في عالم اليوم المتسارع، يتعين على الروبوتات أن تكون قادرة على تفاعلات أكثر ذكاءً مع البشر. تخيل أن يسألك روبوت عن مكان المفاتيح أو لماذا لم تنجح مهمة معينة، فيجب عليه استرجاع ذاكرته بشكل سليم. لكن الاحتفاظ بذاكرة تجريبية طويلة الأمد (Episodic Memory) من إدراك متعدد الوسائط قد يتجاوز سريعًا حدود التخزين ويجعل الاستفسارات في الوقت الفعلي غير عملية. لذا، كان من الضروري تطوير آليات لنسيان انتقائي يتكيف مع ما يعتبره المستخدمون ذا قيمة.

في هذا السياق، تقدم الدراسة الأخيرة «H²-EMV» (Hierarchical Episodic Memory for Robots)، وهو إطار عمل يتيح للروبوتات تعلم ما يجب تذكره من خلال تفاعل المستخدم. يقوم هذا النظام ببناء ذاكرة تجريبية Hierarchical EM بشكل تدريجي، وينسى المعلومات باستخدام نموذج لغوي (Language Model) يعتمد على تقدير الصلة وفق قواعد اللغة الطبيعية المتعلمة.

ما يثير الإعجاب هو أن الروبوتات يمكنها تعديل هذه القواعد بناءً على ملاحظات المستخدم حول التفاصيل المنسية. من خلال تقييمات على مهام منزلية محاكية وتسجيلات واقعية تمتد لأكثر من 20.5 ساعة باستخدام الروبوت ARMAR-7، أثبتت H²-EMV قدرتها على الحفاظ على دقة الإجابة عن الأسئلة مع تقليل حجم الذاكرة بنسبة 45% وتقليل الوقت اللازم لاستجابة الاستفسارات بنسبة 35%. والأهم من ذلك، أن الأداء يتحسن بمرور الوقت، حيث تزداد الدقة بنسبة 70% في الاستفسارات الثانية مع التكيف على أولويات المستخدمين.

إن هذا التطور يمثل خطوة مهمة نحو تعزيز التعاون الطويل الأمد بين البشر والروبوتات، مما يجعلها أكثر تفاعلاً وذكاءً. ننتظر بشغف كيف ستؤثر هذه الابتكارات على حياتنا اليومية!