UniWAM من 欧拉万象 وHKUST(GZ) يجمع بين فهم العالم والتنبؤ بالمستقبل وأفعال الروبوت

نشرت 欧拉万象 وجامعة هونغ كونغ للعلوم والتكنولوجيا (قوانغتشو، HKUST(GZ)) نسخة مفتوحة من UniWAM، وهو نموذج للذكاء الاصطناعي المُجسَّد. يتولى النموذج داخل منظومة واحدة ثلاث مهام: يفهم ما يجري في المشهد، ويتنبأ بحالته المستقبلية، ويولّد الأفعال للروبوت. وقد نُشرت الشيفرة والأوزان كاملةً. ويراهن المؤلفون بحثياً في المقام الأول على قانون التوسع (scaling law) للتدريب المشترك على بيانات البشر والروبوتات (Human-Robot Co-training).

وصل الإعلان عبر الموقع الصيني Jiqizhixin، ولا يتضمن سوى قدر قليل من التفاصيل التقنية. نعرض أدناه ما هو مؤكد، وما سيتعين التحقق منه في المستودع والورقة البحثية.

ما المعروف عن UniWAM

يمثل UniWAM امتداداً لسلسلة Ola-Sem. وقد أصدرت الفرق نفسها هذا النموذج من قبل، وبحسب قولها حقق مراكز قوية في اختبارات معيارية عالمية رائدة. أما المقاييس والدرجات تحديداً، فلا يذكرها الجزء المتاح من الإعلان.

يوحي الاسم بالانتماء إلى فئة World Action Models. في المخطط الكلاسيكي يتلقى نموذج VLA صورةً وتعليمات ويُخرج الفعل مباشرةً. أما نموذج العالم فيتعلم، على العكس، التنبؤ بكيفية تغير المشهد لاحقاً. ويحاول UniWAM الجمع بين ذلك كله في تدريب موحّد: تمثيل مشترك للعالم يخدم الفهم والتنبؤ والتحكم معاً. وهذا تفسيرنا للاسم والوصف، وليس اقتباساً من الوثائق.

أبرز الحقائق الواردة في الإعلان:

• المهام: فهم العالم، والتنبؤ بالمستقبل، وتوليد الأفعال في نموذج واحد.
• البيانات: تدريب مشترك على مواد من البشر والروبوتات.
• السؤال البحثي: كيف تتغير الجودة مع زيادة حجم البيانات البشرية ونسبتها.
• الانفتاح: نُشرت الشيفرة والأوزان، وليس الورقة البحثية فقط.
• الأصل: وريث Ola-Sem، وثمرة تعاون بين شركة وجامعة.
• ما لم يُكشف عنه في الإعلان: حجم النموذج، والبنية المعمارية، ونتائج UniWAM في الاختبارات المعيارية، والترخيص.

لماذا يهم قانون التوسع للبيانات البشرية؟

المشكلة الرئيسية للذكاء الاصطناعي المُجسَّد هي شح البيانات. فجمع العروض التوضيحية على روبوت حقيقي مكلف: يتطلب معدات ومشغّلين ووقتاً. في المقابل، تراكمت مقاطع فيديو أكثر بكثير لأشخاص يلتقطون الأشياء أو ينقلونها أو يجمّعونها. لكن للإنسان «يداً» مختلفة، وحركيات مختلفة، وزاوية كاميرا مختلفة. لذلك يبقى غير واضح مقدار الفائدة التي تقدمها هذه البيانات، وبأي نسبة ينبغي خلطها ببيانات الروبوتات.

إذا كان لهذا الخلط علاقة أُسّية قابلة للتكرار، كما في النماذج اللغوية، فإن ذلك يغيّر طريقة التخطيط. يستطيع الفريق تقدير عدد ساعات التسجيلات البشرية التي تعادل ساعة واحدة من التشغيل عن بُعد المكلف. ويستطيع أن يعرف أين ينتهي العائد من البيانات الإضافية. ويستطيع أن يقرر أين يستثمر ميزانيته: في جمع البيانات أم في نموذج أكبر.

حتى الآن يعلن المؤلفون عن دراسة الاتجاه نفسه فحسب. وليس في الجزء المتاح منحنيات محددة ولا معاملات ولا مقارنة بمجموعات بيانات الروبوتات. وهذه الأرقام تحديداً ستحدد ما إذا كان العمل دليلاً عملياً أم مجرد عرض دقيق فقط.

ما الذي ينبغي التحقق منه قبل الاستخدام

إتاحة الأوزان المفتوحة للذكاء الاصطناعي المُجسَّد أمر نادر في حد ذاته، والمختبرات الصينية تنشرها بوتيرة متزايدة. لكن بين النشر وصلاحية النموذج لروبوتك مجموعة من الأسئلة.

1. الترخيص. هل يُسمح بالاستخدام التجاري، وهل يمكن مواصلة تدريب النموذج وتوزيع النماذج المشتقة منه. 2. العتاد. ما المنصة المستخدمة في التدريب والاستدلال، وما حجم الذاكرة المطلوب، وما زمن الاستجابة عند توليد الأفعال. وهذا حاسم للتحكم في الزمن الفعلي. 3. نوع الروبوت. هل عُرض الأداء على عدة أشكال جسدية أم على شكل واحد. فعلى ذلك يتوقف انتقال النتيجة إلى روبوتات أخرى. 4. الاختبارات المعيارية. هل قورن UniWAM بنماذج VLA منفصلة ونماذج عالم على المهام نفسها، وليس بإصداراته السابقة فقط. 5. قابلية التكرار. هل نُشرت البيانات، أو على الأقل وصفة خلطها. ومن دون ذلك سيبقى قانون التوسع ادعاءً لا يمكن التحقق منه.

ينبغي للباحثين والمهندسين أن يبدؤوا بالمستودع والورقة البحثية: يبحثون عن الرسوم البيانية التي تربط الجودة بنسبة البيانات البشرية، وينظرون في المهام التي يصمد فيها الأثر. فإذا كانت المنحنيات مستقرة فعلاً، أمكن اختبار النهج على بياناتكم الخاصة. وإن لم تكن كذلك، فسيبقى UniWAM قاعدة مفتوحة مفيدة للتجارب على التدريب الموحّد للفهم والتنبؤ والأفعال.