أستمع الى المقال

أعلن DeepMind، مختبر الذكاء الاصطناعي المملوك لشركة Alphabet التابعة لشركة يوم أمس، أنه استحوذ على جهاز محاكاة MuJoCo وأصدره، مما يجعله متاحًا مجانًا للباحثين كمكتبة مُجمَّعة مسبقًا. وفي مدونةٍ نُشرت على الموقع الخاص بالمختبر، يقول المختبر إنه سيعمل على إعداد قاعدة الكود لطرح إصدارٍ في عام 2022 والاستمرار في تحسين MuJoCo كبرنامج مفتوح المصدر بموجب ترخيص Apache 2.0.

المحاكاة: محور أبحاث المستقبل

يحدد مقالٌ حديثٌ نُشر في مجلة “وقائع الأكاديمية الوطنية للعلوم” الدورية (PNAS) يستكشف حالة المحاكاة الروبوتية الأدوات مفتوحة المصدر باعتبارها أساسيةً لتطوير البحث العلمي. توصيات المؤلفين هي تطوير منصات محاكاة مفتوحة المصدر بالإضافة إلى إنشاء مكتبات من النماذج مُجمّعة برعاية المجتمع العلمي، وهي خطوة تدعي DeepMind أنها اتخذتها الآن.

وكُتب في مدونة المخبر: “يستخدم فريق الروبوتات لدينا MuJoCo كمنصة محاكاة للعديد من المشاريع.. في النهاية، تلتزم MuJoCo عن كثب بالمعادلات التي تحكم عالمنا. ونحن بدورنا ملتزمون بتطوير وصيانة MuJoCo كمشروع مجاني مفتوح المصدر يحركه المجتمع ليكون الأفضل في فئته. نحن نعمل بكّد حاليًا على إعداد MuJoCo للتوريد المفتوح الكامل.”

محاكاة الفيزياء

يُستخدم MuJoCo، الذي يرمز إلى “Multi-Joint Dynamics مع Contact”، على نطاقٍ واسع في مجتمع الروبوتات جنبًا إلى جنب مع أجهزة المحاكاة مثل Facebook’s Habitat و OpenAI’s Gym و Gazebo المدعوم من وكالة مشاريع البحوث الدفاعية المتقدمة الأمريكية. وتم تطوير MuJoCo في البداية بواسطة إيمو تودروف، عالم الأعصاب ومدير مختبر التحكم في الحركة في جامعة واشنطن، من خلال شركة Roboti LLC الناشئة كمنتج تجاري في عام 2015.

وعلى عكس العديد من أجهزة المحاكاة المصممة لتطبيقات الألعاب والأفلام، تأخذ MuJoCo بعض الاختصارات التي تعطي الأولوية للاستقرار على الدقة. على سبيل المثال، تضع المكتبة القوى المِدوارة في الحسبان، وتنفذ معادلات الحركة الكاملة، أي المعادلات التي تصف سلوك نظام مادي من حيث حركته كدالةٍ للوقت. ويدعم MuJoCo أيضًا النماذج العضلية الهيكلية للإنسان والحيوان، مما يعني أنه يمكن توزيع القوى المطبقة بشكلٍ صحيح على المفاصل.

تمت كتابة محرك MuJoCo الأساسي بلغة البرمجة C، مما يجعله قابلاً للترجمة بسهولة إلى بنىً أخرى. وعلاوةً على ذلك، يتم تخزين وصف مشاهدات المكتبة وحالات المحاكاة في بنيتين فقط من البيانات، والتي تشكّل جميع المعلومات اللازمة لإعادة إنشاء المحاكاة، بما في ذلك النتائج من المراحل المتوسطة.

وجاء في مدونة DeepMind في هذا السياق: “يستخدم تنسيق وصف مشهد MuJoCo الإعدادات الافتراضية المتتالية -أي تجنب القيم المتكررة المتعددة- ويحتوي على عناصر لمكونات روبوتية في العالم الحقيقي مثل قيود المساواة، وعلامات التقاط الحركة، والأوتار، والمشغّلات، وأجهزة الاستشعار. تتضمن خارطة الطريق طويلة المدى الخاصة بنا توحيد المعايير كتنسيقٍ مفتوح لتوسيع نطاق فائدتها إلى ما وراء نظام MuJoCo البيئي فقط.”

لا توجد محاكاة مثالية

بالطبع، لا يوجد نموذج محاكاة مثالي. إذ تحدد ورقة بحثية نشرها باحثون في جامعة كارنيجي ميلون الأمريكية المشكلات المتعلقة بنماذج المحاكاة، بما في ذلك:

  • فجوة الواقع: بغض النظر عن مدى دقة البيئات المحاكية لا تمثل دائمًا الواقع المادي بشكل كافٍ.
  • تكاليف الموارد: تتطلب النفقات العامة الحسابية للمحاكاة أجهزة متخصصة مثل بطاقات الرسومات الفائقة، مما يؤدي إلى ارتفاع التكاليف السحابية.
  • مشكلة القابلية للتكاثر: حتى أفضل المحاكيات يمكن أن تحتوي على عناصر “غير حتمية” تجعل إعادة إنتاج الاختبارات أمرًا مستحيلًا.

يمثل التغلب على هذه العقبات تحديًا كبيرًا في أبحاث المحاكاة. وفي الواقع، يعتقد بعض الخبراء أن تطوير محاكاة بدقة وتعقيد 100% قد يتطلب قدرًا كبيرًا من حل المشكلات والموارد مثل تطوير الروبوتات نفسها، وهذا هو السبب في احتمال استخدام المحاكيات جنبًا إلى جنب مع اختبارات العالم الحقيقي في المستقبل المنظور.

تم إصدار النسخة 2.1 من MuJoCo كثنائيات غير مقفلة، ومتاحة على الموقع الإلكتروني الأصلي للمشروع وعلى GitHub، إلى جانب الوثائق المحدّثة. وتمنح DeepMind تراخيص لتوفير مفتاح تنشيط غير مؤمن للإصدارات القديمة من MuJoCo (2.0 والإصدارات الأقدم)، والتي ستنتهي صلاحيتها في 18 أكتوبر/تشرين الأول 2031.

ويأتي استحواذ DeepMind على MuJoCo بعد أول الإعلان عن أول عامٍ ربحي للشركة. فوفقًا لإحدى الوثائق الصادرة عن الشركة الأسبوع الماضي، حصدت الشركة إيرادات بقيمة 1.13 مليار دولار أمريكي في عام 2020، أي أكثر من ثلاثة أضعاف مبلغ 361 مليون دولار أمريكي الذي قدمته في عام 2019، وهو أول ربحٍ تحققه الشركة.

اقرأ أيضًا: تجربة مثيرة بجامعة ستانفورد: الذكاء الاصطناعي يزداد كفاءةً عند امتلاكه جسد

هل أعجبك المحتوى وتريد المزيد منه يصل إلى صندوق بريدك الإلكتروني بشكلٍ دوري؟
انضم إلى قائمة من يقدّرون محتوى إكسڤار واشترك بنشرتنا البريدية.