عصر الروبوتات الشبيهة بالإنسان لم يأتي — إنه هنا بالفعل

في وقت سابق من هذا الشهر، في الصين، ظهر روبوت شبيه بالإنسان اسمه Shuang Shuang على المسرح في حفل تخرج مدرسة ثانوية في فوجيان لاستلام شهادة — مصافحة ومتعة الطلاب والمعلمين على حد سواء. تمثل لحظات مثل هذه تحولاً معنوياً، وهو الذي بدأ الروبوتات الشبيهة بالإنسان في الدخول إلى الحياة العامة بطرق مرئية للغاية.

تمثل هذه اللحظات أكثر من فضول عام — إنها تشير إلى تحول نحو التكامل في العالم الحقيقي. يستكشف هذا المقال كيف تتحرك الروبوتات الشبيهة بالإنسان من العرض والمشاهدة إلى الوظائف — ولماذا ما يبدو وكأنه إنجاز متعلق بالعتاد فقط هو في الواقع حول الذكاء المتكامل الذي يمكّن هذه الآلات من المشي والتفاعل والتعلم في بيئات لا يتم كتابتها للآلية.

سنناقش أيضًا كيف نهتم بالتسويق من خلال النشر المبكر والشراكات على المدى الطويل.

كيف تدفع الروبوتات الشبيهة بالإنسان الذكاء الاصطناعي إلى العالم الحقيقي

يظل الفجوة بين الأداء الافتراضي والموثوقية الفيزيائية واحدة من أكبر التحديات الم忽ورة في الذكاء الاصطناعي. يمكن للشات بوت توليد فقرات من النص المتدفق دون الحاجة إلى التصرف عليه — بنفس الطريقة التي يمكن للنموذج الرؤية تحديد خطوة في صورة دون الحاجة إلى التنقل الفعلي أو المخاطرة بالسقوط. لا تملك الروبوتات الشبيهة بالإنسان هذا الفخار.

为了 funcion 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 وسلوك الإنسان 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 يهم أكثر من تنبؤ العلامة. على سبيل المثال، إذا قال إنسان “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 الوسائط ضروريًا، لأن لا قناة إدخال واحدة موثوقة بما يكفي للعمل بمفردها. قد تفوت الكاميرا سطحًا زلقًا، ولكن يمكن لمستشعرات الضغط في القدم كشف فقدان الاحتكاك المفاجئ. أو في حالة أخرى، قد يفشل التعرف على الكلام في مستودع مزدحم، ولكن يمكن للإشارات البصرية أو الإشارات تعويض الفجوة.

يصبح التعميم أيضًا حاسمًا. لا يمكن للروبوت أن يعتمد على رؤية البيئة نفسها مرتين. يجب أن يعتمد سلوكه عندما تكون الأرضية مبللة أو يتغير الإضاءة أو لا يكون الصندوق في المكان الذي كان فيه بالأمس. هذا يصبح الفرق بين التنفيذ الناجح والفشل.

في Humanoid، هذا هو السبب في أننا نبدأ الاختبار في وقت مبكر مع الشركاء التجاريين. ندمج روبوتاتنا في بيئات حية لاكتشاف العيوب المحتملة وتحقيق الوظيفة المثلى قبل النشر. روبوت يعمل جيدًا 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 الشبيهة بالإنسان ستكون متاحة تجاريًا في غضون العامين القادمين — ولكننا لا ننتظر. بالنسبة لنا، يبدأ التسويق في وقت مبكر. إنه يعني بناء شراكات طويلة الأمد حول حالات استخدام حقيقية. من خلال سلسلة من البرامج التجريبية، لا نتعلم فقط شركاءنا حول التكنولوجيا — ولكننا نتعلم أيضًا معهم. يساعدنا هذا العملية المشتركة للتعلم أيضًا على تعديل هياكل التكلفة وموثوقية الأداء من اليوم الأول — مما يضمن أفضل التكاليف الإجمالية للملكية (TCO) عند توسيع النظم.

لماذا الروبوتات الشبيهة بالإنسان هي اختبار الحصانة النهائي للذكاء العام

العالم الذي خلقناه خلال المائة عام الماضية مصمم على مقياس بشري. مقابض الأبواب ورفع الشحن والمستودعات — كل شيء يفترض أبعادًا معينة ومدى الحركة والسلوك الاجتماعي الضمني. يجب على الروبوتات الشبيهة بالإنسان التكيف مع هذه الواقع أو مخاطرة بالحد من وظائفها بشكل كبير.

للمشي على الدرج، حمل كائن، تفسير إشارة الإشارة، أو التعرف على التردد في الصوت، يجب على الروبوت فهم السياق بعيدًا عن التصنيف البصري أو التخطيط الحركي المبرمج. يجب أن يفترض النية، ويتعلم مهمة جديدة من خلال مشاهدة إنسان، ويتكيف مع هذه المهارة إلى تخطيط قليلًا مختلفًا، وتحسين أدائه مع مرور الوقت. في الممارسة، هذا النظام يوسع بشكل فعال ما يمكن للذكاء الاصطناعي القيام به تحت القيود الحقيقية.

في Humanoid، نسرع من هذا العملية من خلال التوجيه عن بعد. في المراحل الأولى من التطوير، يوجه مشغلو البشر الروبوت من خلال المهام الرئيسية. يصبح هذا البيانات اليدوية أساسًا لتدريب سلوكيات جديدة. مع مرور الوقت، هذه العروض تغذي نماذجنا من النهاية إلى النهاية، مما يساعدنا على بناء نحو الاستقلالية الموثوقة.

من الأنظمة الضيقة إلى الذكاء المتكامل

تتميز معظم أنظمة الذكاء الاصطناعي اليوم بأداء مهام ضيقة. في العزلة، يعمل كل منهم جيدًا. لكن الروبوتات الشبيهة بالإنسان لا تحتاج إلى متخصصين منفصلين. للتكامل بنجاح، نحتاج إلى أنظمة يمكنها التفكير عبر الوسائط والمدى الزمني.

قد يتلقى روبوت شبيه بالإنسان تعليمًا غامضًا نسبيًا — “اذهب وآتي لي بالصندوق الأصفر من غرفة التخزين عبر الممر” — ويجب أن يفسر ذلك في تسلسل من المهام الفرعية: تحديد موقع المتحدث، التنقل في ممر، تحديد الصندوق الصحيح، تعديل قوة القبضة، تجنب الاصطدام، وبالطبع، العودة بأمان.

كل جزء من هذا التسلسل يتضمن نظامًا فرعيًا مختلفًا — الرؤية والحركة واللغة والتعامل والتعليق. ويتوقف موثوقية الكل على كيفية تواصل هذه الأجزاء في ظل ظروف متغيرة.

العمارة الموديولار هي وسيلة للتصدي لهذا التحدي. هذا يسمح لنا بالتكرار على الأنظمة الفرعية بشكل مستقل مع تحقيق 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 عروض مغلقة إلى أداء العالم المفتوح.

المراهنة كبيرة — وهي عالمية

من السهل وصف الروبوتات الشبيهة بالإنسان على أنها مستقبلية. لكن عندما نتحدث مع عملائنا، الحاجة هي فورية. هناك العديد من المستودعات وخطوط التجميع والمواقع العمل الأخرى التي كانت مشغولة في السابق وتعاني الآن من النضال لتبقى موظفة.

هذه نقصان في العمالة هي قضايا ديموغرافية. في اليابان، يبلغ عدد السكان الذين تزيد أعمارهم على 65 عامًا تقريبًا 30٪. في أوروبا، القطاعات الرئيسية — التي تتمتع بدفعة رواتب تبلغ 1.7 تريليون دولار — تعاني من صعوبة في تجنيد عمال شباب. هذه ليست الأدوار التي يريدها معظم الناس، وبدلاً من ذلك، ليست الأدوار التي يرغب الناس في القيام بها.

من خلال المجيء كأيدي مساعدة، وليس كبديل، يمكن للروبوتات الشبيهة بالإنسان أن تتولى مهامًا شاقة جسديًا أو متكررة أو خطرة — نقل المخزون، وتحميل القمامة، وتشغيل الآلات — دون مخاطرة بالإجهاد أو الإصابة. هذا يحرر العمال البشر لتركيزهم على جوانب أكثر تعقيدًا أو إبداعية أو بين الأشخاص من الوظيفة.

علاوة على ذلك، هذا يخلق متانة اقتصادية طويلة الأمد. عندما تكون العمالة متقلبة أو غير متاحة، يمكن للأجهزة الذكية أن تساعد على 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 الصعب في العالم، ولكن بدلاً من معاملتها كحواجز، نعتبرها حافزًا تنافسيًا. عندما تتبنى الأسواق الأخرى لوائح أكثر صرامة، سنكون مستعدين للوفاء بها، بينما قد تعاني الشركات الأخرى من الصعوبة.

سباق الذكاء الاصطناعي الجديد — ولكن ليس الذي تفكر فيه

يتعلق الكثير من الخطاب حول الذكاء الاصطناعي اليوم بقوة الحوسبة والمعاملات وبيانات التدريب. لكن الكسر الحقيقي قد يأتي من جبهة مختلفة: التكامل في العالم الفيزيائي. هذا هو المكان الذي يجب على الذكاء أن يتعلم فيه الأداء، بدلاً من التنبؤ فقط.

في هذا الصدد، السباق هو حول النظام الأكثر قدرة — الذي يمكنه العمل في الفضاء العام، تحت قيود السلامة، ومع البشر في الحلقة. هذا النظام، بالإضافة إلى التعلم من البيانات، سيتعلم أيضًا — وخاصة — من الواقع والعمل جنبًا إلى جنب مع الأشخاص دون تعطيل تدفق الأشياء.

لذلك 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.

هذا النوع من التعلم في العالم الحقيقي هو بالضبط حيث تفشل الأنظمة الضيقة. بينما أخذتنا هذه إلى حد بعيد، لم تكن مصممة أبدًا لهذا النوع من التعقيد. تحتاج الروبوتات الشبيهة بالإنسان إلى شيء آخر — التنسيق والمتانة، وكما ذكرنا، القدرة على التعلم من غير المتوقع.

هذه هي الفرصة الكبيرة أمامنا. ليس لتأتمة كل شيء، ولكن لبناء آلات يمكنها فهم وتوجيه وتعاون مع العالم البشري.