ثورة بوتات المدفوعة بتقنية الذكاء الاصطناعي والتشفير

تغيرت الانتصارات في الذكاء الاصطناعي بشكل جذري الطريقة التي يدرك بها الناس ويتوقعون بوتات. مع بدء نماذج اللغة الكبيرة في التفاعل مع عالم البرمجيات الخارجي، اعتقد العديد من الناس أن الوكلاء الذكيين هم الشكل النهائي. ومع ذلك، إذا نظرنا إلى الأعمال الكلاسيكية للخيال العلمي، سنكتشف أن ما يحلم به البشر حقًا هو بوتات الذكاء الاصطناعي القادرة على التفاعل في العالم المادي.

يعتقد المطلعون على الصناعة أن هناك اختراقًا كبيرًا في مجال الروبوتات على وشك الحدوث. إن التقدم في الذكاء الاصطناعي في السنوات الأخيرة يعيد تشكيل مشهد الصناعة، بينما ستساهم تحسينات تكنولوجيا البطاريات، وتحسينات التأخير، وجمع البيانات في تشكيل الصورة المستقبلية بشكل أكبر. ستلعب تقنية التشفير أيضًا دورًا مهمًا في هذه العملية. يجب إيلاء اهتمام خاص لأمان الروبوتات، والتمويل، والتقييم، والتعليم.

عناصر التحول

###突破 الذكاء الاصطناعي

تقدم نماذج اللغة الكبيرة متعددة الوسائط "العقل" الضروري للروبوتات لأداء المهام المعقدة. تعتمد الروبوتات بشكل رئيسي على الرؤية والسمع لإدراك البيئة. تتمتع نماذج الرؤية الحاسوبية التقليدية بمهارة في اكتشاف وتصنيف الكائنات، ولكنها تواجه صعوبة في تحويل المعلومات المرئية إلى أوامر عمل ذات مغزى. على الرغم من أن نماذج اللغة الكبيرة تظهر أداءً ممتازًا في فهم النصوص وتوليدها، إلا أنها محدودة في قدرتها على إدراك العالم الفيزيائي.

نموذج الرؤية-اللغة-العمل ( VLA ) يمكّن بوتات من دمج الإدراك البصري وفهم اللغة والعمل الفعلي ضمن إطار حسابي موحد. نموذج VLA الأحدث يضع معيارًا جديدًا في الصناعة بفضل قدرته على التعميم بدون عينات وهندسته المزدوجة. خاصية التعميم بدون عينات تمكّن البوتات من التكيف الفوري مع مشاهد جديدة وأشياء جديدة وأوامر جديدة دون الحاجة إلى تدريب متكرر لكل مهمة. تحقق الهندسة المزدوجة الفصل بين الاستدلال العالي المستوى والاستدلال الخفيف، مما يجمع بين التفكير الإنساني والدقة الفورية في الروبوتات البشرية التجارية.

أصبحت بوتات اقتصادية واقعًا

تتمتع التقنيات التي تغير العالم بميزة مشتركة تتمثل في قابلية التعميم. لقد حققت الهواتف الذكية وأجهزة الكمبيوتر الشخصية وتقنية الطباعة ثلاثية الأبعاد انتشارها بأسعار يمكن للطبقة الوسطى تحملها. عندما ينخفض سعر الروبوتات عن سعر السيارة العادية أو الحد الأدنى من الدخل السنوي، فإن تخيل عالم يتم فيه إنجاز العمل البدني والمهام اليومية بشكل رئيسي بواسطة الروبوتات ليس بالأمر الغريب.

من التخزين إلى سوق المستهلكين

تكنولوجيا الروبوتات تنتقل من حلول التخزين إلى مجال الاستهلاك. هذا العالم مصمم للبشر - يمكن للبشر إنجاز جميع الأعمال التي تقوم بها الروبوتات المتخصصة، بينما لا يمكن للروبوتات المتخصصة إنجاز جميع الأعمال التي يقوم بها البشر. لم تعد شركات الروبوتات مقتصرة على تصنيع الروبوتات المخصصة للمصانع، بل بدأت في تطوير الروبوتات البشرية الأكثر تنوعًا. وبالتالي، فإن حدود تكنولوجيا الروبوتات لا توجد فقط في المستودعات، بل ستتغلغل أيضًا في الحياة اليومية.

تكاليف هي واحدة من العقبات الرئيسية أمام قابلية التوسع. المؤشر الأكثر أهمية هو التكلفة الإجمالية لكل ساعة، والتي يتم حسابها على أنها: تكلفة الفرصة البديلة لوقت التدريب والشحن، تكلفة تنفيذ المهام، وتكلفة شراء بوتات، مقسومة على إجمالي وقت تشغيل البوتات. يجب أن تكون هذه التكلفة أقل من متوسط مستوى الأجور في الصناعة ذات الصلة لتكون تنافسية.

لتحقيق اختراق شامل في مجال التخزين، يجب أن يكون التكلفة الشاملة للروبوتات أقل من 31.39 دولار في الساعة. وفي أكبر سوق استهلاكية - قطاع التعليم الخاص والخدمات الصحية، يجب أن تظل هذه التكلفة تحت 35.18 دولار. حاليًا، تتجه الروبوتات نحو أن تكون أقل تكلفة وأكثر كفاءة وعامة.

خطوة突破 جديدة في تقنية بوتات

تحسين البطارية

تظل تقنية البطاريات عقبة أمام الروبوتات الصديقة للمستخدم. كانت السيارات الكهربائية المبكرة تعاني من محدودية تقنية البطاريات، مما أدى إلى قصر مدى التشغيل وارتفاع التكلفة وانخفاض الجدوى، مما جعلها صعبة الانتشار، والروبوتات تواجه نفس المعضلة. حاليًا، يبلغ مدى التشغيل لمجموعة الروبوتات الشائعة 90-120 دقيقة فقط في المرة الواحدة. من الواضح أن المستخدمين لا يرغبون في شحن البطارية يدويًا كل ساعتين، لذلك أصبح الشحن الذاتي والبنية التحتية للتوصيل محور اتجاه التطوير.

حاليًا، هناك نوعان رئيسيان من وضعيات شحن البوتات: استبدال البطارية أو الشحن المباشر. وضعية استبدال البطارية تحقق العمل المستمر من خلال استبدال مجموعة البطاريات المستنفدة بسرعة، مما يقلل من وقت التوقف إلى الحد الأدنى، وهي مناسبة للمشاهد الميدانية أو المصانع. يستخدم الشحن بالتحريض طريقة الطاقة اللاسلكية، وعلى الرغم من أن الشحن الكامل يستغرق وقتًا أطول، إلا أنه يمكن تحقيق عملية أوتوماتيكية كاملة بسهولة.

تحسين التأخير

تُنقسم العمليات ذات الكمون المنخفض إلى فئتين: الإدراك البيئي والتحكم عن بُعد. يشير الإدراك إلى قدرة بوتات على فهم البيئة من حيث الفضاء، بينما يشير التحكم عن بُعد تحديدًا إلى التحكم في الوقت الحقيقي من قبل المشغل البشري.

تبدأ أنظمة إدراك البوتات بمستشعرات رخيصة، لكن حائط التكنولوجيا الدفاعي يكمن في دمج البرمجيات، والحوسبة منخفضة الطاقة، والدورات الدقيقة التي تتحكم بالمللي ثانية. عندما يكمل البوت تحديد الموقع المكاني، ستقوم الشبكات العصبية الخفيفة بوسم العناصر مثل العراقيل، والألواح، أو البشر. بعد إدخال علامات المشهد في نظام التخطيط، يتم على الفور إنشاء تعليمات المحرك المرسلة إلى القدمين، أو مجموعة العجلات، أو الذراع الآلية.

تُعادل التأخيرات الإدراكية التي تقل عن 50 مللي ثانية سرعة رد فعل الإنسان - أي تأخير يتجاوز هذا العتبة سيؤدي إلى حركات غير سلسة للبوتات. لذلك، يجب أن تُنجز 90% من القرارات من خلال شبكة بصرية-لغوية-حركية واحدة محلياً. تحتاج البوتات المستقلة بالكامل إلى ضمان أن تأخير نموذج VLA عالي الأداء أقل من 50 مللي ثانية؛ بينما تتطلب البوتات المتحكم بها عن بُعد ألا يتجاوز تأخير الإشارة بين وحدة التحكم والبوت 50 مللي ثانية.

تحسين جمع البيانات

توجد ثلاث طرق رئيسية لجمع البيانات: بيانات الفيديو من العالم الحقيقي، البيانات التركيبية وبيانات التحكم عن بُعد. تكمن العقبة الأساسية بين البيانات الحقيقية والبيانات التركيبية في تضييق الفجوة بين السلوك الفيزيائي للروبوتات ونماذج الفيديو/المحاكاة. تفتقر بيانات الفيديو الحقيقية إلى تفاصيل فيزيائية مثل ردود الفعل القوية، أخطاء حركة المفاصل وتشوه المواد؛ بينما تفتقر البيانات المحاكية إلى متغيرات غير متوقعة مثل أعطال المستشعرات ومعامل الاحتكاك.

أكثر طرق جمع البيانات واعدة هي التحكم عن بُعد - حيث يقوم مشغل بشري بالتحكم عن بُعد في بوتات لأداء المهام. ولكن تكلفة العمالة هي العامل الرئيسي المحدد لجمع البيانات عن بُعد.

تطوير الأجهزة المخصصة يوفر أيضًا حلول جديدة لجمع البيانات عالية الجودة. بعض الشركات تجمع بيانات حركة الإنسان متعددة الأبعاد من خلال دمج الطرق السائدة مع الأجهزة المخصصة، وبعد المعالجة تتحول إلى مجموعات بيانات مناسبة لتدريب الشبكات العصبية للبوتات، مما يوفر بيانات عالية الجودة بكميات كبيرة لتدريب الذكاء الاصطناعي للبوتات مع دورات تكرار سريعة. هذه الأنابيب التقنية معًا تقلل من مسار التحويل من البيانات الخام إلى البوتات القابلة للنشر.

مجالات الاستكشاف الرئيسية

التشفير تقنية مع بوتات融合

التشفير يمكن أن يحفز الأطراف غير الموثوقة لتحسين كفاءة شبكة بوتات. استنادًا إلى المجالات الرئيسية المذكورة أعلاه، يمكن أن يعزز التشفير الكفاءة في ثلاثة مجالات: ربط البنية التحتية، وتحسين التأخير، وجمع البيانات.

شبكة البنية التحتية الفيزيائية اللامركزية ( DePIN ) من المتوقع أن تحدث ثورة في بنية الشحن التحتية. عندما تعمل الروبوتات البشرية على مستوى عالمي مثل السيارات، يجب أن تكون محطات الشحن في متناول اليد مثل محطات الوقود. تحتاج الشبكات المركزية إلى استثمارات أولية ضخمة، بينما تقوم DePIN بتوزيع التكاليف على مشغلي العقد، مما يسمح بتوسع سريع لمرافق الشحن إلى المزيد من المناطق.

يمكن لـ DePIN أيضًا استخدام البنية التحتية الموزعة لتحسين تأخير التحكم عن بُعد. من خلال تجميع موارد حسابية من نقاط الحافة الموزعة جغرافيًا، يمكن معالجة أوامر التحكم عن بُعد بواسطة العقد المحلية أو الأقرب المتاحة، مما يقلل إلى الحد الأدنى من مسافة نقل البيانات ويقلل بشكل كبير من تأخير الاتصالات.

التحكم عن بعد هو أكثر طرق جمع البيانات الواعدة، لكن تكلفة توظيف الكيانات المركزية للمهنيين لجمع البيانات مرتفعة للغاية. يقوم DePIN بتحفيز الأطراف الثالثة من خلال رموز التشفير لتوفير بيانات التحكم عن بعد لحل هذه المشكلة. بعض المشاريع تعمل على بناء شبكة عالمية لمشغلي التحكم عن بعد، وتحويل مساهماتهم إلى أصول رقمية موثقة، مما يشكل نظامًا لامركزيًا غير مرخص - حيث يمكن للمشاركين الحصول على الأرباح والمشاركة في الحوكمة والمساعدة في تدريب بوتات AGI.

الأمان هو دائمًا القلق الأساسي

الهدف النهائي لتقنية الروبوتات هو تحقيق الاستقلالية الكاملة، لكن أكثر ما يخشاه البشر هو أن تؤدي الاستقلالية إلى تحويل الروبوتات إلى أسلحة هجومية. لقد أثارت مشكلات الأمان المتعلقة بالنماذج اللغوية الكبيرة القلق، وعندما تمتلك هذه النماذج القدرة على الحركة المادية، تصبح أمان الروبوتات شرطًا أساسيًا لقبول المجتمع.

الأمن الاقتصادي هو أحد دعائم ازدهار بيئة بوتات. بعض الشركات تعمل على بناء طبقة تنسيق آلات لامركزية، من خلال التشفير للتحقق من هوية الأجهزة، والتحقق من الوجود الفعلي، والحصول على الموارد. على عكس إدارة سوق المهام البسيطة، فإن هذه الأنظمة تمكّن البوتات من إثبات معلومات الهوية، والموقع الجغرافي، وسجلات السلوك بشكل مستقل دون الاعتماد على وسطاء مركزيين.

تُنفذ قيود السلوك والمصادقة على الهوية من خلال آليات على السلسلة، مما يضمن أن أي شخص يمكنه تدقيق الامتثال. ستحصل بوتات التي تتوافق مع المعايير الأمنية ومتطلبات الجودة والمعايير الإقليمية على مكافآت، بينما يواجه المخالفون عقوبات أو إلغاء مؤهلاتهم، مما يؤدي إلى إنشاء آليات للمسؤولية والثقة في شبكة الآلات المستقلة.

يمكن لشبكة إعادة الرهن من طرف ثالث أيضًا تقديم ضمانات أمان متساوية. على الرغم من أن نظام معايير العقوبات لا يزال بحاجة إلى تحسين، إلا أن التكنولوجيا ذات الصلة قد دخلت المرحلة العملية. من المتوقع أن يتم تشكيل معايير الأمان في الصناعة قريبًا، وعندها سيتم نمذجة معايير العقوبات بالإشارة إلى هذه المعايير.

! لحظات ChatGPT للروبوتات: ثورة الأتمتة مدفوعة ب الذكاء الاصطناعي والتشفير

سد الفجوة في مجموعة تقنيات البوتات

على عكس الذكاء الاصطناعي، فإن مجال البوتات يصعب الدخول إليه عندما تكون الأموال محدودة. لتحقيق انتشار البوتات، يجب أن تنخفض عتبة تطويرها إلى مستوى سهولة تطوير تطبيقات الذكاء الاصطناعي. هناك مجالات لتحسين في ثلاثة جوانب: آلية التمويل، نظام التقييم، والنظام التعليمي.

تمويل هو نقطة الألم في مجال بوتات. تطوير برامج الحاسوب يتطلب فقط حاسوب واحد وموارد الحوسبة السحابية، بينما بناء بوت كامل الوظائف يتطلب شراء محركات وأجهزة استشعار وبطاريات وغيرها من الأجهزة، حيث يمكن أن تتجاوز التكلفة بسهولة 100,000 دولار. هذه الخصائص للأجهزة تجعل تطوير بوتات أقل مرونة وأكثر تكلفة مقارنةً بالتشفير.

إن بنية تقييم الروبوتات في السيناريوهات الواقعية لا تزال في مرحلة مبكرة. لقد تم إنشاء نظام واضح لدوال الخسارة في مجال الذكاء الاصطناعي، ويمكن اختبارها بالكامل في بيئة افتراضية. ولكن الاستراتيجيات الافتراضية الممتازة لا يمكن تحويلها مباشرة إلى حلول فعالة في العالم الحقيقي. يحتاج الروبوت إلى منشآت تقييم لاستراتيجياته الذاتية في بيئات واقعية متنوعة لتحقيق تحسينات متكررة.

عندما تنضج هذه البنية التحتية، سيتدفق عدد كبير من المواهب، وستعيد الروبوتات البشرية رسم منحنى الانفجار الخاص بـ Web2. بعض الشركات تعمل على تطوير "نظام أندرويد للروبوتات"، لتحويل الأجهزة الأصلية إلى كيانات ذكية قابلة للتحديث وذات وعي اقتصادي. يمكن أن تعمل وحدات الرؤية واللغة وتخطيط الحركة مثل تطبيقات الهاتف المحمول، حيث يتم تقديم جميع خطوات الاستدلال بلغة إنجليزية واضحة، مما يمكن المشغل من مراجعة أو تعديل السلوك دون الحاجة إلى التفاعل مع البرنامج الثابت. هذه القدرة على الاستدلال بلغة طبيعية تجعل الجيل الجديد من المواهب يدخل seamlessly إلى مجال الروبوتات، مما يمثل خطوة حاسمة نحو إطلاق منصة مفتوحة تثير ثورة الروبوتات.

كثافة المواهب تحدد مسار الصناعة. إن نظام التعليم الشامل المنظم ضروري لتوريد المواهب في مجال بوتات. بعض الشركات تطلق منهج تعليم عام قائم على الروبوتات الشبيهة بالبشر في المدارس العامة K-12 في الولايات المتحدة. يتم تصميم هذا المنهج ليكون غير مرتبط بمنصة معينة، مما يجعله قابلاً للتكيف مع أشكال الروبوتات المختلفة، ويوفر للطلاب فرصًا للتطبيق العملي. هذه إشارة إيجابية تعزز من حكم المتخصصين في المجال: في السنوات القادمة، ستصل ثروة الموارد التعليمية في مجال الروبوتات إلى مستوى نظيرتها في مجال التشفير.

آفاق المستقبل

نموذج الرؤية-اللغة-العمل ( VLA ) الابتكارات وتأثيرات وفورات الحجم، قد أوجدت روبوتات بشرية اقتصادية وفعالة وعامة. مع توسع روبوتات المستودعات إلى سوق المستهلك، أصبحت الأمان، ونماذج التمويل، ونظام التقييم اتجاهات استكشاف رئيسية. ستدفع تقنيات التشفير تطور الروبوتات من خلال ثلاثة مسارات: توفير ضمان اقتصادي للأمان، تحسين بنية الشحن التحتية، وتعزيز أداء التأخير وقنوات جمع البيانات.