باتباع النموذج الكبير، أصبح "الذكاء المتجسد" نقطة ساخنة جديدة في صناعة التكنولوجيا هذا العام ويعتبر الاتجاه الرئيسي في الموجة الجديدة من الذكاء الاصطناعي. فقد ظهرت العديد من الشركات الناشئة، ووصل التمويل إلى مستويات عالية جديدة، واستمرت التكنولوجيا في اختراقها... وباعتبارها الكيان الأكثر تمثيلاً في هذا المجال، تعمل الروبوتات البشرية على تسريع التصنيع في ظل تحفيز النماذج الكبيرة.
إذا تم اعتبار النماذج الكبيرة "أرواحًا مثيرة للاهتمام"، فإن الروبوتات البشرية التي تم تمكينها بواسطة "الذكاء المتجسد" تتمتع "بجلود جميلة المظهر" وأصبحت مساعدات قوية للبشر في العديد من المجالات.
إعادة تعريف الروبوتات
وباعتباره جسرًا يربط بين الفضاء الافتراضي والفضاء الحقيقي، يشير "الذكاء المتجسد" إلى دمج الذكاء الاصطناعي في الكيانات المادية مثل الروبوتات، مما يمنحها القدرة على الإدراك والتعلم والتفاعل ديناميكيًا مع البيئة مثل البشر.
مصطلح "الذكاء المتجسد" في حد ذاته له لون فلسفي قوي للتكنولوجيا. في عام 1945، اقترح الفيلسوف الفرنسي موريس ميرلو بونتي مفهوم "التجسيد"، معتقدًا أن الإنسان يحتاج إلى التفاعل وإدراك البيئة المحيطة من خلال أجساده حتى يتمكن من فهم العالم. في عام 1950، اقترح عالم الكمبيوتر البريطاني تورينج، المعروف باسم "أبو الذكاء الاصطناعي"، لأول مرة مفهوم "الذكاء المتجسد" في ورقته البحثية "آلات الحوسبة والذكاء".
في الواقع، تم استخدام الروبوتات الصناعية (الأذرع الآلية) ذات مستويات الذكاء المنخفضة نسبيًا على نطاق واسع منذ فترة طويلة في الصناعة التحويلية، مما أدى إلى تحسين الجودة والكفاءة. ومع ذلك، فإن الروبوتات الصناعية التقليدية هي مزيج من "البرامج الثابتة + الأذرع الآلية"، في حين أن الروبوتات التي يتم تمكينها بواسطة "الذكاء المتجسد" هي تكرار لـ "الإدراك متعدد الوسائط + اتخاذ القرار الدماغي".
ويعتقد شو هوازهي، الأستاذ المساعد في معهد علوم المعلومات متعددة التخصصات بجامعة تسينغهوا، أن الروبوتات في المستقبل ستقدم مجموعة متنوعة من الأشكال: الكلاب الميكانيكية ذات القدمين، والرباعية، والعجلات، والطائرات بدون طيار الذكية، وحتى النحل الميكانيكي، ولكن الروبوتات الشبيهة بالبشر. هي الأكثر قدرة على التكيف مع المجتمع البشري، وسوف تصبح الروبوتات التي يمكن أن تساعد البشر على أفضل وجه.
يمكن للروبوتات البشرية أن تحل مشكلة "الميل الأخير" من خط الإنتاج. لا يمكن تجميع العديد من المنتجات الشخصية والمخصصة بشكل موحد على خط التجميع، الأمر الذي يتطلب روبوتات بشرية تتمتع بقدرات تعميم "للمساعدة" في تجميع الأجزاء المنتجة بكميات كبيرة في المنتجات وفقًا لاحتياجات التخصيص للعملاء. في السيناريوهات الأكثر تعقيدًا وقابلية للتغيير مثل الخدمات المنزلية والخدمات العامة، تتمتع الروبوتات البشرية أيضًا بمزايا أكثر ويمكنها التكيف مع بيئات واحتياجات مختلفة لإكمال مجموعة متنوعة من المهام.
ثلاث صعوبات رئيسية يجب التغلب عليها
يبدأ تطوير الروبوتات البشرية بتعلم البشر وتقليدهم. ويمكن أيضًا فهم الصعوبات في تطوره من خلال مقارنته بالدماغ البشري والمخيخ والجسم. "الدماغ" هو المسؤول بشكل أساسي عن مركز التعلم والتخطيط واتخاذ القرار المستقل للروبوت؛ "المخيخ" هو المسؤول عن التحكم في الحركة، بما في ذلك المشي إلى الجري والقفز، ومن الإمساك البسيط إلى حركات اليد المعقدة؛ ويتضمن "الجسم" هيكل الجذع والأطراف وتصميم اليد الماهر.
صرح نائب رئيس UBTECH Robotics ومدير معهد الأبحاث، جياو جيشاو، للصحفيين أن هناك العديد من الصعوبات التقنية التي يجب التغلب عليها في هذه المجالات الرئيسية الثلاثة: فيما يتعلق بـ "العقل"، وهندسة الحوسبة المتكاملة السحابية، والإدراك متعدد الوسائط، والنمذجة البيئية، فهي كلها عناصر أساسية. محور التكنولوجيا في السنوات الأخيرة. "إن أكبر صعوبة في تقليد الإنسان تكمن في تقليد الدماغ البشري، والنظريات العلمية الموجودة بعيدة كل البعد عن أن تكون كافية لدراسة الدماغ البشري"؛ فيما يتعلق بـ "المخيخ"، تعد قدرات التفاعل بين الإنسان والحاسوب، وممر التضاريس المعقد، والعمليات الدقيقة المنسقة لكامل الجسم، وما إلى ذلك، اتجاهات مهمة؛ فيما يتعلق بـ "الجسم"، فإن التقنيات الرئيسية مثل آلية النقل الإلكترونية ذات الاقتران الصلب والمرن، وهيكل أطراف الروبوت المضغوط للغاية وتصميم اليد الماهرة هي أسس الأجهزة المهمة المطلوبة للحركة المرنة للروبوتات البشرية.
لقد أدى ظهور النماذج الكبيرة إلى "تطور" "دماغ" الروبوت بشكل كبير، وتحسين تنوع الروبوتات وتعميمها بشكل كبير، ومن المتوقع أن يقلل من تكلفة تطوير الروبوتات البشرية وتسريع دخولها إلى آلاف الأسر.
وفقًا ليانغ فينغيو، المؤسس والرئيس التنفيذي لشركة Uniqi Robotics Technology Co., Ltd.، تستخدم الصناعة الآن بشكل أساسي نماذج كبيرة مدربة مسبقًا لتدريب الروبوتات مسبقًا لمنحها قدرات تعليمية أقوى؛ يمكن للنماذج الكبيرة نقل تعلم مهام محددة إلى مهام الروبوت لتحسين قدرتها على التكيف؛ بالإضافة إلى ذلك، يمكن استخدام قدرات المعالجة متعددة الوسائط للنماذج الكبيرة، جنبًا إلى جنب مع مدخلات مختلفة مثل الرؤية والسمع واللمس، لتعزيز فهم الروبوت للمشاهد المعقدة.