‏چرا رباتیک هنوز یک علم پیشاپارادایمه

توماس کوهن تو کتاب ساختار انقلاب‌های علمی (۱۹۶۲) مفهوم «تغییر پارادایم» رو معرفی کرد: لحظه‌ای که یه رشته‌ی علمی حول یه اصل سازمان‌دهنده جمع می‌شه و همه‌چی عوض می‌شه، مثل کشف DNA یا جدول تناوبی عناصر. نویسنده می‌گه رباتیک هنوز تو همون مرحله‌ی پیشاعلمه: ما مسئله رو می‌دونیم (می‌خوایم یه عامل جسم‌مند تو دنیای فیزیکی هوشمندانه رفتار کنه) ولی هنوز یه نظریه‌ی واحد بزرگ نداریم. ایده‌هایی مثل subsumption، شبکه‌های عصبی، SLAM و motion planning همه تیکه‌هایی از تئوری‌ـن، نه خود تئوری.

به گفته‌ی نویسنده، نزدیک‌ترین چیزی که به یه مدل کلی پیدا کرده POMDP بوده؛ یعنی فرایند تصمیم مارکوف با مشاهده‌پذیری جزئی. این مدل همه‌ی کارهای یه ربات رو در بر می‌گیره: یه وضعیت پنهان از دنیا، مشاهده‌هایی که اطلاعات نویزی درباره‌ش می‌دن، کنش‌هایی که وضعیت رو عوض می‌کنن و یه هدف به شکل تابع پاداش. مشکل اینجاست که POMDP تو حالت کلی حل‌نشدنیه و برای کامپیوترهامون زیادی سنگینه.

نویسنده یه قیاس جالب می‌زنه: POMDP مثل پایتونه. پایتون هم از نظر تئوری حل‌نشدنیه ولی بازم باهاش برنامه و ابزار مفید می‌نویسیم. برای همین بخش زیادی از کار گروهش به این برمی‌گرده که چطور می‌شه به یه POMDP ساختار اضافه کرد تا یادگیری و استنتاج کارآمد بشه. اون دنبال این بود که SLAM رو تو POMDP ادغام کنه ولی سر اینکه تابع پاداش باید چی باشه گیر کرد.

شرط فعلی که خیلی‌ها روش حساب باز کردن، مشخص‌تر از خود یادگیری عمیقه: فرضیه‌ی کاری اینه که داده + مدل‌های Vision-Language-Action + یادگیری تقویتی = ربات همه‌منظوره. یعنی یه VLA رو روی داده‌ی اینترنتی پیش‌آموزش می‌دی، با هر چقدر داده‌ی واقعی ربات که جمع کنی فاین‌تیون‌ـش می‌کنی و بعد می‌ذاری RL با تمرین خودگردان فاصله‌ی باقی‌مونده رو پر کنه. به گفته‌ی نویسنده شرکت‌هایی مثل Physical Intelligence، Figure، 1X، Google DeepMind و Tesla هرکدوم نسخه‌ای از این شرط رو بستن. یه شرط دوم هم داره سریع جا می‌افته: اینکه در نهایت RL کار داده و VLA رو هم می‌خوره.

نویسنده برای روشن کردن منظورش سراغ داستان کشف اکسیژن می‌ره. جوزف پریستلی سال ۱۷۷۴ اکسیژن رو جدا کرد، دید که شعله رو روشن‌تر می‌کنه، ولی چون از دریچه‌ی نظریه‌ی فلوژیستون بهش نگاه می‌کرد اسمش رو گذاشت «هوای بی‌فلوژیستون» و تا آخر عمر از فلوژیستون دفاع کرد. لاووازیه همون آزمایش رو تکرار کرد ولی چون حاضر بود فلوژیستون رو کلاً دور بندازه، چیز دیگه‌ای دید: همون داده، پارادایم متفاوت.

البته نویسنده یه نکته رو هم قبول می‌کنه که جسیکا هاجینز بهش گوشزد کرده: برخلاف پریستلی، بیشتر پژوهشگرهای رباتیک زیر سایه‌ی یه نظریه‌ی غلط کار نمی‌کنن و SLAM و تقریب تابع و motion planning هنوز جای مهمی تو جعبه‌ابزار دارن. ولی نکته‌ی اصلیش اینه که انتخاب اینکه آدم سراغ کدوم ابزار بره، یه نظریه‌ی ضمنی درباره‌ی ماهیت هوش جسم‌مند رو در خودش داره و هر کدوم از این تعهدها ممکنه به اندازه‌ی فلوژیستون اشتباه باشه.

نکات کلیدی:

• نویسنده می‌گه رباتیک هنوز یه نظریه‌ی واحد بزرگ نداره و تو مرحله‌ی پیشاپارادایمه
• POMDP نزدیک‌ترین مدل کلیه ولی تو حالت عمومی از نظر محاسباتی حل‌نشدنیه
• شرط رایج فعلی ترکیب داده، مدل‌های VLA و یادگیری تقویتی برای ساخت ربات همه‌منظوره‌ست
• شرکت‌هایی مثل Physical Intelligence، Figure، 1X، Google DeepMind و Tesla نسخه‌هایی از این شرط رو بستن
• انتخاب هر ابزار یه باور پنهان درباره‌ی ماهیت هوش جسم‌منده که ممکنه کاملاً اشتباه باشه