این ربات با پرسش از کاربران آنلاین آموزش می‌بیند

گامبیت مجهز به حسگر مشهور عمق و حرکات مایکروسافت، معروف به کینکت است که رنگ و مکان لِگوها را تشخیص می‌دهد و به وسیله بازوهای انبری، اشیا را جا‌به‌جا می‌کند، اما گامبیت برای ساخت اشکال خاص برنامه‌نویسی نشده، بلکه یادگیری او با مشاهده حرکات نمایشی یک فرد دیگر و پرسش از وب‌سایت تُرک مکانیکی آمازون (Amazon Mechanical Turk) صورت می‌گیرد.

تُرک مکانیکی آمازون یک بازار اینترنتی است که به شیوه جمع سپاری اداره می‌شود. جمع‌سپاری از ترکیب دو واژه جمعیت و برون‌سپاری تشکیل شده است. در این شیوه، انجام یک فعالیت به جمعیتی از کاربران آنلاین محول می‌شود؛ یعنی ربات می‌تواند با ارسال درخواست به تُرک مکانیکی از آنها بخواهد تا وظایف هوش انسانی را که برای او تعریف نشده‌اند، برنامه‌نویسی کنند. پژوهشگران ابتدا از ۱۴ داوطلب خواستند تا شکل گل، ماهی، مار و چیزهای دیگر را مقابل گامبیت با لِگو بسازند. این اشکال اغلب پیچیده بودند و ربات نمی‌توانست آنها را تقلید کند.

پژوهشگران سپس پرسش‌هایی را به تُرک مکانیکی ارسال کردند و از کاربران پرسیدند اگر شما بخواهید با این لِگوها شکل ماشین یا آدم بسازید چطور این کار را انجام می‌دهید؟ مشاهده شد وقتی گامبیت اطلاعات به دست آمده از میان صدها پاسخ را پردازش می‌کند، آن طرحی را در ساخت لِگو به کار می‌گیرد که با توجه به توانایی‌های او قابل اجراست. جالب است ​ بدانید پاسخ‌های دریافت شده از سوی کاربران تُرک مکانیکی نشان‌دهنده هوشمندی آنهاست. بعضی می‌توانند فقط با چند عدد لِگو یک شکل قانع‌کننده از ماشین یا آدم بسازند، اما بعضی دیگر طرح قابل قبولی ارائه نمی‌دهند. اینجاست که گامبیت از کاربران می‌خواهد تا پاسخ‌های یکدیگر را ارزیابی کنند تا به این ترتیب پاسخ‌های ضعیف را از مجموعه اطلاعاتش حذف کند. به نظر می‌رسد یادگیری آنلاین کارآمدتر و بصرفه‌تر است. در یادگیری به شیوه جمع‌سپاری، عده زیادی از کاربران آماده‌اند تا درخواست‌های ارسالی از سوی گامبیت را برای برنامه‌نویسی اعمال خاص دریافت کنند، اما اگر قرار باشد همین تعداد افراد استخدام شوند تا مقابل او حرکات نمایشی اجرا کنند باید هزینه بیشتری پرداخت شود. پژوهشگران بر این باورند که در آینده دور، جمع‌سپاری می‌تواند انجام وظایفی مانند چیدن میز غذا یا تنظیم ماشین ظرفشویی را نیز به ربات‌ها یاد دهد.

popsci / مترجم: صدف دژآلود