عصر الروبوتات الإنسانية ليس قادمًا — إنه هنا بالفعل

في وقت سابق من هذا الشهر، في الصين، ظهر روبوت إنساني يُدعى شوانغ شوانغ على المسرح في حفل تخرج مدرسة ثانوية في فوجيان لاستلام شهادة — مصافحاً الطلاب والمعلمين على السواء. اللحظات مثل هذه تمثل تحولاً معنوياً، تحول يبدأ فيه الروبوتات الإنسانية في الدخول إلى الحياة العامة بطرق مرئية للغاية.

تُشير هذه اللحظات إلى أكثر من مجرد فضول عام — إنها تشير إلى تحول نحو التكامل في العالم الحقيقي. هذا المقال يبحث في كيفية تحول الروبوتات الإنسانية من العرض والمشاهدة إلى الوظائف — ولماذا ما يبدو وكأنه إنجاز عتاد فقط هو في الواقع حول الذكاء المتكامل الذي يُمكن هذه الآلات من المشي والتفاعل والتعلم في بيئات لا يتم تحديدها مسبقاً للآلية. سنناقش أيضًا كيف ننهج التجارية من خلال النشر المبكر والشراكات الطويلة الأمد.

كيف تدفع الروبوتات الإنسانية الذكاء الاصطناعي إلى العالم الحقيقي

يظل الفجوة بين الأداء الافتراضي والموثوقية الفعلية واحدة من أكبر التحديات المهملة في الذكاء الاصطناعي. يمكن للروبوت النطق أن يُنتج فقرات من النص السلس دون الحاجة إلى التصرف عليه — بنفس الطريقة التي يمكن للنموذج الرؤية تحديد خطوة في صورة دون الحاجة إلى التنقل فيها أو المخاطرة بالسقوط. لا تملك الروبوتات الإنسانية هذا الفخار.

لكي تعمل في العالم الحقيقي، يجب على الذكاء الاصطناعي أن يترك وراءه مجموعات البيانات الثابتة والظروف المراقبة. يجب أن يرى ويتخذ القرارات ويتصرف في بيئات تتغير كل ثانية. هذا يشمل الأرضيات غير المستوية والأجسام المفقودة والسلوك البشري غير المتوقع والإشارات غير اللفظية التابعة للسياق. النتيجة هي مواجهة يومية مع الضوضاء والغموض والفشل المحتمل.

هنا يبدأ التفكير الجسدي — حيث يتم ربط اللغة بالفضاء والزمن والنتيجة — في أن يصبح أكثر أهمية من التنبؤ بالرموز. على سبيل المثال، إذا قال شخص ما “انتبه، إنه زلق”، يجب على الروبوت ربط هذه الجملة ليس فقط بالتعريف الكلمة، ولكن بالوعي المكاني والمخاطر المحتملة والتكيفات في الوقت الفعلي.

في الوقت نفسه، يصبح التعلم متعدد الوضعيات ضرورياً، لأن لا قناة إدخال واحدة موثوقة بما يكفي للعمل بمفردها. قد تفقد الكاميرا سطحًا زلقًا، ولكن أجهزة الاستشعار بالضغط في القدم يمكنها اكتشاف فقدان الاحتكاك المفاجئ. أو في حالة أخرى، قد تفشل التعرف على الكلام في مستودع ضجيج، ولكن الإشارات البصرية أو الإشارات يمكن أن تملأ الفجوة.

تُصبح أيضًا التعميم حرجاً. لا يمكن للروبوت أن يعتمد على رؤية البيئة نفسها مرتين. يجب أن يُعدل سلوكه عندما تكون الأرضية رطبة أو يتغير الإضاءة أو لا تكون الصندوق في المكان الذي كان فيه بالأمس. هذا يُصبح الفرق بين التنفيذ الناجح والفشل.

في شركة الروبوتات الإنسانية، هذا هو السبب في أننا نبدأ الاختبار المبكر مع الشركاء التجاريين. ندمج روبوتاتنا في بيئات حية لنكتشف على الفور العيوب المحتملة ونساعد على العمل الأمثل قبل النشر. روبوت يعمل جيداً في المحاكاة أو العرض ليس نفس الروبوت الذي يكسب الثقة تحت الضغط، لأن هذه الثقة تبنى في النهاية على التعلم في العالم الحقيقي.

نحن نعلم أن الروبوتات الإنسانية ستكون متاحة تجارياً خلال السنوات القليلة القادمة — لكننا لا ننتظر. بالنسبة لنا، تبدأ التجارية مبكراً. هذا يعني بناء شراكات طويلة الأمد حول حالات استخدام حقيقية. من خلال سلسلة من البرامج التجريبية، لا نتعلم فقط شركائنا حول التكنولوجيا — ولكننا نتعلم معهم. يساعدنا هذا التعلم المشترك أيضاً على تحسين هيكل التكاليف وموثوقية الأداء من اليوم الأول — مما يضمن أفضل تكلفة مملوكة possibile عند توسيع النظم.

لماذا الروبوتات الإنسانية هي اختبار نهائي للذكاء العام

العالم الذي خلقناه خلال المائة سنة الماضية مصمم على مقياس بشري. مقابض الأبواب، ورفع الشحن، والمستودعات — كل شيء يفترض أبعاداً معينة، ومجالات حركة، وسلوكيات اجتماعية ضمنية. يجب على الروبوتات الإنسانية التكيف مع هذه الواقع أو أن تكون محدودة جداً في وظائفها.

لمشي السلم، حمل كائن، تفسير إشارة الإشارة، أو التعرف على التردد في الصوت، يجب على الروبوت فهم السياق بعيداً عن التصنيف البصري أو التخطيط الحركي المبرمج. يجب أن يفهم النية، ويتعلم مهارة جديدة من خلال مشاهدة إنسان، ويتكيف مع مهارة مختلفة قليلاً في تخطيط مختلف، ويتحسن أداؤه مع مرور الوقت. في الممارسة، هذا النظام يوسع فعلاً ما يمكن للذكاء الاصطناعي القيام به في ظل القيود الحقيقية.

في شركة الروبوتات الإنسانية، نسرع هذه العملية من خلال التوجيه عن بعد. في المراحل الأولى من التطوير، يقود مشغلو البشر الروبوت من خلال المهام الرئيسية. يصبح هذا البيانات اليدوية أساس تدريب السلوكيات الجديدة. مع مرور الوقت، تُغذي هذه العروض نموذجنا من النهاية إلى النهاية، مما يساعدنا على بناء نحو الاستقلالية الموثوقة.

من الأنظمة الضيقة إلى الذكاء المتكامل

معظم أنظمة الذكاء الاصطناعي اليوم تتفوق في المهام الضيقة. في العزلة، يعمل كل منها جيداً. لكن الروبوتات الإنسانية لا تحتاج إلى متخصصين منفصلين. للتكامل بنجاح، نحتاج إلى أنظمة يمكنها التفكير عبر الوضعيات والزمن.

قد يتلقى روبوت إنساني تعليمات غامضة نسبياً — “اذهب وآتي لي بالصندوق الأصفر من غرفة التخزين عبر الرواق” — ويجب أن يفككها إلى تسلسل من المهام الفرعية: تحديد المتكلم، التنقل في ممر، تحديد الصندوق الصحيح، تعديل قوة القبضة، تجنب الاصطدامات، وبالطبع العودة بأمان.

كل جزء من هذا التسلسل يتضمن نظام فرعي مختلف — الرؤية، الحركة، اللغة، التلاعب، والتعليق. ويتوقف موثوقية الكل على كيفية تواصل هذه الأجزاء في ظل ظروف متغيرة.

الهيكل المودولي هو طريقة للتصدي لهذا التحدي. هذا يسمح لنا بالتكرار على النظم الفرعية بشكل مستقل بينما نحقق التنسيق على مستوى النظام. بالإضافة إلى ذلك، هذا يسمح لنا بتوسيع القدرات عبر بيئات متعددة دون الحاجة إلى إعادة البناء من الصفر. هذا هو كيف ننتقل من العروض المغلقة إلى الأداء في العالم المفتوح.

المخاطر ضخمة — وهي عالمية

من السهل وصف الروبوتات الإنسانية على أنها مستقبلية. لكن عندما نتحدث مع عملائنا، الحاجة هي فورية. هناك الكثير من المستودعات وخطوط التجميع والمواقع العمل الأخرى التي كانت مشغولة في السابق وتعاني الآن في الحفاظ على التوظيف.

هذه نقص في العمالة هي قضايا ديموغرافية. في اليابان، تقريباً 30% من السكان فوق 65. في أوروبا، القطاعات الرئيسية — التي تملك رواتب مجتمعة تصل إلى 1.7 تريليون دولار — تعاني في تجنيد عمال أصغر سناً. هذه ليست الأدوار التي يرغب معظم الناس في القيام بها، ويتزايد عدد الأشخاص الذين لا يرغبون في القيام بها.

من خلال الظهور كأيدي مساعدة، وليس كبديل، يمكن للروبوتات الإنسانية أن تتولى المهام الجسدية الشاقة أو المتكررة أو الخطرة — مثل نقل المخزون، وتحميل العبء، وتشغيل الآلات — دون المخاطرة بالإجهاد أو الإصابة. هذا يحرر العمال البشر ليركزوا على الجوانب الأكثر تعقيداً أو الإبداعية أو الشخصية للوظيفة.

علاوة على ذلك، هذا يخلق متانة اقتصادية طويلة الأمد. عندما تكون العمالة متقلبة أو غير متاحة، يمكن للماكينات الذكية أن تساعد في ضمان الاستمرارية — كل ذلك دون التضحية بالسلامة أو الجودة أو المرونة.

هناك جانب آخر يجب التأكيد عليه هو الإطار التنظيمي. معظم الفرق — خاصة في السلطات غير المنظمة — ينتظرون التفكير في هذا. لقد بدأنا هناك. قوانين السلامة والبيانات في أوروبا هي من الصعبة في العالم، ولكن بدلاً من معاملتها كعقبات، نعتبرها حافة تنافسية لنا. عندما تتبنى الأسواق الأخرى لوائح أكثر صرامة، سنكون مستعدين للوفاء بها، بينما قد تتعثر الشركات الأخرى.

سباق ذكاء اصطناعي جديد — ولكن ليس الذي تفكرت فيه

تتمحور معظم المناقشات حول الذكاء الاصطناعي اليوم حول القوة الحاسوبية والparameters والبيانات التدريبية. لكن الكسر الحقيقي قد يأتي من جبهة مختلفة: التكامل في العالم الفعلي. هذا هو المكان الذي يجب على الذكاء أن يتعلم الأداء، وليس مجرد التنبؤ.

في هذا الصدد، السباق هو حول النظام الأكثر قدرة — الذي يمكنه العمل في الفضاءات العامة، تحت قيود السلامة، ومع البشر في الحلقة. هذا النظام، بالإضافة إلى تعلمه من البيانات، سيتعلم أيضاً — وخاصة — من الواقع والعمل جنباً إلى جنب مع الناس دون تعطيل تدفق الأشياء.

لهذا السبب لا ننتظر حتى النشر لبدء العمل. من البداية، نعمل مباشرة مع الشركاء التجاريين لتكامل في البيئات الحقيقية — مما يضمن تحسين النظام حيث يهم أكثر: في الممارسة.

ذلك النوع من التعلم في العالم الحقيقي هو بالضبط حيث تفشل الأنظمة الضيقة. بينما أخذتنا هذه الأنظمة بعيداً، لم تكن مصممة لهذا النوع من التعقيد. الروبوتات الإنسانية تتطلب شيئاً آخر — التنسيق والمتانة، كما ذكرنا، وقدرة التعلم من غير المتوقع.

ذلك الفرصة الهائلة أمامنا. ليس لتحويل كل شيء إلى آلي، ولكن لبناء آلات يمكنها فهم وتحديد موقع وتعاون مع العالم البشري.