به موازات هر گام به جلو در حوزهٔ تکنولوژی، از دخالت بشر کاسته میشود و بدین ترتیب نوع بشر هر روز کمتر از گذشته برای انجام کارها متحمل زحمت میشود اما در عین حال اگر ارمغان کم شدن دخالت انسان و حضور بیشتر تکنولوژی مساوی با بشردوستی باشد چهطور؟ در واقع، یکی از مصادیق بحث ما در این حوزه میتواند موارد امنیتی باشد؛ مثلاً رباتهایی که در جهت حفظ امنیت عمومی با هم همکاری میکنند!
شبکهای از هواپیماهای بدونسرنشین، رباتهای انساننما، رباتهای چرخدار و دوربینهای مداربستهٔ هوشمند با هدف مشترک تأمین امنیت در آیندهای نه چندان دور، با یکدیگر کار خواهند کرد. هنگامی که دوربینهای امنیتی تصویر فردی را نشان میدهند که بستۀ مشکوکی را در ایستگاه قطار جا میگذارد، شخصی که مسئول چک کردن تصاویر دوربینهای مداربسته است، اگر سریع عمل کند، نهایتاً میتواند به نزدیکترین مأمور امنیتی به محل بسته اطلاع دهد تا شخص مذکور را قبل از اینکه به بیرون از محدودۀ دوربینهای امنیتی متواری گردد تعقیب کند و این در حالی است که تمهیداتی از این دست چندان مفید به نظر نمیرسند!
در آیندهای نه چندان دور، رباتها این وظیفه را به شکلی بهتر و مؤثرتر انجام خواهند داد. تصور کنید دوربینی که این تخلف را نشان میدهد، بر روی یک ربات چرخدار نصب شده باشد که مجهز به تکنولوژی تشخیص چهره باشد. در این حالت، ربات میتواند خیلی سریع اطلاعات خود را با سایر رباتهای دوربیندار اطراف خود به اشتراک بگذارد و این در شرایطی است که همۀ این رباتها برای نظارت بر صحنۀ ارتکاب جرم و تعقیب مظنونین تا آخرین مرحله، یعنی دستگیری مجرم و شاید هم شلیک به طرف وی، برنامهریزی شده باشند!
محققان دانشگاه Cornell در تلاشند تا سیستمی هماهنگ و تحت شبکه بین رباتهای دوربیندار، هواپیماهای بدون سرنشین (پهپاد) و دوربینهای هوشمند طراحی کنند به طوری که این مجموعهٔ اسمارت (هوشمند) قادر خواهند بود تا اطلاعات را با سرعت بسیار بالا با اعضای مختلف سیستم تبادل کند و برای پیدا کردن مجرم در حوالی صحنۀ ارتکاب جرم، جستجو کند. همچنین رباتها قادر خواهند بود تا محدودۀ دید خود را تغییر داده و حتی به عنوان ماشینی که نسبت به فعالیتهای مشکوک حساس است، از جستجوی خود در محیط فعالیت خود نتیجهگیری کنند.
برای انجام این پروژه که توسط پروفسور Silvia Ferrari سرپرستی میشود، سازمان تحقیقات نیروی دریایی ایالات متحدۀ آمریکا 1.7 میلیون دلار سرمایهگذاری کرده است (پروفسور فراری مدیر لابراتوار سیستمهای هوشمند و کنترل در دانشگاه Cornell است.) محققان در این پروژه از رباتهای Segue (مجهز به دوربین اتوماتیک) استفاده خواهند کرد و این در حالی است که میتوان آنها به شکلی برنامهریزی کرد که از تجربیات قبلیشان استفاده کنند و به نوعی خودیادگیرنده باشند. سرپرست این پروژه در مصاحبهای با Recode گفته است:
ما در تلاشیم تا رباتها رو برای پیگیری و تعقیب موارد مورد نظر تیم تحقیقاتی آموزش بدیم؛ این موارد شامل انسانها، اتومبیلها و همچنین حیوانات میشن. همچنین رباتها برای نتیجهگیری از چیزی که میبینن، آموزش خواهند دید. همچنین چیز دیگهای که یاد میگیرن اینه که متوجه بشن چه اتفاقی در حال روی دادن هست و در گام بعدی چه اقدامی باید انجام دهند.
نیاز به توضیح نیست که در منطقۀ بزرگی که تحت نظارت رباتهای دوربیندار قرار میگیرد، شبکهای از رباتهای متحرک، نسبت به تعدادی دوربین ثابت که نمیتوانند شخصی را دستگیر کرده یا تحت کنترل درآورند، میتواند کمک بزرگی باشد. به گفتۀ فراری، ایدۀ اصلی پروژهٔ مرتبط با هوش مصنوعی این است که رباتهای دوربیندار تا جایی که ممکن است به صورت مستقل عمل کنند. محققان درصدد هستند تا رباتهای نظارتگر را به صورتی برنامهریزی کنند تا بتوانند با ترکیب مجموعۀ ویدئوهای موجود در رابطه با یک صحنه، دست به یک نتیجهگیری درست بزنند. به علاوه اینکه رباتها به اینترنت دسترسی داشته و قادر خواهند بود تا دادههای بیشتری در ارتباط با شخص مظنون به صورت اصطلاحاً Real-time (آنی) به دست آورند تا نقصهای اطلاعاتی و نکات مبهم خود را برطرف کنند!
به طور معمول، سیستمهای نظارتی اطلاعات خود را به یک اپراتور انسانی ارسال میکنند که وی صحنهها را بررسی و تفسیر میکند تا بفهمد به چه اطلاعات دیگری نیاز هست و این اطلاعات را چه طور باید به دست آورد اما به گفتهٔ Silvia Ferrari، این تیم از محققان قصد دارند تا این بخش از کار را به شکل اتوماتیک درآورند که بدین ترتیب، درک و دریافت کارها بر عهدۀ رباتها خواهد بود به طوری که رباتهای نظارتگر با زبان کامپیوتر با یکدیگر ارتباط برقرار میکنند اما در عین حال آنها قادر خواهند بود تا افکار خود را به برخی از ساختارهای زبانی قابلفهم برای انسانها نیز تبدیل کنند.
با هدف ایجاد تواناییِ نتیجهگیری و تصمیمگیری ربات در مورد اینکه چه چیزی و از کدام مسیر باید تحت تعقیب قرار گیرد، محققین درصدد هستنند تا با استفاده از هوش مصنوعی، الگوریتمهای جهتیاب خاصی ایجاد کنند؛ الگوریتمهایی که توانایی نتیجهگیری از حجم زیادی از دادهها را دارند. به عبارت دیگر، این رباتها به این شکل برنامهریزی نمیشوند که فقط بفهمند مثلاً چهطور از نقطۀ الف به نقطۀ ب بروند و این در حالی است که الگوریتمهای جهتیاب معمولاً تنها همین توانایی را دارند؛ اما الگوریتمهای مورد بحث در این پروژهٔ تحقیقاتی میتوانند بفهمند بر روی کدام نیازها باید تمرکز کرده و از ویدئوهای موجود در حافظۀ ربات میفهمند که چه شخصی باید مورد تعقیب قرار بگیرد.