Natura-1 تعلّم الروبوتات مهارة اليدين على مليون ساعة من الخبرة البشرية

دُرّب نموذج Natura-1 على نحو مليون ساعة من الخبرة البشرية. والنتيجة المعلنة هي التعميم بلا أمثلة مسبقة (zero-shot) والمناولة الماهرة، أي القدرة على أداء مهام لم يرها النظام أثناء التدريب. وقد اختير للعرض عمل يتعثر فيه حتى مهندسو الروبوتات ذوو الخبرة: تشكيل الوونتون.

تبدأ مادة موقع Jiqizhixin الصيني بملاحظة يسهل التحقق منها في المطبخ. تمسك يد صفيحة العجين الرقيقة وتسندها، وتضع الأخرى الحشوة. ثم تُطوى العجينة نصفين، ويُضغط الحافة، ويُغلق الدرز. وطوال ذلك تحمل الراحة قطعة توشك أن تفقد شكلها، وتستشعر الأصابع مرونة الحشوة، وتمرّر اليدان القطعة إحداهما إلى الأخرى في اللحظة المناسبة. يفعل الإنسان ذلك دون تفكير. أما بالنسبة إلى الروبوت، فيتحول كل عنصر إلى مشكلة قائمة بذاتها لم تُحل بعد.

لماذا يصلح الوونتون ميدان اختبار جيدًا

تجمع هذه المهمة ثلاث صعوبات في آن واحد. الأولى أن الجسم يتشوّه ويتغير شكله بعد كل لمسة، ولذلك لا تفيد هنا كثيرًا نماذج الأجسام الصلبة البسيطة. الثانية أن المهمة تتطلب تغذية راجعة عبر التلامس، فقوة الضغط تحدد ما إذا كان الدرز سيُغلق أم ستتمزق العجينة. الثالثة أن اليدين تعملان معًا، وأي خطأ في لحظة التمرير يفسد التسلسل بأكمله.

إذا تعامل النظام بنجاح مع هذه السلسلة، فهذا إنجاز أكبر من مقطع آخر لنقل المكعبات من مكان إلى آخر. لكن عرضًا واحدًا لا يثبت قدرة واسعة، ولذلك فإن أهم ما في إعلان Natura-1 هو كلمة «zero-shot». وهي بالذات ما يحتاج إلى اختبار على مهام لا تشبه المهمة المعروضة.

الرهان على الخبرة البشرية

مليون ساعة حجم لا تبلغه عادةً بيانات الروبوتات الخاصة. فجمع العروض التوضيحية عبر التحكم عن بُعد مكلف، إذ يتطلب مشغّلًا ومعدات ووقتًا. والخبرة البشرية أرخص وأكثر تنوعًا من هذه الناحية، لأن الناس ينفذون كل يوم مئات الحركات مع أشياء شديدة التنوع. ومنطق هذا الاتجاه في القطاع واضح: إذا دُرّب النموذج على أفعال البشر، فسيكتسب قاموسًا واسعًا من الحركات، ولن يبقى إلا تكييفه مع الروبوت.

أما كيف ينقل مطوِّرو Natura-1 البيانات البشرية إلى اليد الميكانيكية، فلم يُذكر في المقطع المتاح. ويتوقف على ذلك الكثير. فالفجوة بين يد الإنسان واليد الروبوتية من أبرز المشكلات العملية في هذا المجال كله.

ما المعروف حتى اليوم

• الاسم: Natura-1.
• بيانات التدريب: نحو مليون ساعة من الخبرة البشرية.
• القدرات المعلنة: التعميم بلا أمثلة مسبقة (zero-shot) والمناولة الماهرة.
• مهمة العرض: تشكيل الوونتون باليدين معًا.
• ما لم يُكشف عنه في النص المتاح: الجهة المطوِّرة، وحجم النموذج، ونوع اليد أو الروبوت، ونسبة المحاولات الناجحة، والمقارنة بالأساليب الأخرى.

ما الذي ينبغي متابعته لاحقًا

يفيد الفرق التي تبني الروبوتات أو تشتريها أن تطرح بضعة أسئلة عملية. ما نسبة المحاولات الناجحة في مهام خارج العرض؟ كم يستغرق التكيف مع معدات جديدة؟ ماذا يحدث حين تختلف العجينة، أو تزداد الحشوة، أو يكون السطح زلقًا؟ وبماذا تختلف أيدي الروبوت عن أيدي البشر الذين تعلّم النموذج من خبرتهم؟

فإذا جاءت الإجابات مقنعة، فستكون الاستراتيجية نفسها هي الرابحة: فبدل جمع عروض توضيحية مكلفة لكل مهارة جديدة، ستستطيع الشركات الاعتماد على مجموعات ضخمة من البيانات البشرية. أما الآن فالأمر مجرد ادعاء، له عرض لافت وعدد كبير من الساعات، لكن بلا أرقام يمكن التحقق منها. ويجدر انتظار هذه الأرقام قبل استخلاص أي استنتاجات.