Robot kelimesi (Çek dilinde zorunlu-işçi anlamına gelen robota kelimesinden türetilmiştir) Karel Capek’in bilimkurgu oyununda [1] ilk ortaya çıktığından beri yaklaşık bir asır geçti. Bu oyunda insan-benzeri biyolojik robotlar, insan aktörler tarafından her işte kullanılabilen akıllı işçiler olarak oynanıyorlardı.
Yetişkin beynini simule edecek bir program yazmakla uğraşmak yerine, neden çocuk beynini simule edecek bir program yazmayalım ki?
–Alan Turing, 1950
2010 yılında ise, Osaka Üniversitesi’nden Prof. Hiroshi Ishiguro tarafından yapılan gerçek robotun ölümcül bir hastalığa yakalanan bir kadın olarak tiyatro sahnesine çıkmasına ve (gerçek) bir kadın yardımcı tarafından eşlik edilmesine tanık olduk [2].
Eğer akıllı bir robot, robot ders kitaplarında tanımlandığı haliyle “otonom işlev gösterebilen mekanik bir varlık” [3] yada “hisseden, düşünen ve hareket eden bir makine” [4] ise, Profesör Ishiguro’nun insan tarafından uzaktan kontrol edilen android’i akıllı bir robot olarak tanımlanamayacaktır. Diğer taraftan, Grey Walter’ın 1950’de geliştirdiği basit prototüp gözler ve vakum tübü yükselticiler ile çalışan üç tekerlekli robotlarını (Figür 2), pil şarj yerlerini ararken sergiledikleri ortaya çıkan ilginç davranışlardan dolayı akıllı robotlar kategorisine sokabiliriz. Bugüne geri geldiğimizde, belirli görevler için özel olarak tasarlanmış son teknoloji robotların çok etkileyici beceriler sergilediklerini görebiliriz. Otonom araçlar İtalya’dan Çin’e normal trafikte 13.000 km. gidebilmekte [5], Asimo gibi insansı robotlar merdiven tırmanıp, 7 km/saat ile koşabilmekte ve ülke liderleri ile el sıkışmaktadırlar. Fakat, çok basit olarak, bugün hiçbir robot 3 yaşındaki bir çocuğun algısal, hareketsel yada bilişsel yeteneklerinin yanına bile yaklaşamamaktadır.
Figür 2: Birincisinde 1950’lerde geliştirilmiş Tortoise, ikincisinde normal trafikte giden otonom araç, üçüncüsünde ise en ünlü insansı robot Asimo.
Geçmiş on yıllarda, araştırmacılar akıllı makineler yaratmak için çeşitli yollar denediler. İlk yaklaşım, dünyayı robotun beyninde temsil etmek için komplike bilgi tabanları ve çıkarım yapmak için mantık tabanlı metotlar kullanmaktı. Fakat, algı ve hareket arasındaki planlama modülü çok yavaş olduğu için dinamik ve bilinmeyen ortamlarda robotlar hızlı karşılık veremediler. Alternatif bir yol olarak, algı-hareket modülleri sıkı bir şekilde birbirine bağlanıp algıdan harekete olan bilgi akışı hızlandırıldığında, robotlar hızlı tepki verebilir ve dinamik dünyada hayatta kalabilir hale geldiler; fakat aradaki planlama modülü kaldırıldığı için bu robotlar biraz zor görevleri yapamaz duruma geldi. Böylece her iki metottan da yararlanabilmek icin, algı-hareket bilgi akışı hızlı reaktif kontrol ile yüksek-düzeyli yavaş mantık sistemleri birleştirilerek entegre sistemler yaratıldı. Fakat, mantık sistemleri semboller ile çalışıyordu ve robotun sensörlerindeki ve hareketindeki devamlı (continuous) bilgiyi bu sembollere bağlamanın kolay bir problem olmadığı görüldü. Böylece robot araştırmacıları akıllı robotlar geliştirmekteki zorlukları yenmek icin doğadan fikirleri uygulamaya basladı. Bazen Darwin’in “en uygunun hayatta kalma prensibini” uygulayarak robot kontrolü evrimsel algoritmalarla geliştirildi [6], bazen arı ve karıncalardan ilham alarak basit robotların kolektif zeka geliştirebildiği gösterildi [7], bazen de maymun ve insan nörolojik beyin görüntüleme teknikleri kullanarak kompleks robot ellerinin cisimleri kavraması ve manipule etmesi için algoritmalar geliştirildi [8].
Robotik ve Gelişimsel Psikoloji
Michigan State Üniversitesi’den Profesör Juang Weng’in ortaya koyduğu gibi, “denenen metotların hiçbirisi, dikkate değer olmalarına rağmen, görme, konuşma ve dil gibi karmaşık, çeşitli ve son derece entegre olan yetişkin beyninin kapasitesine ulaşacak makinelere öncülük edecek kadar güçlü değildi” [9]. 2000’li yılların başlarında, akıllı robotlar geliştirmak için alternatif bir yol olarak, gelişimsel psikoloji, bilişsel bilimler, nöroloji bilimi ve robotik dallarının kesiştiği noktada Gelişimsel Robotik bilim dalı ortaya çıkmaya basladı. Bu yaklaşım kendine amaç olarak insan ile aynı düzeyde algı, hareket ve düşünce kapasitesine sahip “gerçekten” akıllı makineler yaratmayı koydu. Kısaca Gelişimsel Robotik, akıllı robotlar elde etmek için doğru yolun insan yada yüksek bilişsel becerilere sahip hayvanların gelişimine benzer bir robot gelişimi öngördü [9,10,11,12]. Robot gelişiminin biyolojik gelişime ne oranda ve hangi yönlerden benzemesi üzerine tartışmalar olmasına rağmen, ortak olarak şu özelliklere sahip olması gerekmektedir [20]:
• Öncelikle, öğrenen aracının (agent) fiziksel bir vücudun içerisinde ve fiziksel olarak etkileştiği gerçek bir ortamda olması gerekmektedir. Gelişimsel psikoloji, insan beyni, vücudu ve ortamın sıkı bir şekilde birbirine bağlı olduklarını ve bilişsel gelişimin sadece bu bağlılık sayesinde gerçekleşebildiğini, hatta bu bağ tarafından yönlendirildiğini tartışmaktadır. Baska bir deyişle, fiziksel vücut bulma, ortam ile etkileşimler sonucunda bilişsel gelişimi sağlamaktadır. Ortamla ve cisimlerle olan bu etkileşimler, robotun dünyasında denetlenmeyen/kendi kendine (unsupervised) bir yolla olabileceği gibi, ortamdaki başka aracılar (örnek olarak ebeveyn) tarafından yönlendirilerek algı-hareket ve sosyal gelişimi sağlayabilmektedir.
• Gelişim, adım adım ve artımlı bir şekilde gerçekleşmelidir. Başka bir deyişle, algı, hareket ve bilişsel gelişim basitten karmaşığa bir patika izlemeli; ve daha karmaşık kabiliyetler, daha önce öğrenilmiş basit kabiliyetler kullanılarak keşfedilmeli ve öğrenilmelidir. Buna ek olarak, bebek gelişiminde olduğu gibi [13, 14], bu artımlı gelişim niteliksel olarak farklı aşamalar içermelidir.
• Gelişim, belirli görevlerden bağımsız olmalı ve ortam tarafından sürüklenmelidir. Eğer mümkünse gelişim, sadece robotun kontrol metotlarında (yazılımında) değil, robotun kendi vücudunda ve morfolojisinde de (donanımında da) gerçekleşmelidir (bebeklerin büyürken vücutlarındaki değişime benzer şekilde). Örnek olarak, bir cismi eliyle kavramayı öğrenmek yerine, robotun ortam ile etkileşimi sonucunda kendiliğinden çeşitli manipülasyon becerilerinin yanında kavrama becerisini keşfetmesi Gelişimsel Robotik çerçevesine daha uygundur. Yüksek seviyeli bilişsel fonksiyonların gelişimi için aile/öğretmen yönlendirmesi önemli ve gerekli olmakla birlikte, fiziksel etkileşim yolu ile ortamı kendi kendine keşfetmek algı-hareket sisteminin gelişimi açısından birinci derecede öneme sahiptir.
• Robotun algı-hareket sistemi, gelişimin ilk fazında basit ve sınırlı olmalıdır. Kameralar, dokunma sensörleri, mikrofonlar gibi sensörlerden gelen yüksek miktarda ve karmaşık veri, robotun algı sistemini adeta bombardımana tutmaktadır. Yeni doğmuş bebeklerin görme kesinliği ve menzili başta sınırlı olup bebeklerin algı sistemine olabildiğince basit veri gitmekte, bebek büyüdükçe bu sınırlar adım adım ortadan kalkmaktadır. Benzer bir şekilde, robot sensör verilerindeki ve hareket komutlarındaki karmaşıklık robot gelişiminin ilk evrelerinde sınırlandırılmalı, bu sınırlar karmaşık veriyi işlemek için gerekli olan algısal ve bilişsel beceriler geliştikçe adım adım gevşetilmelidir.
• Robot, düşük seviyeli (low-level) algı-hareket gösterimi (representation) ile ‘doğmak’tadır. Fakat, gelişmiş bilişsel beceriler yüksek seviyeli (high-level) algı ve hareket gösterimi gerektirmektedir. Robot, düşük-seviyeli algı-hareket evreni içerisinde, yüksek-seviyeli konseptler keşfedebilmeli, bir başka deyişle algı ve davranış kategorileri geliştirebilmelidir. Örnek olarak, yeni doğmuş bir bebek nasıl sadece elini rastgele sallıyor ve bu rastgele sallamalar ve ortamla etkileşimler sonucunda ‘kavrama’, ‘kaldırma’, ‘bırakma’ gibi davranış kategorilerini kendi kendine öğrenebiliyor, keşfedebiliyorsa, robot da benzer keşif yöntemleri kullanarak hem algı evreninde (değişik cisim tipleri) hem de hareket evreninde (çeşitli davranışlar) benzer kategorileri bulabilmelidir.
Çocuk Gelişiminden Esinlenilen Fikirler
Bu başlıkta kademeli gelişimsel öğrenme çerçevesini kurmak için bize yol gösteren bebek gelişim fazlarını sıralamaya çalışacağız [20]:
• Bebekler, ışık miktarına bağlı olarak göz bebeği çapını değiştirme, elin içine bastırınca parmaklarını kapatma, yada ağıza giren nesneleri emme gibi refleksler ile doğarlar. Elini kapatma refleksi daha sonra gelişecek amaçlı nesne kavrama davranışının öncülü olarak görülebilmektedir [15]. Bu refleks sürekli tekrarlanarak istemli davranış haline dönüştükten sonra bebeğin 6. ayında yok olmaktadır.
• Bebekler 4 aylık iken eliyle ulaşabileceği alanın limitlerini öğrenmekte ve nesnelere başarıyla ulaşabilmektedir [16, 17].
• 5 aylık bebekler, nesneleri kavramak için ellerini nesnelere yaklaştırırken ellerini yavaşlatmak gerektiğini öğrenmişlerdir [16].
• Bebeklerin nesnenin şekline ve büyüklüğüne bağlı olarak doğru el açısı ve açıklığı ile yaklaşarak objeyi düzgün bir şekilde kavramaları 9 aydan önce gerçekleşmemektedir. El açısı ve açıklığı gibi parametrelerin göreceli olarak geç öğrenilmesinin nedeni 9 aydan küçük bebeklerin göz ile algılanan obje şekli ve açısı ile buna karşılık gelen el açısı arasında tam olarak gelişmiş bir eşleştirmenin daha gelişmemiş olmasıdır [16].
• Özellikle 7-9 ayları arasında bebekler, kavrama, düşürme, sallama, vurma gibi değişik davranışları kullanarak ortamı ve nesneleri keşfetmektedir [10]. Bu aşamaya gelen bebeklerin en basit hareket primitifi olan “eli hareket ettir”i kullanarak bu değişik davranışları ayırt ettiğini düşünebiliriz.
• 7-9 aylar arasındaki keşif sırasında bebekler kendi aksiyonları neticesinde oluşan nesne dinamiklerini ve nedensellik ilişkisini öğrenmektedirler [10]. Bu dönemde, ortam ile etkileşim içerisindeki bebekler aksiyonlarının sonuçlarını gözlemlemekte ve bu sonuçlar ile ilişkide bulunduğu objelerin görsel algıları arasındaki ilişkileri öğrenmektedirler.
• 10-12 aylık bebekler artık aksiyonları taklit edebilir ve bazı oyuncaklara ulaşmak gibi amaçlar için çok-aşamalı planlar yapabilmektedir [18]. Bebeğin beyninde sembolik temsil sadece 18. aydan sonra gelişebildiğine göre [13] büyük ihtimalle bebek, ortam etkileşimi sırasında algı-motor sisteminde keşfettiği yarı-sembolik yapılar ve konseptleri kullanarak taklit ve planlamayı gerçekleştirebilmektedir.
• Psikologlar, insanlardaki ve özellikle bebeklerdeki açık uçlu bilişsel gelişimi kontrol eden ‘içsel motivasyon’ adlı bir mekanizmanın var olduğunu düşünmektedirler [19]. Bu mekanizma sayesinde bebekler, oyun sırasında keyif ve merak içeren kendiliğinden keşif ederken aynı zamanda öğrenme hızları ve alanını da maksimize edebilirler.
Bebek Yaşı |
Bebek beceri gelişimi |
Robot beceri gelişimi ve hedefler |
0 ay |
Doğuştan gelen refleksler ve basit aksiyonlar |
Programlanmış robot refleks ve aksiyonları |
0-5 ay |
Refleksleri kullanarak aksiyonları egzersiz etmek |
Programlanmış aksiyonları farklı el hızları ve yanlışlar yaparak egzersiz etme. Hedef: Yeni bir davranış kümesi elde etmeli. |
5 ay |
Kavrama sırasında doğru el hızını kullanmak |
Doğru el hızı ile objeyi kavramalı. |
7-9 ay |
Nedensellik ilişkilerini ve obje dinamiklerini öğrenmek |
Ortam ve objelerin robota sunduğu potansiyel aksiyonları öğrenmeli. |
9 ay |
Objelere doğru el açısı ile yaklaşabilmek |
Kavrama davranışının parametrelerini keşfetmeli ve obje görüntüsü ile parametreler arasındaki ilişkiyi öğrenmeli. |
12 ay |
Aksiyonlari taklit edip, çok adımlı planlar yapabilmek |
Daha önce öğrendiği davranışlar, parametreleri, obje görüntüsü ve obje dinamiklerini kullanarak tahmin becerisi geliştirmeli ve tahmin becerisi ile plan yapabilmeli |
Bebek Robotlar
Dünya’daki gelişimsel robotik çalışmaları için geliştirilmiş robotların belki de en yaygın ve bilineni, Türkiye dahil olmak üzere Avrupa’da 20’den fazla laboratuvarda bulunan iCub isimli robottur. Bu robot 3 yaşında bir çocuğun boyutlarında tasarlanmış, 53 kontrol edilebilir serbestlik derecesine (ekleme) sahip, gözlerindeki kameralar, vücuduna yayılmış dokunma sensörleri ve kolundaki kuvvet/moment sensörü ile dünyayı algılayabilen tam bir insansı robot olarak farklı yeteneklerin öğrenilmesinde kullanılmaktadır. “Doğduğunda” ellerini ve ayaklarını nasıl kullanacağını bilmeyen bu robot, bir bebek gibi ellerini rastgele hareket ettirerek ve gözündeki kameralardan aldığı görüntülerdeki değişim ve düzenlilikleri izleyerek el-göz koordinasyonunu öğrenmekle işe başlayabilir. Bir sonraki gelişimsel adımda elini göz koordinatlarındaki istediği bir yere götürebilen robot, kameralarıyla algıladığı cisimlere uzanarak cisimlerle etkileşebilir ve hem dokunma hem de kuvvet sensörlerinde oluşan farklı sensör kalıplarını kümeleyerek dokunma, kavrama, kaldırma, sallama gibi davranışları ayırt edebilir. Bu davranışları değişik cisimlere uygulayarak davranışların cisimler üzerindeki etkisini öğrenebilir. Kendi kendine öğrenmenin zor olduğu yetenekleri (bir kupanın sapından tutulması gibi) etraftaki insan yardımcılar tarafından nasıl yapıldığını izleyerek yada bizzat insan yardımcıların robotun elini kontrol etmesi yoluyla öğrenebilir. Daha sonraki adımlarda ise öğrendiği davranışlar yada kavramları doğal dil ile ilişkilendirmek için yine etrafındaki insanlardan yardım alabilir. Örnek olarak Figür 3’te kavrama davranışını gerçekleştiren robota insan ‘masada iki top var, iCub mavi topu kavrıyor’ demek yoluyla ile robotun kendi oluşturduğu dünya ile bizim iletişim için kullandığımız dil parçaları arasında eşleştirme yapmayı öğrenebilir. Robotun algı sistemi her zaman mükemmel çalışmadığı için, bazı zamanlar ortamdaki bilgi direkt ulaşılır olamayabileceği için ve ortam her zaman aynı tepkiyi vermeyeceği icin robotun öğrenme metotlarının olasılıksal ve eksik bilgi ile başedebilir makine öğrenme yöntemlerinden seçilmesi gerekmektedir.
Figür 3: Bir kopyasi Orta Doğu Teknik Üniversitesi Bilgisayar Mühendisliği KOVAN Araştırma Laboratuvarı’nda da bulunan iCub robotu cisimlerle etkileşmeyi ve emeklemeyi öğrenirken.
Sonuç
Gelişimsel Robotik, robotlarda gerçek zekaya uluşmak için bir yöntem, bir çerçeve olarak önerildiğinden beri on yıldan fazla zaman geçti. Bu süre zarfında anne rahmindeki bebeğin hareket paternlerinin simulasyonundan, doğal dil öğretilmesine kadar Dünya’nın değişik merkezlerinde bebek-robotların farklı öğrenme dönemleri çalışıldı. IEEE Transactions on Autonomous Mental Development gibi periyodik bilimsel dergileri ve International Conference on Development and Learning gibi yıllık konferans serileri ortaya çıktı. Fakat, robotlarda gerçek zekaya problemini çözmek için halen uzun bir yol olduğu da kesin. Öncelikle robotun ortamı bebek gibi keşfetmesi için robot donanımının algısal ve mekanik olarak geliştirilmesi ve dünya ile etkileşim sırasında yapılan yanlışlara/hatalara fiziksel olarak izin vermesi gerekmekte. Robotiğin diğer alanlarının da sürüklemesiyle çarpmaya dayanıklı esnek robot vücut parçalarının, tüm vücudu kaplayan yumuşak deri içine gömülmüş dokunma sensörlerinin, uyumlu (compliant) eklemlerin ve tüm bunlara bağlı olarak insan zekasının gelişiminde ve araç kullanmada büyük öneme sahip komplike ellerin geliştirilmesi gerekmektedir. Yazılım tarafında ise daha önce de bahsettiğimiz gibi robotun sürekli ve düşük seviyeli algı-hareket dünyası ile yüksek düzeydeki bilişsel fonksiyonları arasındaki bağlantıyı öğrenebilecek özgün metotlara ihtiyaç duyulmaktadır. Klasik Yapay Zeka, Bilgisayar Bilimleri’nin bir alt dalı olarak karmaşık problemleri başarıyla çözebildiğini kanıtlamış olmakla beraber gerçek, robotun bilinmeyenlerle dolu, dinamik, gürültülü ve kontrolsüz dünyasındaki akıllı davranış için (halen ve şimdilik) bir çözüm sunamamaktadır. Makine öğrenmesinde kullanılan birçok örüntü tanıma metodu seyrek (sparse), genellenebilir ve olasılıksal yöntemler kullanarak geniş veritabanlarında başarılı sınıflandırma sonuçları vermekle beraber bu veritabanları belli alanlarla (görüntü yada beyin görüntüsü veritabanları gibi) sınırlı olup robotun gerçek dinamik dünyasına her durumda uygulanamamakta, uygulamak için parametreler ve özellikler (features) robotun görevine göre elle ayarlanmak zorunda kalmaktadır. Diğer taraftan internet arama motorlarındaki gelişmeler, doğal dil ve görüntü işlemede yeni kapılar açmakta fakat bu gelişmeler dinamik, 3-boyutlu, dokunma ve ses ile de algılanan dünyanın tanınması için halen yeterli olamamaktadır. Sonuç olarak, yüksek düzeyli zekanın gelişimi için bilgisayar bilimleri, gelişimsel psikoloji, makine öğrenmesi, yapay zeka, sinir bilimi gibi alanlardaki araştırmacıların ortak çalışması ve fiziksel robot üzerinde geliştirilen yöntemlerin denenmeye devam etmesi gerekmektedir.
Kaynaklar
[1] K. Capek. R.U.R (Rossum’s Universal Robots). Penguin Classsics, 2004.
[2] E. Guizzon. Geminoid f gets job as robot actress, blog in IEEE spectrum. http://spectrum.ieee.org/automaton/robotics/humanoids/ geminoid-f-takes-the-stage, November 2010.
[3] R. R. Murphy. An Introduction to AI Robotics. The MIT Press, 2000.
[4] G. Bekey. Autonomous Robots. MIT Press, 2005.
[5] E. Guizzon. Autonomous vehicle driving from italy to china, blog in IEEE spectrum. http://spectrum.ieee.org/automaton/robotics/robotics-software/autonomous…, 2010.
[6] S. Nolfi and D. Floreano. Evolutionary Robotics: The Biology, Intelligence, and Technology of Self-Organizing Machines. MIT Press, 2000.
[7] E. Bonabeau, M. Dorigo, and G. Theraulaz. Swarm Intelligence: From Natural to Artificial Systems. Oxford University Press, 1999.
[8] E. Oztop and M. A. Arbib. Schema design and implementation of the grasp-related mirror neuron system. Biological Cybernetics, 87:116–140, 2002.
[9] J. Weng, J. McClelland, A. Pentland, O. Sporns, I. Stockman, M. Sur, and E. Thelen. Autonomous mental development by robots and animals. Science, 291:599–600, 2001.
[10] M. Asada, K. Hosoda, Y. Kuniyoshi, H. Ishiguro, T. Inui, Y. Yoshikawa, M. Ogino, and C. Yoshida. Cognitive developmental robotics: a survey. IEEE Transactions on Autonomous Mental Development, 1(1):12–34, 2009.
[11] J. Zlatev and C. Balkenius. Introduction: Why epigenetic robotics? In Proceedings of the 1st International Workshop on Epigenetic Robotics: Modeling Cognitive Development in Robotic Systems, pages 61–67. Lund University Cognitive Studies, 85., 2001.
[12] M. Lungarella, G. Metta, R. Pfeifer, and G. Sandini. Developmental robotics: A survey. Connection Science, 15(4):151–190, December 2003.
[13] J. Piaget. The Origins of Intelligence in Children. International University Press, New York, USA, 1952.
[14] R. DeLisi. A cognitive-developmental model of planning. In Blueprints for thinking: The role of planning in cognitive development, pages 79–109. Cambridge University Press, 1987.
[15] J. Piaget and B. Inhelder. The Psychology of the Child. Basic Books, New York, USA, 1966. Originally published in French as La Psychologie de l’enfant by Presses Universitaires de France, Paris, 1966.
[16] D. A. Rosenbaum. Human Motor Control. Academic Press, London, UK, 1991.
[17] J. G. Bremner. Infancy. Blackwell Publishing, Malden, MA, USA, 1988. 2nd edition, 1994.
[18] P. Willatts. The stage IV infant’s solution of problems requiring the use of supports. Infant Behavior and Development, 7:125–134, 1984.
[19] R. White. Motivation reconsidered: The concept of competence. Psychology Review, 66:297–333, 1959.
[20] E. Ugur, E. Oztop and E. Sahin , Goal emulation and planning in perceptual space using learned affordances, Robotics and Autonomous Systems, 59 (7-8), pp. 580-595, 2011.