NVIDIA Cosmos 3: نماذج للاستدلال والتصرف في العالم المادي للروبوتات

عرضت NVIDIA في مدونة NVIDIA Developer Blog الجيل الجديد من منصة Cosmos، وهو Cosmos 3، وهو عائلة من النماذج المخصصة لما يُعرف بالذكاء الاصطناعي المادي (Physical AI). يُفترض بهذه النماذج أن تفهم بنية العالم الواقعي وتتنبأ بتطور الأحداث فيه، وأن تولّد إجراءات للروبوتات والنقل ذاتي القيادة و«المساحات الذكية».

ما هو الذكاء الاصطناعي المادي ولماذا يحتاج إلى مثل هذه النماذج

تتعامل النماذج اللغوية مع النصوص، وتكتفي نماذج الرؤية الحاسوبية بالتعرف على الأجسام في الصورة. أما الذكاء الاصطناعي المادي فيواجه مهمة أعقد، إذ عليه أن يفهم العالم المحيط به في حركته وتغيّره. وتصوغ NVIDIA ذلك في عملية من ثلاث مراحل: يجب أن يدرك النظام أولاً ما يجري في محيطه المادي في اللحظة الراهنة، ثم يتنبأ بما قد يحدث لاحقاً، وبعد ذلك فقط يولّد الإجراء الصحيح أو خطة الإجراءات. ومنصة Cosmos موجّهة تحديداً إلى هذا المسار: «الإدراك ← التنبؤ ← الفعل».

أبرز الحقائق عن المنصة:

• المطوّر: NVIDIA
• اسم الجيل: Cosmos 3
• فئة المهام: نماذج «الأسس العالمية» (world foundation models) للذكاء الاصطناعي المادي
• الأجهزة المستهدفة: الروبوتات والمركبات ذاتية القيادة و«المساحات الذكية»
• مصدر الإعلان: NVIDIA Developer Blog

كيف تندرج Cosmos في منظومة الروبوتات

لا يكفي أن «ترى» الروبوتات والسيارات ذاتية القيادة محيطها كي تعمل بأمان وفائدة. فهي تحتاج إلى نموذج للعالم يتيح لها توقّع عواقب أفعالها وأفعال الأطراف الأخرى في البيئة قبل تنفيذ أي حركة مادية. وكانت هذه النماذج تُطوَّر في السابق بصورة منفردة لكل جهاز وسيناريو بعينه، ما جعلها مكلفة وصعبة النقل بين أنواع الروبوتات المختلفة.

أما منصة عامة الغرض مثل Cosmos فتوفّر، على العكس، طبقة أساسية من «فهم فيزياء» العالم. وعلى هذه الطبقة يستطيع مطوّرو الأنظمة الروبوتية، من الأذرع الصناعية إلى روبوتات الخدمة، بناء نماذجهم الخاصة الأكثر تخصصاً، من دون البدء بالتدريب من الصفر في كل مرة. وقد أثبت هذا النهج، القائم على نموذج عام الغرض يُعاد تدريب الحلول المتخصصة فوقه، فعاليته في عالم النماذج اللغوية والبصرية.

ويبدو أن NVIDIA تراهن على أن المنطق نفسه سينجح مع الذكاء الاصطناعي المادي.

ما المجالات التي ستتأثر بهذه التقنية

تتجاوز القيمة العملية لهذه النماذج حدود الروبوتات وحدها. فالنقل ذاتي القيادة هو الفئة الثانية من حيث الأهمية، إذ يتعيّن على النظام فيه أن يتنبأ بدقة بسلوك مستخدمي الطريق الآخرين قبل أجزاء من الثانية، كي يتخذ قرارات آمنة في الزمن الحقيقي. والاتجاه الثالث هو «المساحات الذكية»: ورش الإنتاج والمستودعات وغيرها من البيئات المزوّدة بالمستشعرات والكاميرات، حيث يمكن للذكاء الاصطناعي المادي أن ينسّق عمل عدد كبير من الأجهزة في وقت واحد، استناداً إلى نموذج مشترك لما يجري داخل المكان.

ويشير ظهور هذه المنصة من NVIDIA، وهي من أبرز مزوّدي البنية الحاسوبية للذكاء الاصطناعي عموماً، إلى أن تركيز القطاع في عام 2026 ينتقل تدريجياً من النماذج التي تعمل حصراً مع النصوص والصور إلى نماذج يُفترض أن تتصرف في العالم المادي وتتحمل مسؤولية عواقب قراراتها.

أما بالنسبة لمطوّري الأنظمة الروبوتية المحددة، فتكمن القيمة العملية لمثل هذه المنصة في اختصار الزمن بين الفكرة والنموذج الأولي العامل. فبدلاً من قضاء سنوات في جمع مجموعة بيانات خاصة عن تفاعل الروبوت مع البيئة المادية وتوسيمها، يمكن للفريق أن ينطلق من نموذج «أسس عالمية» مدرَّب مسبقاً ويكيّفه مع مهمة محددة، مثل نوع معين من الأذرع الروبوتية أو سيناريو من سيناريوهات اللوجستيات في المستودعات. وهذا هو المسار نفسه الذي قطعته قبل بضع سنوات صناعة الرؤية الحاسوبية ومعالجة اللغات الطبيعية، حين أدى الانتقال من تدريب النماذج من الصفر إلى إعادة تدريب نماذج أساسية جاهزة إلى تسريع طرح المنتجات التطبيقية في السوق بمقدار رتبة كاملة. وتعوّل NVIDIA بوضوح على تكرار هذا الأثر في مجال الروبوتات والأنظمة المستقلة.