هل تقف الروبوتات على أعتاب قفزة ذكاء اصطناعي تغير مستقبلها للأبد؟

في كل مرة نشاهد روبوتاً يتعثر أثناء المشي أو يتردد قبل التقاط جسم بسيط، ندرك أن الذكاء الاصطناعي الذي يُبهرنا في المحادثات النصية ما يزال يخطو خطواته الأولى في العالم المادي. الفجوة بين الفهم اللغوي والإدراك الحسي الحركي كانت دائماً واضحة. اليوم، تراهن شركة ناشئة تُدعى General Intuition على أن هذه الفجوة على وشك أن تضيق، وأن عالم الروبوتات قد يقترب فعلاً من لحظته الشبيهة بلحظة ChatGPT.

قبل ظهور النماذج التأسيسية، كانت الشركات تبني نماذج ذكاء اصطناعي متخصصة لكل مهمة على حدة. ثم جاءت نماذج اللغة الكبيرة مثل GPT لتُغيّر المعادلة: نموذج عام، ثم تخصيص حسب الحاجة. الفكرة نفسها تريد General Intuition إسقاطها على الروبوتات وما يُعرف بالذكاء الاصطناعي المجسّد.

بدلاً من تدريب كل روبوت على ملايين الساعات من البيانات الواقعية الخاصة به، تطمح الشركة إلى إنشاء نموذج تأسيسي قادر على فهم المكان والزمان والحركة، ثم تكييفه بسرعة مع أي جهاز أو بيئة. أي أن “التعميم” نفسه يصبح المنتج، لا الروبوت.

الرهان الأكثر إثارة في هذه القصة هو مصدر البيانات. الشركة دربت نموذجها على ملايين الساعات من ألعاب الفيديو، مع تتبع أفعال اللاعبين بدقة: أي زر ضُغط، ومتى، وكيف أثّر ذلك في البيئة الافتراضية. هذا النوع من البيانات يمنح النموذج إحساساً سببياً بالحركة واتخاذ القرار في سياقات ديناميكية.

الألعاب توفر محاكاة غنية للعالم الفيزيائي دون كلفة التجارب الواقعية ومخاطرها. فهي تضم عناصر كالاحتكاك، الاصطدام، التوازن، والعوائق المتغيرة. وعندما نجح النموذج في تشغيل روبوت رباعي الأرجل بعد تدريبه لبضع دقائق فقط على بيانات حقيقية، بدا أن الفكرة ليست نظرية فحسب، بل قابلة للتنفيذ.

إغلاق جولة تمويل بقيمة 320 مليون دولار وتقييم يبلغ 2.3 مليار دولار يعكس ثقة المستثمرين في هذا الاتجاه. السوق يدرك أن المرحلة التالية بعد هيمنة النماذج اللغوية قد تكون نماذج العالم الفيزيائي، أو ما يُعرف أحياناً بـ “نماذج العالم”.

إذا نجح هذا النهج، فقد لا تكون الشركة بحاجة إلى تصنيع روبوتات بنفسها. يكفي أن تصبح بمثابة “البنية التحتية الإدراكية” لشركات الروبوتات الأخرى، تماماً كما تعتمد التطبيقات اليوم على نماذج لغة جاهزة ثم تبني فوقها منتجاتها الخاصة.

قطاع الروبوتات عانى طويلاً من بطء التطوير بسبب الحاجة إلى بيانات ميدانية مكلفة ومعقدة. نموذج قادر على التعميم بين البيئات المختلفة قد يقلص زمن التطوير، ويخفض الكلفة، ويسرّع الابتكار في مجالات مثل المركبات ذاتية القيادة، الخدمات اللوجستية، والروبوتات المنزلية.

لكن يبقى السؤال الأعمق: هل تكفي البيئة الافتراضية لتعليم الآلة تعقيدات العالم الحقيقي بكل فوضاه وتناقضاته؟ التحول من الشاشة إلى الشارع ليس دائماً سلساً، مهما بلغت دقة المحاكاة.

الحديث عن “لحظة ChatGPT للروبوتات” يحمل قدراً من التشويق، وربما شيئاً من التفاؤل الزائد. إلا أن الاتجاه واضح: الانتقال من نماذج متخصصة إلى نماذج تأسيسية في العالم المادي بات هدفاً مركزياً لكثير من مختبرات البحث. الفارق أن المخاطرة هنا أكبر، لأن الخطأ في النص لا يشبه الخطأ في الحركة.

إذا استطاعت نماذج الحركة أن تكتسب ذلك “الحس البدهي” بالمكان كما اكتسبت نماذج اللغة فهماً سياقياً للكلام، فقد نشهد جيلاً جديداً من الروبوتات أقل تردداً وأكثر انسجاماً مع البشر. عندها فقط يمكن القول إن الذكاء الاصطناعي خرج فعلاً من الشاشة إلى الأرض بثقة أكبر.