العصر الفضي للذكاء المجسد: نظرة متعمقة

نظرة عامة

تتناول هذه المقالة الوضع الحالي للذكاء المجسد، والذي يوصف بأنه في "عصر فضي" – وهي فترة من الاستكشاف المكثف بين الظهور الأولي والنضج الكامل للتكنولوجيا. يدور النقاش حول مائدة مستديرة في مؤتمر محرك فولكانو FORCE، حيث استكشف خبراء من مختلف المجالات إمكانات النماذج الكبيرة في تسريع تطوير الروبوتات.

الخلفية

لقد أدى التقدم السريع في نماذج الذكاء الاصطناعي الكبيرة إلى زيادة كبيرة في الاستثمار في صناعة الروبوتات. ومع ذلك، فإن هذه الزيادة في التمويل تجلب أيضًا خطر ارتفاع درجة حرارة السوق. التحدي الأساسي هو تحديد الاختراقات الحقيقية في التكنولوجيا وتطبيقها. تشمل الأسئلة الرئيسية ما يلي:

هل يجب أن ينصب التركيز على التعلم المعزز أو التعلم المحاكي؟
هل الأهم هو إعطاء الأولوية للمحاكاة أو الاختبار في العالم الحقيقي؟
هل يجب أن يكون التركيز على الرؤية أو المحركات الفيزيائية؟

المشاركون في المائدة المستديرة

ضمّت المائدة المستديرة خبراء من خلفيات متنوعة:

تشن يانغ: نائب رئيس شركة جالاكسي جنرال للروبوتات.
شي لينغشيانغ: رئيس حاضنة الابتكار في محرك فولكانو (الميسر).
وو دي: رئيس الخوارزميات الذكية في محرك فولكانو.
وان هاوجي: شريك في شركة ماتريكس بارتنرز الصينية.
وانغ شياو: مؤسس شركة ناين تشابترز كابيتال.
يان ويشين: المؤسس المشارك لشركة شنغهاي تشي يوان للروبوتات والمشرف على الدكتوراه في جامعة شنغهاي جياو تونغ.

نقاط النقاش الرئيسية

الطفرة في الاستثمار في الروبوتات

لماذا الإثارة؟ تنقسم تطبيقات الذكاء الاصطناعي إلى فئتين: تطبيقات برمجية (مثل روبوتات الدردشة وتوليد الفيديو) وتطبيقات مادية (مثل الروبوتات). يُنظر إلى الروبوتات على أنها التطبيق المادي الأكثر تنوعًا للذكاء الاصطناعي.

تركيز الاستثمار: يبحث المستثمرون عن الشركات التي يمكنها دمج كل من البرامج والأجهزة وإظهار تطبيقات واقعية تتجاوز العروض التوضيحية.

تحديات التسويق: إن تسويق الروبوتات أبطأ مما كان متوقعًا، خاصة في البيئات المعقدة مثل المنازل وخدمات الشركات.

يحتاج التنسيق بين "الدماغ" (الذكاء الاصطناعي) و"الدماغ الصغير" (أنظمة التحكم) إلى تحسين.
يعد خفض التكاليف أمرًا بالغ الأهمية لتحقيق انتشار واسع.

الطريق إلى التسويق

الإجماع: هناك اتفاق عام على أن الروبوتات ستنجح، ولكن الجدول الزمني والشركات الرائدة لا يزالان غير مؤكدين.

فائزون متعددون: من غير المرجح أن تهيمن شركة واحدة على السوق، على غرار صناعة السيارات الكهربائية.

التسويق الأولي: لقد زودت النماذج الكبيرة الروبوتات بقدرات محسنة في التفاعل والتفكير.

العقبات التقنية: في حين أنه لا توجد حواجز تقنية لا يمكن التغلب عليها، إلا أن العملية ستكون أطول وأكثر صعوبة مما كان متوقعًا.

دور رأس المال الاستثماري: يلعب أصحاب رؤوس الأموال الاستثمارية دورًا حاسمًا في تسريع التطوير من خلال توفير التمويل.

أهمية الذكاء العام

تحول التركيز: يجب أن ينصب التركيز على تكييف الروبوتات مع البشر والبيئات، وليس العكس.

بيانات المحاكاة: يعد استخدام كميات كبيرة من بيانات المحاكاة أمرًا أساسيًا لتمكين الروبوتات من امتلاك ذكاء عام.

تحديات الشركات الناشئة: تواجه الشركات الناشئة في مجال الروبوتات تحديات كبيرة في التكنولوجيا وتطوير المنتجات ونماذج الأعمال.

التعاون الصناعي: تحتاج الصناعة إلى التعاون عبر سلسلة التوريد والدعم من المستثمرين.

المسارات التقنية للذكاء المجسد

التعلم بالتقليد والتعلم المعزز: يعد استخدام التعلم بالتقليد لتعزيز التعلم المعزز نهجًا قابلاً للتطبيق للتحكم في المشي.

المحاكاة للأطراف السفلية: بيانات المحاكاة فعالة للتحكم في مشية الأطراف السفلية، ولكن لا تزال هناك تحديات في ضبط المعلمات واتساق المنتج.

التركيز على الأطراف العلوية: هناك حاجة إلى تحويل التركيز من حركة الأطراف السفلية إلى قدرات تشغيل المهام الشاملة للروبوتات البشرية.

تشغيل المهام: يجب أن ينصب التركيز على قدرات تشغيل المهام بدلاً من مجرد الحركة.

تحديات البيانات: يعد جمع وتوحيد البيانات، خاصة للمهام المعقدة، تحديًا كبيرًا.

البيانات الواقعية: البيانات الواقعية ضرورية، خاصة للتفاعلات الفيزيائية المعقدة التي يصعب محاكاتها.

المحاكاة مقابل البيانات الواقعية

بيانات المحاكاة: بيانات المحاكاة أكثر فعالية من حيث التكلفة وقابلة للتطوير ومتعددة الاستخدامات لتدريب النماذج المجسدة ذات الأغراض العامة.

البيانات الواقعية: البيانات الواقعية ضرورية لالتقاط الفروق الدقيقة في التفاعلات الفيزيائية، مثل الاحتكاك والمرونة.

نماذج العالم: بمجرد أن تمتلك الروبوتات نماذج عالمية موثوقة، يمكن استخدام عمليات المحاكاة واسعة النطاق لاختبار أدائها وتحسينه في سيناريوهات مختلفة.

التطبيقات المستقبلية

التطبيقات القريبة (2-3 سنوات)

التصنيع الصناعي: يمكن للروبوتات أداء مهام معقدة تتطلب البراعة في البيئات الخاضعة للرقابة.
العمليات عن بعد: يمكن استخدام الروبوتات في البيئات الخطرة، مثل التعامل مع المواد الخطرة.
البيئات الخاضعة للرقابة: سيتم نشر الروبوتات في بيئات خاضعة للرقابة مثل المطاعم والفنادق والمصانع.
مهام محددة: سيتم استخدام الروبوتات في مهام مثل توصيل الطعام وإعداد القهوة وإجراء الصيانة الخفيفة.
المصانع والمكاتب والأمن: هذه هي المجالات الأكثر احتمالاً للنشر الأولي.

التطبيقات طويلة الأجل

البيئات المنزلية: التطبيق الأكثر تعقيدًا والأكثر توقعًا هو في البيئات المنزلية.
المهام المنزلية: ستكون الروبوتات قادرة في النهاية على أداء مهام مثل الطهي وغسل الملابس والتنظيف.
خفض التكاليف: مع تقدم التكنولوجيا، ستنخفض تكلفة الروبوتات، مما يجعلها في متناول المستهلكين.
روبوتات ذات أغراض عامة: سيتحول التركيز نحو الروبوتات ذات الأغراض العامة التي يمكن أن تخدم احتياجات مختلفة.
اعتبارات السوق: تحتاج الشركات إلى مراعاة الوظائف والأداء والانفتاح وتحمل المخاطر للتطبيقات المختلفة.

محرك فولكانو VeOmniverse

منصة المحاكاة الافتراضية: VeOmniverse هي منصة قائمة على السحابة لمحاكاة الروبوتات وتدريبها.

بيئات واقعية: تخلق بيئات رقمية واقعية للغاية لتدريب الروبوتات واختبارها.

فعالة من حيث التكلفة: تقلل من الحاجة إلى المعدات المادية وتخفض تكاليف التطوير.

تدريب شامل: تستخدم المنصة المحركات المرئية والمحركات الفيزيائية ومحاكاة المستشعرات والتوليد ثلاثي الأبعاد لإنشاء نظام تدريب شامل.

دعم الذكاء الاصطناعي: تستخدم المنصة الذكاء الاصطناعي لتوليد بيانات تدريب عالية الجودة وتسريع عملية التدريب.

التخصيص: المنصة مفتوحة وقابلة للتخصيص، مما يسمح للشركات بتطوير تطبيقات التوأم الرقمي المخصصة.

تطوير متسارع: يساعد الشركات على بناء نماذج الروبوتات والتحقق منها وتحسينها بسرعة.

التحول الصناعي: VeOmniverse هي أداة رئيسية للتحول الذكي والرقمي لصناعة الروبوتات.