تسلا تحقق إنجازاً مذهلاً بقطع 10 مليارات ميل بتقنية القيادة الذاتية الكاملة هل اقترب عصر السيارات المستقلة بالكامل

حين يجلس السائق خلف المقود ويترك يديه معلّقتين فوق العجلة، يكون هناك شعور خفي بالتردد. الثقة في البرمجيات لا تُبنى بعدد الكيلومترات المقطوعة فقط، بل بالإحساس بأن السيارة تفهم الطريق كما يفهمه الإنسان. هذا الأسبوع أعلنت تسلا أن أسطول القيادة الذاتية لديها تجاوز 10 مليارات ميل من القيادة باستخدام نظامها Full Self-Driving بنسخته الخاضعة للإشراف، وهو الرقم الذي حدده إيلون ماسك سابقًا كعتبة لازمة للوصول إلى قيادة ذاتية غير خاضعة للإشراف.

بحسب صفحة السلامة الرسمية للشركة، قفز معدل جمع البيانات إلى نحو 29 مليون ميل يوميًا بعد أن كان يقارب 14 مليونًا في بداية العام. من حيث تدريب الشبكات العصبية، هذا كنز بيانات حقيقي: سيناريوهات طرق، مواقف معقدة، طقس متغير، وتصرفات بشرية غير متوقعة. لكن التاريخ القريب يذكّرنا أن هذا الرقم لم يكن دائمًا 10 مليارات، فقد سبق أن أشار ماسك إلى أن 6 مليارات ميل قد تكون كافية.

تغيير الأرقام لا يعني بالضرورة تراجعًا تقنيًا، لكنه يعكس حقيقة أن تطوير أنظمة القيادة الذاتية عملية تراكمية يصعب تحديد نهايتها رقمياً. البيانات مهمة، نعم، لكن السؤال الأعمق: متى تتحول الكمية إلى كفاءة يمكن الوثوق بها دون إشراف بشري؟

تسلا تشير إلى أن سجل الحوادث تحت وضع FSD يبلغ حادثًا واحدًا لكل 5.3 ملايين ميل، مقارنة بحادث لكل 660 ألف ميل لدى السائق الأمريكي العادي. الفارق يبدو ضخمًا على الورق. غير أن منهجية احتساب الحوادث تختلف عن معايير الإدارة الوطنية لسلامة المرور على الطرق السريعة، ما يجعل المقارنة محل جدل بين خبراء السلامة.

الأمر يزداد تعقيدًا عند النظر إلى تجربة الروبوتاكسي في أوستن، حيث سُجلت حوادث بمعدل أعلى من متوسط القيادة البشرية في بيئات حضرية مشابهة. هنا يتبدى الفارق بين الأداء تحت إشراف السائق وبين التشغيل المستقل الكامل.

أحد الفروق الجوهرية بين تسلا ومنافسين مثل Waymo لا يتعلق فقط بالتقنية، بل بالإطار القانوني. Waymo تعمل بمستوى قيادة ذاتية رابع، وتتحمل المسؤولية القانونية أثناء التشغيل، وقد وسعت عملياتها دون وجود سائق خلف المقود في عدة مدن أمريكية. في المقابل، لا تزال تسلا تصنف نظامها على أنه خاضع للإشراف، ما يبقي المسؤولية النهائية على السائق.

تحمل المسؤولية يعني الثقة المطلقة في النظام، ويعني أيضًا استعدادًا لمواجهة تبعات أخطاء نادرة لكنها حتمية في عالم مليء بالحالات الحدّية. هذه المرحلة هي ما يفصل بين عرض تقني متقدم ومنظومة نقل مستقلة بالكامل.

التحدي الأكبر في الذكاء الاصطناعي للقيادة الذاتية لا يتمثل في المواقف الاعتيادية، بل في الحالات غير المتوقعة: مركبة تتصرف بشكل عدواني، عامل طريق يظهر فجأة، إشارات مؤقتة مربكة أو ظروف إضاءة نادرة. هذه “الذيل الطويل” من السيناريوهات يكاد يكون بلا نهاية.

حتى أفضل السائقين البشر لم يختبروا كل سيناريو ممكن، ومع ذلك يمكنهم اتخاذ قرارات مناسبة بفضل الفهم العام للسياق. هذا النوع من التعميم هو ما تحاول خوارزميات التعلم العميق الوصول إليه.

تأجيل إطلاق القيادة غير الخاضعة للإشراف إلى الربع الأخير من 2026 على الأقل يعكس حذرًا متزايدًا، أو واقعية متأخرة. الوصول إلى 10 مليارات ميل إنجاز هندسي بلا شك، ويمنح تسلا أفضلية واضحة في حجم البيانات مقارنة بأي منافس يعتمد على أسطول أصغر.

لكن الاستقلالية لا تُفتح بزر عند بلوغ عداد معيّن. إنها نتيجة توازن معقد بين أداء الخوارزميات، واختبارات السلامة، والتنظيم القانوني، وثقة المستخدم. المقياس الحقيقي لن يكون عدد الأميال المقطوعة، بل اللحظة التي تصبح فيها السيارة مسؤولة فعليًا عن رحلتك كاملة، دون أن تبقيك يدًا احتياطية على المقود.

قد يكون 10 مليارات ميل محطة مهمة في مسار طويل، لكنه ليس خط النهاية. في عالم الأنظمة الذاتية، الطريق إلى الثقة أطول بكثير من الطريق المقطوع.