ارزیابی قابلیت های مدل های زبانی بزرگ به عنوان مغز ربات های فیزیکی مطالعه ای بر روی استدلال فضایی و درک فیزیکی در غیاب تجربه ی جسمانی

گذار از مدل های زبانی بزرگ مولد محتوایی به سیستم های هوش مصنوعی عامل محور و جسمانی شده یکی از مهم ترین دگرگونی های این حوزه در سال های اخیر محسوب می شود. با این حال پرسش بنیادینی که کمتر به آن پرداخته شده این است که آیا مدل های زبانی بزرگ که صرفا بر روی داده های متنی غیر جسمانی آموزش دیده اند می توانند به عنوان مغز استدلال گر ربات های فیزیکی عمل کنند و درک معناداری از قوانین فضایی و فیزیکی جهان واقعی داشته باشند. هدف این پژوهش ارزیابی سیستماتیک توانمندی های شناختی مدل های زبانی بزرگ در سه مولفه کلیدی استدلال فضایی، حافظه پویا از موقعیت اشیا و پیش بینی پیامدهای فیزیکی اقدامات، بدون آنکه مدل از هرگونه داده حسگری یا تعامل جسمانی مستقیم بهره برده باشد. روش پژوهش مبتنی بر طراحی یک مجموعه آزمایشگاهی شبیه سازی شده است که در آن، یک مدل زبانی بزرگ باز با معماری (ترنسفورمر) به عنوان کنترل کننده سطح بالا بر روی یک بازوی رباتیک شش درجه آزادی در محیط مجازی Gazebo پیاده سازی می شود. مدل از طریق مهندسی پرامپت و با استفاده از زبان طبیعی، وظایفی شامل مسیریابی شرطی، چیدمان اشیا بر اساس رابطه های فضایی نسبی و پیش بینی برخورد یا سقوط اشیا را دریافت می کند. عملکرد مدل در برابر یک گروه کنترل مرکب از سه عامل انسان خبره و یک عامل یادگیری تقویتی مبتنی بر شبکه های عمیق سنجیده می شود. یافته های اولیه نشان می دهد که مدل های زبانی بزرگ به رغم فقدان تجربه جسمانی در وظایف استدلال فضایی صریح از عملکردی قابل قبول و در برخی موارد برابر با عامل انسانی برخوردارند، اما در وظایف نیازمند استنباط ضمنی قوانین فیزیکی مانند پیش بینی زنجیره برخورد اشیا به شدت دچار نقص هستند و به طور متوسط ۴۲ درصد خطای بیشتری نسبت به گروه کنترل انسانی نشان می دهند. این نتایج ضمن تایید وجود نشانه هایی از استدلال فضایی سطح بالا در مدل های زبانی بزرگ هشدار می دهد که اتکا بر این مدل ها به عنوان مغز ربات های خودگردان بدون تزریق داده های حسگری و بازخورد جسمانی با خطرات جدی عملکردی همراه است و طراحی معماری های ترکیبی دوگانه (مدل زبانی برای استدلال انتزاعی به همراه یک ماژول فیزیک تحلیلی برای پیش بینی پیامدها) را به عنوان ضرورتی اجتناب ناپذیر برای تحقق هوش مصنوعی فیزیکی ایمن پیشنهاد می کند.

کلیدواژه ها:

هوش مصنوعی فیزیکی ، مدل های زبانی بزرگ ، استدلال فضایی ، رباتیک شناختی ، عامل های جسمانی شده ، معماری های ترکیبی