نجح في تطوير نموذج ذكاء اصطناعي يمكنه ترجمة اللغة إلى حركات جسدية

نجح باحثون في مجال الذكاء الاصطناعي من جامعة كارنيجي ميلون بولاية بنسلفانيا الأمريكية، مؤخرًا، في تطوير نموذج عميق للذكاء الاصطناعي، قادر على ترجمة اللغات (النص، الصوت) إلى حركات وإيماءات فيزيائية بدقة عالية نسبيًا.

يُسمى نموذج الذكاء الاصطناعي هذا اسم Joint Language-to-Pose (JL2P)، ويُعرف بأنه طريقة توفر القدرة على الجمع بين اللغة الطبيعية ونماذج محاكاة الوضعية ثلاثية الأبعاد الفعالة عند استخدامها في التطبيق العملي في المستقبل القريب.

• يمكن لنموذج الذكاء الاصطناعي الخاص بـ DeepMind أن يتعلم كيفية إنشاء مقاطع فيديو بمجرد مشاهدة مقاطع YouTube

يُطلق على نموذج الذكاء الاصطناعي هذا اسم "لغة مشتركة للوضع" (JL2P).

يتم تدريب قدرة JL2P على تحليل ومحاكاة الوضع والإيماءات في الفضاء ثلاثي الأبعاد بشكل كامل من خلال برامج شاملة طوال الوقت - وهو نهج قوي وفعال للبرمجة. ويتم "تقسيم" برنامج التدريب إلى تسلسلات فردية. سيتعين على نموذج الذكاء الاصطناعي إكمال مهام قصيرة وبسيطة قبل السماح له بالانتقال إلى أهداف أكثر تعقيدًا.

حاليًا، تقتصر قدرات محاكاة الرسوم المتحركة لـ JL2P على الصور البدائية (المكونة من خطوط مستقيمة بسيطة)، ولكن القدرة على محاكاة الحركات الشبيهة بالإنسان تعتمد على لغة النموذج، ويعتبر تصور الذكاء الاصطناعي هذا دقيقًا وبديهيًا نسبيًا. ويعتقد الفريق أن نماذج مثل JL2P يمكن أن تساعد الروبوتات يومًا ما على أداء مهام بدنية في العالم الحقيقي مشابهة للبشر، أو المساعدة في إنشاء شخصيات متحركة افتراضية لألعاب الفيديو، وكذلك الأفلام.

• نجحت في تطوير دراجات ذاتية الدفع باستخدام شرائح الذكاء الاصطناعي التي يمكنها التفكير والتعلم مثل البشر

تقتصر قدرات محاكاة الرسوم المتحركة لـ JL2P على الصور البدائية والبسيطة

وفي الواقع، فإن فكرة تطوير نموذج للذكاء الاصطناعي يتمتع بالقدرة على ترجمة اللغة إلى حركات جسدية ليست جديدة. قبل أن تقدم جامعة كارنيجي ميلون JL2P، نجحت مايكروسوفت أيضًا في تطوير نموذج يسمى ObjGAN، مع مهمة رسم الصور والقصص المصورة (لوحة ترسم القصة التي تريد سردها في شكل صورة) من التعليقات التوضيحية اللغوية. نموذج آخر من Disney AI معروف أيضًا على نطاق واسع بقدرته على استخدام الكلمات الموجودة في البرنامج النصي لإنشاء القصص المصورة. أو الأكثر شهرة هو نموذج GauGAN من Nvidia ، والذي يمكنه تحويل رسومات الشعار المبتكرة مثل التي تم إنشاؤها باستخدام لوحة التتبع أو Microsoft Paint إلى رسومات رقمية ذكية ذات جماليات عالية للغاية.

وبالعودة إلى JL2P، يستطيع نموذج الذكاء الاصطناعي هذا الآن محاكاة عدد من الحركات بدقة شديدة، من البسيطة إلى المعقدة نسبيًا مثل المشي أو الجري، أو العزف على الآلات الموسيقية (مثل الجيتار أو الكمان)، أو اتباع التعليمات المحددة مسبقًا، الاتجاه (يسارًا أو يمينًا) أو السرعة. التحكم (سريع أو بطيء).

• نجحنا في تطوير "لوحة مفاتيح خيالية" لشاشات اللمس والواقع الافتراضي، مدعومة بالذكاء الاصطناعي

يمكن لـ JL2P الآن محاكاة عدد من الحركات بدقة شديدة تتراوح من البسيطة إلى المعقدة نسبيًا

"لقد قمنا أولاً بتحسين النموذج للتنبؤ بخطوتين زمنيتين بناءً على جمل كاملة. يمكن لهذه المهمة البسيطة أن تساعد نموذج الذكاء الاصطناعي على تعلم محاكاة تسلسلات قصيرة جدًا من الوضعيات، مثل حركات الساق أثناء المشي، أو حركات اليد أثناء التلويح، أو وضعية الجسم ووضعيته عند الانحناء. بمجرد أن يتعلم JL2P كيفية محاكاة نفس الإيماءات بدقة عالية، ننتقل إلى المرحلة التالية في المنهج الدراسي. وقال فريق البحث في جامعة كارنيجي ميلون: "لقد تم إعطاء النموذج الآن رقمين للتنبؤ به في نفس الوقت".

• يعرف الذكاء الاصطناعي بالفعل كيفية لعب البوكر، حيث يتفوق على أفضل اللاعبين في العالم في لعبة مكونة من 6 لاعبين

يحاكي وضعية الجري للشخص العادي

تم تقديم تفاصيل طريقة عمل JL2P بالإضافة إلى "الأعمال" النموذجية لأول مرة في ورقة علمية نُشرت في 2 يوليو على موقع arXiv.org، ومن المتوقع أن يتم تقديمها من قبل لجنة المؤلفين والباحثين في معهد CMU Chaitanya Ahuja لتكنولوجيا اللغة في 19 سبتمبر، على مسرح المؤتمر الدولي للرؤية ثلاثية الأبعاد المنعقد في كيبيك، كندا.

ويؤكد فريق البحث بثقة أن JL2P يمكنه محاكاة الوضعية والحركات الجسدية بدقة أكبر بنسبة 9% من نموذج ذكاء اصطناعي آخر "من الدرجة الأولى" طوره خبراء الذكاء الاصطناعي في SRI International في عام 2018.

• يمكن للتزييف العميق من سامسونج أن يجعل الراهب المظلم راسبوتين يغني بشكل حقيقي

يحاكي JL2P العمل البشري المتمثل في الوقوف بيد واحدة

تم إنشاء المنتج بواسطة JL2P بعد تدريبه على مجموعة بيانات لغة الحركة KIT (مجموعة بيانات لغة الحركة KIT).

يحاكي JL2P حركة القفز فوق العوائق والجري

تم تقديم مجموعة بيانات التعدين هذه لأول مرة في عام 2016 من قبل شركة Performance Humanoid Technologies، ألمانيا، وهي عبارة عن مزيج من الحركة البشرية مع أوصاف اللغة الطبيعية، وترسم خرائط 11 ساعة من الحركة المستمرة واحدًا تلو الآخر للأشخاص، مسجلة في أكثر من 6200 جملة إنجليزية، كل منها حوالي 8 كلمات. طويل.