أكبر تحدٍ يواجه الذكاء الاصطناعي المادي قد يكون جسديًا وليس اصطناعيًا

خلف تقريبًا كل عرض تجريبي يجذب العناوين في صناعة الذكاء الاصطناعي المادي تكمن الحقيقة نفسها: الآلة هي نموذج أولي، والنماذج الأولية ليست منتجات. بناء روبوت واحد يعمل هو إنجاز هندسي. بناء الروبوت الألف، بتكلفة سيدفعها أحدهم، دون فريق من المتخصصين يراقبونه ويعالج أي عطل، يمثل تحديًا مختلفًا تمامًا، وهو ما بدأت الصناعة فقط في مواجهته.

ذلك الفجوة، بين إظهار الذكاء وتصنيعه على نطاق واسع، تتشكل لتصبح ساحة المعركة الحقيقية لسباق الذكاء الاصطناعي المادي. ومع ذلك، يبدو أنها أقل شبهًا بمشكلة ذكاء اصطناعي وأكثر شبهًا بمشكلة صناعية.

من نموذج فريد إلى خط تجميع

أي شخص نقل منتجًا ماديًا من النموذج الأولي إلى الإنتاج يعرف أن الوحدة الأولى هي الجزء السهل.

قد يعمل روبوت نموذجي على مشغل مخصص يُصنع يدويًا، أو مستشعر يتم الحصول عليه من مورد متخصص بمهلة شهرين، أو حزمة بطاريات يجمعها نفس المهندسين الذين صمموها. لا يهم أي من ذلك عندما تكون هناك وحدة واحدة فقط. يصبح كل ذلك مسؤولية جادة عند الوصول إلى مقياس عشرة آلاف وحدة.

يجب تأهيل الموردين، وغالبًا ما يتم تأهيلهم مرتين، حتى لا يتوقف الإنتاج بسبب حريق مصنع واحد أو تأخير شحن. غالبًا ما تحتاج المكونات المصممة لتحقيق أقصى أداء في المختبر إلى إعادة هندستها لتلائم التحمل والمتانة، وقبل كل شيء التكلفة. يجب تبسيط عمليات التجميع التي كانت تعمل مع فريق صغير من الحاصلين على درجة دكتوراه يحلون المشكلات يدويًا بحيث يستطيع فني على خط إنتاج إنجاز المهمة في دقائق، لا أيام.

This work is called التصميم من أجل التصنيع. It is slow, it is tedious, it’s where the engineering battle in Physical AI is increasingly being fought, and it’s a battle many well-funded, technically brilliant robotics companies have lost.

العروض التجريبية المثيرة لا تفوز بالأسواق

هناك غريزة طبيعية موروثة من عقد من دورات التكنولوجيا المدفوعة بالبرمجيات تفترض أن من يبني النموذج الأذكى أو الروبوت الأكثر شبيهاً بالإنسان سيتصدر القائمة. لقد خدمت هذه الغريزة المستثمرين جيدًا في مجال الذكاء الاصطناعي عمومًا. ومن المحتمل أن تضلهم في الذكاء الاصطناعي المادي.

لا تُفوز الشركات المادية في يوم العرض التجريبي بل في السنوات التي تليه، بناءً على اقتصاديات الوحدة، ومرونة سلسلة الإمداد، والقدرة على إبقاء آلاف الآلات تعمل في الميدان دون جيش صغير من المهندسين المتاحين دائمًا.

توفر الطاقة الشمسية سابقة مفيدة. الألواح التي سيطرت في النهاية على السوق لم تكن بالضرورة الأكثر كفاءة في المختبر؛ بل كانت تلك التي تستطيع الشركات تصنيعها بشكل موثوق، بتكلفة متناقصة، وبكميات متزايدة. اتبعت المركبات الكهربائية مسارًا مشابهًا، حيث كانت سلاسل إمداد البطاريات وعائد التصنيع مهمة بقدر أي اختراق هندسي واحد. قد يكون الذكاء الاصطناعي المادي، مع روبوتات مبنية من عشرات أو مئات المكونات، كل منها نقطة فشل محتملة، أقل تسامحًا. من المرجح أن تتفوق شركة تُصدر روبوتًا جيدًا فقط مدعومًا بموردين موثوقين ومنحنى تكلفة ينخفض كل ربع سنة على منافس يمتلك روبوتًا مبهرًا لا يمكن إنتاجه سوى بضع عشرة وحدات في كل مرة.

يمكن للذكاء الاصطناعي تسريع الهندسة، ليس الفيزياء

أليس الذكاء الاصطناعي نفسه سيغلق هذه الفجوة؟ إلى حد ما، نعم. أدوات التصميم التوليدي تستكشف بالفعل أشكال المكونات التي لن يفكر مهندس بشري في تجربتها. المحاكاة، التي تسّرعها التعلم الآلي، تضغط دورات الاختبار التي كانت تستغرق أشهر. يمكن للنماذج التنبؤية الإشارة إلى أي مورد أو مادة قد تتسبب في مشاكل في العائد قبل أن يتم تشغيل أي جزء.

هذه الأدوات هي مسرعات حقيقية، والشركات التي تستخدمها بفعالية في الهندسة والشراء ستتحرك أسرع من تلك التي لا تستخدمها.

لكن هناك حدًا صعبًا لكمية الضغط التي يمكن أن تُطبق على الجدول الزمني، لأن العالم المادي لا يتكرر كما يتكرر البرنامج. لا يزال على سبيكة جديدة أن تجتاز اختبار الإجهاد المقاس بآلاف الدورات. لا يزال على خط المصنع أن يُجهّز، ويُفعل، ويخضع لمنحنى تعلم صعب قبل أن تستقر معدلات العائد. لا تقصر أي محاكاة الأشهر اللازمة لتأهيل مادة جديدة أو الأرباع اللازمة لتشغيل خط إنتاج جديد بسرعة. أي شركة تبني خارطة طريقها على افتراض أن جداول زمنية للأجهزة ستنهار كما حدث مع جداول زمنية للبرمجيات، تُعِدّ نفسها لمفاجأة غير سارة، وعامة جدًا.

العقبات المتغاض عنها

إذا كان هناك درس واحد من دورات الأجهزة السابقة، فهو أن المكونات التي تحظى بأقل قدر من الاهتمام هي التي تتسبب في أكبر قدر من التأخير.

في الذكاء الاصطناعي المادي، يبدأ ذلك على الأرجح بالمشغلات، أي المحركات والآليات التي تمنح الروبوت عزمًا ودقة للقيام بالعمل المادي فعليًا. لا يزال الإمداد بها محدودًا من مجموعة صغيرة من المصنعين المؤهلين، وإنشاء طاقة إنتاجية جديدة يستغرق سنوات، لا أرباع.

يتواصل ذلك مع الاستشعار. الكاميرات، ومستشعرات القوة، والأنظمة الذاتية الإحساس التي تسمح للآلة بإدراك محيطها لا تزال مكلفة وغير ناضجة مقارنةً بما سيتطلبه النشر الكثيف في العالم الحقيقي.

يمتد ذلك إلى التصنيع نفسه. اعتمدت الصناعة بشكل كبير على مجموعة مركزة من المناطق والموردين، وهو هيكل يُنظر إليه بشكل متزايد كضعف استراتيجي، مما يدفع الشركات نحو بصمات تصنيع أكثر توزيعًا وتكرارًا حتى وإن كان ذلك يعني التضحية ببعض الكفاءة.

وينتهي الأمر بالطاقة: البطاريات، والإلكترونيات القوية، وبنية الشحن التي ستحتاج إلى التوسع جنبًا إلى جنب مع أساطيل من الآلات التي تعمل باستمرار في المستودعات، والمنازل، ومواقع العمل. لن تكون أي من هذه الفئات عنوانًا رئيسيًا في كلمة رئيسية. من المرجح أن يحدد جميعها من سيقوم فعليًا بالشحن.

معاينة لتسوية أكبر قادمة

إن ازدهار الذكاء الاصطناعي المادي هو، في الواقع، اختبار حي لافتراض أصبح قطاع التكنولوجيا مرتاحًا له: أن الذكاء، بمجرد بنائه، يتوسع بحرية. هذا الافتراض صحيح إلى حد كبير بالنسبة للبرمجيات. لكنه لا ينطبق على المصانع.

يمكن أن يتضاعف الحوسبة بين ليلة وضحاها. يمكن أن تتحسن النماذج من خلال تشغيل تدريب جديد. يمكن أن يحدث النشر بضغط زر. لا يمكن لسلاسل الإمداد أن تتضاعف بين ليلة وضحاها. يستغرق بناء الفنيين المهرة، والموردين المؤهلين، وخطوط الإنتاج الناضجة سنوات، ولا تقصر أي قفزة في قدرة النموذج تلك المدة.

لا يعني أي من ذلك أن الذكاء الاصطناعي المادي مبالغ فيه أو أن التكنولوجيا الأساسية غير حقيقية. بل يعني أن مركز الثقل يتحول من الذكاء الاصطناعي إلى البنية التحتية المادية. الشركات، والمستثمرون الذين يدعمونها، الذين يدركون هذا التحول مبكرًا، ويضعون موارد حقيقية في طاقة التصنيع ومرونة سلاسل الإمداد بدلاً من العرض التفاعلي التالي، هم الذين من المرجح أن يظلوا صامدين عندما يتحول موجة الفيديوهات الفيروسية الحالية إلى العمل الأبطأ والأصعب لنشر هذه الآلات على نطاق واسع.