خب بچه‌ها، امروز می‌خوام براتون درباره یه موضوع جالب و خیلی مهم صحبت کنم: موتورهای فیزیکی یا همون Physics Engines. شاید اسمش رو شنیده باشین، ولی اگه ندونین چیه، باید بگم اینا نرم‌افزارهایی هستن که باعث میشن اتفاقات دنیای واقعی مثل برخوردها، حرکت اجسام و جاذبه توی بازی‌ها، شبیه‌سازها یا حتی ربات‌های پزشکی دقیق شبیه‌سازی بشه. مثلاً وقتی توی یه بازی ماشین‌سواری ماشینتون می‌خوره به دیوار و تکون می‌خوره، احتمالاً داره یکی از همین موتورهای فیزیکی کار می‌کنه.
حالا مشکل چیه؟ این موتورهای فیزیکی با این که خیلی خفن و کارراه‌انداز هستن، اما بعضی وقت‌ها دچار “خرابکاری فیزیکی” یا همون Physics Failures میشن! یعنی یه اتفاق فیزیکی قرار بوده توی نرم‌افزار بخوبی اجرا بشه، اما همه چی قاطی‌پاطی میشه! مثلاً توی یه شبیه‌ساز جراحی، اگه انگشت ربات بره داخل بدن بیمار، معلومه که فاجعه‌ست. توی ماشین‌های خودران یا ربات‌های پزشکی این اشتباهات می‌تونه خیلی خطرناک باشه و حتی جون آدم رو به خطر بندازه.
تحقیقات قبلی هم بیشتر به همین می‌پرداختن که برنامه کرش می‌کنه یا نه، نه اینکه یه رفتار اشتباه فیزیکی داره یا نه. معمولاً برای تست این موتورهای فیزیکی باید به کدهای داخلی (white-box access) دسترسی داشته باشیم و بیشتر دنبال خطاهای ساده هستیم. اما واقعیت اینه که مشکل‌های فیزیکی پیچیده‌تر و زیربنایی‌تر هستن و خیلی وقت‌ها همین خطاهای نامحسوس باعث دردسرهای بزرگ میشن.
حالا این مقاله اومده برای اولین بار یه مطالعه بزرگ انجام داده و دقیقاً رفته سراغ همین مشکلات فیزیکی توی هر نرم‌افزاری که با موتور فیزیکی کار می‌کنه. خلاصه‌ش اینه:
۱. اومدن یه طبقه‌بندی (taxonomy یعنی دسته‌بندی و شناسایی انواع مختلف) کامل از انواع خطاها و خرابکاری‌های فیزیکی درست کردن. یعنی دقیقاً گفتن چه مدل خطاهایی رخ میده، چطور خودشون رو نشون میدن و …
۲. کلی روش مختلف برای شناسایی این خطاها بررسی و مقایسه کردن؛ از یادگیری عمیق (deep learning، یعنی هوش مصنوعی‌ای که خودش با کلی داده آموزش می‌بینه) گرفته تا روش‌های prompt-based (راه‌هایی که با کمک دستور دادن به مدل‌های زبانی خطاها رو پیدا می‌کنن) و حتی مدل‌های multimodal (مدل‌هایی که همزمان با متن و تصویر و چند نوع داده دیگه کار می‌کنن!). یه جوری همه روش‌های باحال روز رو ریختن روی میز و دیدن کدومشون واقعاً توی شناسایی خطاهای فیزیکی جواب میدن.
۳. با کلی برنامه‌نویس و توسعه‌دهنده هم صحبت کردن و ازشون پرسیدن تجربه‌تون توی پیدا کردن این خطاها چی بوده، کجاها به مشکل می‌خورین، فعلیاً چه ابزارهایی کمک‌تون می‌کنه و چی دوست دارن که اضافه بشه.
خودشون هم کدها و دیتاست تحقیقشون رو به اسم PhysiXFails رایگان گذاشتن توی اینترنت تا بقیه محقق‌ها و علاقه‌مندان بتونن هم تست کنن هم روش کار کنن. (آدرسش هم اینه: https://sites.google.com/view/physics-failure-detection)
در مجموع، این مقاله نشون داده که هنوز کار زیادی مونده تا بشه خطاهای فیزیکی توی نرم‌افزارهای مبتنی بر موتور فیزیکی رو صددرصد پیدا کرد. راه‌حل‌های امروزی یا باید به کد داخلی دسترسی داشته باشن، یا فقط کرش رو شناسایی می‌کنن، نه رفتار دیوانه‌وار فیزیکی رو! برای همین هم توصیه‌هایی ارائه دادن که بهتره تحقیقات آینده بیشتر روی تشخیص هوشمند فرق رفتار درست و غلط فیزیکی تمرکز کنه، و ابزارهایی بسازه که توسعه‌دهنده‌ها باهاش راحت‌تر بتونن این مشکلات رو پیدا کنن و رفع کنن.
خلاصه: اگر یه روز خواستین نرم‌افزاری بنویسین که با فیزیک واقعی سر و کار داره (از بازی گرفته تا ماشین خودران)، یادتون باشه که پیدا کردن این خرابکاری‌های فیزیکی اصلاً شوخی نداره! هم کلی ریسک داره و هم ابزارهای فعلی چندان کافی نیستن. پس مقاله رو بخونین، زور بزنین و از داده‌هاش استفاده کنین – چون این حوزه هنوز جای کار زیاد داره و می‌تونین خیلی کارهای توپ انجام بدین!
منبع: +
