بسیار قدرتمندی است. زیرا هرگز شبکه هدایت پهپاد از این فاصله را ندیده بودم. و پهپاد این کار را به خوبی و به طور دائم انجام می‌داد. این موضوع بسیار تاثیرگذار بود.»
پس از اینکه پهپاد توانست با موفقیت به سمت اشیاء مورد نظر در فواصل مختلف پرواز کند، آنها شروع به بررسی توانایی آن برای شناسایی صندلی‌های دیگری در فضای شهری کردند. توانایی تشخیص درست صندلی از محرک‌های مشابه، ثابت کرد که سیستم می‌تواند وظیفه واقعی خود را درک کند؛ نه اینکه صرفاً به سمت تصویری از پیکسل‌های قرمز در پس زمینه حرکت کند.
مثلا می‌توان به پهپادها آموزش داد تا به جای شناسایی صندلی قرمز، نهنگ‌ها را در اقیانوس شناسایی کنند. یا به جستجو و شناسایی انسان‌هایی که گرفتار بلایای طبیعی شده‌اند، بپردازند.
پاتریک کائو، یکی از نویسندگان و محقق کارشناسی MIT می‌گوید: «بعد از اینکه تأیید شد کمترین کاری که شبکه‌های مایع می‌توانند انجام دهند، تکرار وظیفه‌ای است که به عهده دارند، سعی کردیم عملکرد خارج از دامنه آنها را بررسی کنیم. آنها توانایی پهپاد برای شناسایی صندلی قرمز در محیط‌های شهری و جنگلی، در فصول مختلف و شرایط نوری مختلف را آزمایش کردند. این شبکه همچنان در انجام وظیفه خود در همه این شرایط و محیط‌های مختلف موفق بود.
آنها دو شبکه عصبی مایع را در برابر چهار شبکه عصبی غیر مایع آزمایش کردند و دریافتند که عملکرد شبکه‌های مایع در هر زمینه‌ای، بهتر از شبکه‌های عصبی است. هنوز خیلی زود است تا دقیقاً اعلام کنیم چه چیزی به شبکه‌های عصبی مایع اجازه می‌دهد تا این اندازه موفق باشند. به گفته محققان، یک فرضیه می‌تواند به توانایی درک علیت یا روابط علت و معلولی مرتبط باشد، که به شبکه مایع اجازه می‌دهد تا روی صندلی هدف تمرکز کرده و بدون توجه به محیط اطراف به سمت آن حرکت کند.
سیستم آنقدر پیچیده هست تا بتواند کارهایی نظیر شناسایی یک شیء و حرکت به سمت آن را انجام دهد؛ اما آنقدر پیچیده نیست که محققان را از درک فرآیندهای زیربنایی آن باز دارد. حسنی می‌گوید:«قصد ما این است تا چیزی بسازیم که قابل درک و کنترل باشد و هوش عمومی مصنوعی چیزی است که در آینده می‌خواهیم به آن برسیم. اما در حال حاضر با آن فاصله داریم.»
سیستم‌های هوش مصنوعی، موضوعی بحث برانگیز هستند که اخیرا نگرانی‌هایی را در مورد ایمنی و اتوماسیون بیش از حد ایجاد کرده‌اند. اما به گفته محققان، درک کامل قابلیت‌های فناوری آنها فقط یک اولویت نیست، بلکه یک هدف است.
حسنی در پایان گفت:«همه کارهایی که ما در آزمایشگاه‌های روباتیک و یادگیری ماشینی انجام می‌دهیم، برای حفظ ایمنی همه جانبه و استقرار هوش مصنوعی به روش کاملا ایمن و اخلاقی در جامعه است و به این ماموریت پایبند هستیم.»
