ابتكر العلماء روبوتات مجهرية يمكن حقنها في أجسام بشرية لإجراء عمليات جراحية دقيقة أو بهدف الفحص والتقصي.
وهي أول روبوتات مجهرية مصنوعة من مكونات أشباه الموصلات، وفقاً لمنشئيها من جامعة كورنيل، مما يعني أنه يمكن جعلها تمشي باستخدام الإشارات الإلكترونية القياسية.
ويحتوي كل روبوت على أربع أرجل مكونة من مشغلات صغيرة متصلة ببقع من الخلايا الشمسية على هيكل الجهاز، وعندما يتم تسليط أشعة الليزر على هذه البقع، تنحني الأرجل لتجعل الروبوت يمشي.
الروبوتات أيضاً صغيرة للغاية: حيث يبلغ سمكها 5 ميكرون، وعرضها 40 ميكرون، وطولها 40 إلى 70 ميكرون.
وتمكن الباحثون في الاختبارات، من تصنيع أكثر من مليون روبوت من خلال رقاقة بحجم 4 بوصات من السيليكون، وقال المؤلف الرئيسي للدراسة مارك ميسكين، وهو باحث سابق في جامعة كورنيل: “ربما تكون السيطرة على روبوت صغير أقرب ما يمكن إلى تقليص نفسك، أعتقد أن آلات مثل هذه ستأخذنا إلى جميع أنواع العوالم المذهلة التي لا يمكن رؤيتها.”
الروبوتات صغيرة بما يكفي بحيث يمكن حقن أسراب منها عبر إبرة في الجسم، وبعد ذلك يمكنهم التنقل عبر الأنسجة والدم في طريقهم لخياطة الأوعية الدموية أو فحص الأوردة أو الأعصاب.
ويتم السيطرة حالياً على هذه الروبوتات من الخارج، ولكن يمكن أن تكون مجهزة في يوم من الأيام بـ “عقول” اصطناعية وبطاريات تسمح لها بالتجول بشكل مستقل.
لا يرغب أحد في أن يقوم جراح بخياطته إذا عرف أنه قد أخذ تعليمه من خلال دراسة مقاطع فيديو يوتيوب YouTube فقط. ولكن ماذا عندما يتعلق الأمر بالروبوت؟
قد لا يكون الاحتمال خيالياً كما يبدو ، فقد قام باحثون من جامعة كاليفورنيا في بيركلي وإنتل Intel وجوجل براين Google Brain بتدريس نموذج الذكاء الاصطناعي AI للعمل عن طريق تقليد مقاطع الفيديو لثمانية جراحين بشريين في العمل.
تم تدريب الخوارزمية والمعروفة باسم Motion2Vec – على لقطات للأطباء باستخدام الروبوتات الجراحية دافينشي da Vinci لأداء مهام خياطة مثل تمرير الإبر وربط العقدة.
ويعمل نظام دافنشي على المرضى – بمن فيهم جيمس بوند في مناسبة واحدة – منذ أوائل العقد الأول من القرن الحادي والعشرين. عادة ، يتم التحكم في الروبوت من قبل طبيب من وحدة تحكم الكمبيوتر. لكن هذه التقنية Motion2Vec يدير الجهاز من تلقاء نفسه.
لقد أثبت بالفعل مهاراته في الخياطة على قطعة قماش، في الاختبارات التي أجريت عليه ، حيث كرر النظام حركات الجراح البشري بدقة 85.5٪. ( شاهد الفيديو في نهاية المقال )
ولم يكن الوصول إلى هذا المستوى من الدقة مهمة سهلة حيث استخدم الجراحون الثمانية في مقاطع الفيديو مجموعة متنوعة من التقنيات ، مما جعل من الصعب على الذكاء الاصطناعي معرفة أفضل نهج.
وللتغلب على هذا التحدي ، استخدم الفريق خوارزميات شبه خاضعة للإشراف ، والتي تتعلم مهمة ما من خلال تحليل مجموعات البيانات المصنفة جزئياً ، وقد سمح هذا للذكاء الاصطناعي بفهم الحركات الأساسية للجراحين من كمية صغيرة فقط من بيانات الفيديو المصنفة.
وقال الدكتور أجاي تانواني Ajay Tanwani ، الذي قاد فريق جامعة كاليفورنيا في بيركلي أن هذا خلق نموذجاً فعالاً للعينة:
ما فعلناه هو دمج كمية صغيرة من البيانات المصنفة بحيث لا نتأثر بالأداء ، في حين تمكنا أيضاً من استغلال الهياكل في البيانات غير المصنفة.
في الوقت الحالي. يعترف تانواني أن النظام يحتاج إلى الكثير من العمل قبل أن يصبح متاحاً في غرفة العمليات .
ويخطط الآن لدمج الإبرة مع أنواع مختلفة من الأنسجة حتى يتمكن النظام من التكيف مع المواقف المختلفة – مثل اندفاع غير متوقع للدم.
وبحسب تانواني نفسه فإن الجراح يتحكم بشكل كامل في الجراحة ، ولكن في الوقت نفسه ، يقوم هذا النظام بتوفير ميزات يمكنها تنفيذ بعض بعض المهام البسيطة ، لتقليل الحمل المعرفي على الجراحين وزيادة إنتاجيتهم من أجل لتركيز المحتمل على المزيد من المرضى والحالات المعقدة أيضاً.
تماماً مثل الانتقال إلى المركبات ذاتية القيادة ، يجب أن تساعد هذه التطورات الإضافية في اكتساب ثقة المستخدمين. في نهاية المطاف ، يعتقد تانواني أن النهج الذي يشرف عليه بنفسه يمكن أن يجلب الذكاء الاصطناعي إلى مجموعة من التطبيقات الواقعية.
الإنترنت مليء بالكثير من المعلومات غير المنظمة في شكل مقاطع فيديو وصور ونصوص ، كانت الفكرة هنا أنه إذا تمكنت الروبوتات من استخراج محتوى مفيد منها لفهم هذه البيانات بالطريقة نفسها التي يفعلها البشر ، فيمكن للروبوتات تحقيق الهدف الطويل الأمد للذكاء الاصطناعي: لتقديم المساعدة في أداء مهام الحياة اليومية.
