Boston Dynamics تلجأ إلى Gemini مع دفع Spot نحو قدر أفضل من الاستدلال

إعلان صغير مع دلالة كبيرة على عالم الروبوتات

تقول Boston Dynamics إنها تستخدم Gemini من Google DeepMind لجعل Spot أكثر ذكاءً، وتصف الشركة النموذج بأنه وسيلة لرفع مستوى الاستدلال والقدرة على التكيف في AIVI-Learning. النص المصدر المقدم موجز، لكن الاتجاه الاستراتيجي واضح. إحدى أكثر شركات الروبوتات شهرة تدفع الأمور إلى ما هو أبعد من الحركة والتحكم نحو أنظمة يمكنها تفسير المواقف بقدر أكبر من المرونة.

ويكتسب ذلك أهمية لأن الروبوتات برعت طويلًا في المهام المنظمة وتعثرّت في البيئات الفوضوية. يمكن للروبوتات أن تكون شديدة الاعتمادية عندما تكون البيئة متوقعة، والقواعد ثابتة، ونطاق الأفعال الممكنة ضيقًا. يبدأ التحدي عندما تتغير الظروف، أو تصبح التعليمات غامضة، أو يتعين على الآلة أن تقرر ما يجب فعله بعد ذلك من دون اتباع تسلسل مكتوب بدقة. لذلك، فإن “الاستدلال” و“القدرة على التكيف” هنا ليسا عنصرين تسويقيين إضافيين. إنهما يشيران إلى واحدة من أصعب المشكلات الهندسية غير المحسومة في هذا المجال.

ويُعد Spot منصة مفيدة بشكل خاص لهذه المرحلة الانتقالية. فالروبوت رباعي الأرجل مرتبط أصلًا بالحركة في الأماكن التي يصعب على البشر الوصول إليها أو التي قد تكون غير آمنة لهم، وتعتمد قيمته ليس فقط على المشي الجيد، بل أيضًا على فهم ما يراه وكيف ينبغي أن يستجيب. إذا كان Gemini سيحسن AIVI-Learning بالطريقة التي تشير إليها Boston Dynamics، فلن يقتصر المكسب على تفاعل أكثر طبيعية مع اللغة. بل سيكون الأمر متعلقًا بجعل سلوك الروبوت أقل هشاشة في البيئات الواقعية.

ماذا يعني “الاستدلال” عمليًا

في الروبوتات، لا يعني الاستدلال الأفضل بالضرورة ذكاءً مجردًا بالمعنى البشري. قد يعني ربط الإدراك بالفعل على نحو أكثر فعالية. قد يحتاج الروبوت إلى تفسير مشهد، واستنتاج ما هو المهم، والاختيار بين مهام متنافسة، والتكيف عندما تتغير البيئة. وحتى التقدم المتواضع في هذه السلسلة يمكن أن يجعل النظام أكثر فائدة بكثير لأنه يقلل الحاجة إلى الإشراف البشري المستمر والاحتمالات المبرمجة مسبقًا.

والقدرة على التكيف عملية بالقدر نفسه. فالروبوت الذي يعمل فقط في بيئات مُعدّة بعناية يملك نطاقًا اقتصاديًا محدودًا. أما الروبوت القادر على التعامل مع الاختلاف في الترتيب أو الإضاءة أو العوائق أو التعليمات فيمكن أن ينتقل إلى تطبيقات صناعية وميدانية أكثر تطلبًا. ولهذا السبب تبرز أهمية هذا الاقتران. فـ Boston Dynamics توفر العتاد والحركة وخبرة النشر، بينما يُطرح Gemini بوصفه طبقة يمكنها تحسين التفسير واتخاذ القرار.

كما أن أهمية AIVI-Learning في الإعلان تشير إلى اتجاه أوسع. فشركات الروبوتات تحتاج بشكل متزايد إلى أنظمة تتعلم وتعمم بدلًا من مجرد التنفيذ. ولا تزال الأتمتة التقليدية قوية، لكنها تعتمد غالبًا على إعدادات شاقة. أما الأساليب المدعومة بالذكاء الاصطناعي فتهدف إلى تقصير وقت الإعداد وتمكين الروبوتات من نقل السلوك المفيد من سيناريو إلى آخر. هذا هو الوعد، على الأقل، وهو وعد لم يوفّه القطاع بالكامل بعد.

لماذا تتناسب هذه الشراكة مع اتجاه المجال

يتجه قطاع الروبوتات نحو تكامل أوثق بين الأنظمة الفيزيائية ونماذج الذكاء الاصطناعي الكبيرة. وجاذبية ذلك سهلة الفهم. فقد أثبتت النماذج الأساسية أنها قادرة على التعامل مع اللغة والصور والتعرف على الأنماط على نطاق واسع. أما الروبوتات الفيزيائية فما زالت بحاجة إلى طرق أفضل لتحويل تلك القدرة الواسعة إلى فعل موثوق. والجمع بين الاثنين خطوة تالية واضحة، حتى لو كانت الفجوة التقنية بين الفهم والتنفيذ لا تزال كبيرة.

Boston Dynamics لا تبدأ من الصفر. فالروبوتات التابعة لها معروفة بالفعل بقدرات حركة جيدة واستعراضات مصقولة للاستقلالية. لكن الحركة وحدها لا تصنع آلة عامة الغرض. فاستقلالية الروبوت المفيدة تتطلب حكمًا بشأن الأهداف والسياق والاستثناءات. وهنا يمكن لنموذج يوصف بأنه يحسن الاستدلال والقدرة على التكيف أن يكون ذا أثر كبير إذا عمل جيدًا تحت القيود التشغيلية الحقيقية.

ولا ينبغي إغفال جانب القيود. فالأنظمة الفيزيائية تتطلب متانة بطرق لا تحتاجها منتجات البرمجيات غالبًا. يمكن التسامح مع إجابة محرجة من روبوت محادثة. لكن لا يمكن بسهولة التسامح مع روبوت يعمل قرب الأشخاص أو المعدات أو التضاريس غير المستوية إذا أساء فهم الموقف. لهذا السبب يجب تقييم كل تقدم في الروبوتات المعتمدة على الذكاء الاصطناعي ليس فقط على أساس الجِدة، بل أيضًا على أساس الاتساق والسلامة والقدرة على التعافي عند وقوع الخطأ.

ما الذي ينبغي مراقبته بعد ذلك

السؤال الرئيسي الآن ليس ما إذا كانت نماذج الذكاء الاصطناعي ستتصل بالروبوتات، فهذا يحدث بالفعل في أنحاء القطاع. السؤال الحقيقي هو مقدار القدرة العملية التي يضيفها هذا التكامل. تقول Boston Dynamics إن Gemini سيحسن استدلال Spot وقدرته على التكيف عبر AIVI-Learning. وسيكون دليل الإثبات التالي هو ما إذا كانت هذه التحسينات تظهر في المهام المهمة خارج العروض التوضيحية: الفحص، والملاحة، والتفاعل مع المشغلين، والعمل في بيئات متغيرة.

إذا حدث ذلك، فسيبدو الإعلان جزءًا من نقطة تحول أوسع في الروبوتات. وإذا لم يحدث، فسيعكس مع ذلك إجماعًا في القطاع مفاده أن الإدراك الأفضل واللغة الأفضل لا يكفيان وحدهما. فالروبوتات تحتاج إلى اتخاذ قرار أقوى ضمن الحلقة. وفي كلتا الحالتين، يبرز اختيار Gemini من جانب Boston Dynamics أين يتشكل الضغط التنافسي: ليس فقط في بناء آلات تتحرك بصورة مبهرة، بل في بناء آلات تستطيع أن تقرر بشكل أكثر فاعلية ما الحركة المطلوبة فعلًا.

هذه هي المنطقة الوسطى الصعبة التي ستُحسم فيها على الأرجح مسيرة الروبوتات الحديثة. فقدرات العتاد تُدخل الروبوت إلى الغرفة. أما الاستدلال والقدرة على التكيف فهما ما يحددان ما إذا كان سيستطيع فعل شيء ذي قيمة بعد دخوله إليها.

تعتمد هذه المقالة على تغطية The Robot Report. اقرأ المقال الأصلي.