GPT-6-Astra يحقق الدرجات القصوى في اختبارات الروبوتات لكنه يتعثر على أرض الواقع

بعد مرور شهر على طرح GPT-6-Astra، الذي قدّمته OpenAI بصفته «النموذج الأكثر ذكاءً والأدق توافقاً مع نوايا البشر في العالم»، خضع النموذج لاختبارات تقيس الذكاء المجسد. وتصف منصة Jiqizhixin (机器之心) الصينية النتيجة كالتالي: اجتاز النموذج المعايير التقليدية محققاً الدرجات القصوى، بينما يواجه عوائق متكررة على الروبوتات الحقيقية. وتجدر الإشارة إلى أن الجزء المتاح من التقرير يخلو من أسماء الاختبارات وطرازات الروبوتات ونسب النجاح، لذا يقتصر التحليل أدناه على النقاط المؤكدة وسياقها العام.

ماذا حدث مع VLA و WAM؟

قبل إطلاق GPT-6-Astra، كان مجتمع الذكاء الاصطناعي المجسد منقسماً حول مسارين معماريين. يعتمد مسار VLA (الرؤية واللغة والفعل) على تدريب نموذج بصري-لغوي لتوليد الأفعال مباشرة، بينما يرتكز مسار WAM (نموذج أفعال العالم) على بناء نموذج للعالم يتنبأ بعواقب الإجراءات. وقد استثمرت كلتا المدرستين بكثافة في جمع البيانات من الروبوتات وتطوير المحاكاة وتصميم معماريات متخصصة.

بعد ذلك، أظهر نموذج عام يعمل أساساً عبر النصوص نتائج قوية في مهام كانت تُعد حكراً على الأنظمة المتخصصة. وتصف Jiqizhixin هذا التحول بأنه «ضربة تخفيض الأبعاد»؛ إذ تجاوز نموذج LLM العام النقاش حول هيكل النموذج بفضل قدرته على التخطيط والاستدلال وتفكيك التعليمات على المستوى اللغوي. ومن هنا ينشأ التساؤل بين الباحثين: أين يكمن سقف قدرات GPT-6-Astra في الذكاء المجسد، وما الخطوة التالية التي ينبغي للمجتمع اتخاذها؟

لماذا لا تضمن الدرجات القصوى في المقاييس أي شيء؟

إن الفجوة بين نتائج التقييم والواقع الفعلي معروفة منذ زمن طويل في هندسة الروبوتات. وتختبر معظم المقاييس التخطيط على مستوى الخطوات وفهم المشهد واتباع التعليمات، وتجري غالباً عبر المحاكاة أو على لقطات ثابتة تخضع لفيزياء مبسطة حيث لا توجد تكلفة للخطأ. ويسهل على نموذج يمتلك قدرات استدلال لغوي قوية حصد أعلى الدرجات في مثل هذه البيئات.

أما ذراع التحكم الحقيقية فتواجه واقعاً مختلفاً؛ إذ تشوب المستشعرات ضوضاء تشويش، وتنزلق القبضة، ويستقر الجسم في موضع يختلف عما رصده النموذج، كما أن زمن الاستجابة بين اتخاذ القرار والحركة كفيل بإفشال أكثر الخطط إحكاماً. وتحجب الواجهة النصية تفاصيل دقة التلامس والقوة والهندسة الحركية والديناميكا. ولهذا السبب، فإن الإخفاقات على العتاد المادي بالتزامن مع تحصيل علامات مثالية تُعد نتيجة منطقية؛ فمعيار التقييم قاس قدرة واحدة، بينما يتطلب الروبوت منظومة متكاملة من القدرات.

وبالاستناد إلى الجزء المنشور، يمكن حصر الوقائع التالية:

• النموذج: GPT-6-Astra، أطلقته OpenAI في سبتمبر 2026.
• التوصيف الرسمي: «الأكثر ذكاءً والأدق توافقاً مع نوايا البشر».
• معايير الذكاء المجسد التقليدية: درجات قصوى.
• الروبوتات الفعلية: مواجهات متكررة مع القيود التشغيلية.
• السياق: نزاع VLA و WAM الذي وجّهه النموذج العام نحو هيمنة النمط النصي.
• تفاصيل لم تُكشف: الاختبارات المحددة، منصات الروبوتات، ونسب المحاولات الناجحة.

ما العمل أمام فرق بناء الروبوتات؟

يتعلق الاستنتاج الأول بأساليب التقييم. عندما يصل معيار القياس إلى حد التشبع، يفقد قدرته على التمييز بين النماذج، ويصبح من الضروري إجراء المقارنات ضمن سيناريوهات مادية طويلة الأمد تتضمن ضوضاء وقدرة على التعافي من الأخطاء. وتعد متريكة «نسبة المحاولات الناجحة على روبوت حقيقي» أكثر فائدة من أي مجموع نقاط تراكمي في بيئات المحاكاة.

أما الاستنتاج الثاني فيرتبط بالمعمارية؛ إذ يصلح نموذج LLM العام القوي ليكون طبقة عليا تتولى تحديد المهام وتفكيكها وفهم نية المستخدم، بينما تظل الطبقة الدنيا—أي التحكم والتغذية الراجعة والتماس المادي مع الأجسام—بحاجة ماسة إلى سياسات متخصصة وبيانات مستمدة من عتاد واقعي. ويبدو النموذج الهجين الذي يجمع بين «LLM للتخطيط ومنفّذ مدرّب للحركة» أكثر كفاءة وقابلية للتطبيق من محاولة استبدال أحدهما بالآخر.

ويتمثل الاستنتاج الثالث، الموجه للعملاء والمستثمرين، في تجنب التعامل مع العروض التوضيحية ونتائج المقاييس كدليل على الجاهزية للإنتاج الفعلي. وينبغي المطالبة بتقارير التشغيل الميداني الحقيقي، موضحة بعدد المحاولات وأنواع الأعطال وظروف البيئة المحيطة. وما دامت هذه البيانات حول GPT-6-Astra غير متاحة للعلن، فإن السؤال الجوهري حول سقف قدراته المجسدة يظل معلقاً بلا إجابة.