نماذج العالم في الذكاء الاصطناعي: كيف تدرّب ألعاب الفيديو الشبكات العصبية

جمعت شركة Worldmodeldata، المتخصصة في شبكة عصبية للألعاب، 7 ملايين جنيه إسترليني لتدريب الذكاء الاصطناعي. تحوّل الشركة أسلوب اللعب إلى بيانات لتدريب فئة جديدة من الذكاء الاصطناعي هي نماذج العالم، التي لا تكتفي بوصف العالم، بل تفهم كيف يستجيب للأفعال.

لماذا تحتاج نماذج العالم إلى بيانات مختلفة

تدرّبت النماذج اللغوية الكبيرة، مثل ChatGPT وClaude وGemini، على النصوص في المقام الأول. وقد أتقنت اللغة والمعرفة ومنطق الاستدلال. لكن لهذا النهج حدّاً جوهرياً: فهذه الأنظمة لا تملك فهماً مدمجاً للفيزياء.

تمثّل «نماذج العالم» الحدّ التالي. فهي أنظمة ذكاء اصطناعي قادرة على التنبؤ بعواقب الأفعال الفيزيائية: ماذا سيحدث إذا دُفع جسم ما، أو ضُغط على رافعة، أو أُسقط شيء من ارتفاع. وهذا الفهم ضروري للروبوتات والوكلاء الصناعيين وأي أنظمة تعمل في فضاء حقيقي لا افتراضي.

الصعوبة الرئيسية تكمن في البيانات. فتسجيل التفاعلات الفيزيائية الحقيقية على نطاق واسع مكلف جداً: إذ يتطلب روبوتات مزودة بحساسات ومختبرات ومشغّلين مؤهلين وآلاف الساعات من التجارب في ظروف متنوعة. وقد وجدت Worldmodeldata طريقاً بديلاً.

لماذا تُعدّ ألعاب الفيديو مصدراً لبيانات الذكاء الاصطناعي

محركات الألعاب هي في جوهرها محاكيات فيزيائية. فهي تحاكي في الزمن الحقيقي الجاذبية والتصادمات وديناميكا السوائل ومرونة المواد وسلوك الأجسام تحت الأحمال. وتحتوي كل ساعة لعب على ملايين أزواج «الفعل ← استجابة البيئة»: سيارة اصطدمت بجدار فتشوّهت وفق قوانين الفيزياء، وشخصية قفزت فهبطت بسرعة يمكن التنبؤ بها، وسائل انسكب فانتشر وفق ديناميكا مائعة محاكاة.

والتنوع مهم أيضاً: فالألعاب الحديثة تنتج آلاف أنواع البيئات والأجسام، من محاكيات القيادة إلى ألعاب الاستراتيجية ذات الأنظمة الفيزيائية. وهذه قاعدة بيانات جاهزة عن التفاعل مع البيئة الفيزيائية، ومنظَّمة أصلاً بمنطق اللعبة نفسه.

أبرز حقائق الجولة:

• الحجم: 7 ملايين جنيه إسترليني (~8 ملايين يورو)
• نوع التمويل: جولة تمويل أولية (seed)
• المستثمر الرئيسي: Iona Star Capital، لندن
• الشركة الناشئة: Worldmodeldata، كامبريدج، المملكة المتحدة

ماذا يعني ذلك

يشهد سوق بيانات التدريب للذكاء الاصطناعي تحوّلاً. فبعد سنوات طويلة من هيمنة المدوّنات النصية ومجموعات البيانات متعددة الوسائط، تبحث كبرى المختبرات، ومنها Google DeepMind وMeta* وOpenAI، بنشاط في نماذج العالم للروبوتات والأنظمة الوكيلية. وسيتزايد الطلب على بيانات تدريبية موثوقة فيزيائياً وتفاعلية بالتوازي مع نمو سوق الروبوتات البشرية والوكلاء المستقلين.

رهان Worldmodeldata بسيط: عقود من أسلوب اللعب المتراكم تمثّل مصدراً قابلاً للتوسع لبيانات التفاعل الفيزيائي، ولا يوجد مصدر آخر بحجم مماثل. وإن صحّ هذا التوقع، فستتحول ألعاب الفيديو من وسيلة ترفيه إلى بنية تحتية لتدريب الجيل القادم من الذكاء الاصطناعي.

*Meta مصنّفة منظمة متطرفة ومحظورة في روسيا.

ما هي نماذج العالم في الذكاء الاصطناعي؟

هي فئة جديدة من الشبكات العصبية لا تكتفي بوصف العالم، بل تفهم كيف يستجيب للأفعال. وعلى خلاف النماذج اللغوية الكبيرة (ChatGPT وClaude وGemini) التي تدرّبت على النصوص، يُفترض أن تعيد نماذج العالم إنتاج الفيزياء ومنطق التفاعل بين الأجسام في العالم المحيط.

لماذا يحتاج الذكاء الاصطناعي إلى بيانات من ألعاب الفيديو؟

تحتوي ألعاب الفيديو على مليارات اللقطات من أسلوب اللعب مع فيزياء معروفة للعالم واستجابات للبيئة لأفعال اللاعب. وهذا مصدر مثالي لبيانات التدريب، كي تتعلم الشبكات العصبية فهم العلاقات السببية والتنبؤ بتطور الأحداث.