نماذج العالم تدرّب الروبوتات والسيارات ذاتية القيادة في المحاكاة، والبشر يجمعون بياناتها

إذا سبق لك تدريب نموذج على بيانات لا تغطي الحالات النادرة بما يكفي، فأنت تعرف المشكلة: إجراء التجارب في العالم الحقيقي مكلف للغاية. لا يمكن إسقاط روبوت مليون مرة، ولا إرسال سيارة ذاتية القيادة عمداً إلى طريق متجمد. هذه تحديداً هي الفجوة التي تسدّها نماذج العالم، والتي يُتوقع أن تقترب بصورة ملموسة من حياتنا اليومية في عام 2027.

كيف تختلف عن النماذج اللغوية الكبيرة؟

يشرح أوليفر كاميرون، الرئيس التنفيذي لمختبر Odyssey، الفرق ببساطة. يتلقى النموذج اللغوي جملة ويتنبأ بالكلمة التالية. أما نموذج العالم، فيتلقى حالة بصرية للعالم، كصورة مثلاً، ويتنبأ بالحالة التالية. ولكي ينجح في ذلك، يجب أن يفهم الفيزياء والعلاقات السببية وكيف يستجيب البشر والأجسام لأفعالنا. هكذا يصوغ جيمي شوتون، كبير العلماء في Wayve، طبيعة المهمة.

والنتيجة عملياً هي بيئة ثلاثية الأبعاد مولّدة تبدو كالعالم الحقيقي وتتصرف مثله. إنها ساحة تدريب لا تترتب على الأخطاء فيها أي تكلفة.

كيف يبدو ذلك عملياً؟

يصف برايان ماكليندون، المدير التقني في Niantic Spatial، سيناريو لروبوت منزلي. تصوّر الغرفة التي سيعمل فيها، ثم يُبنى نموذج ثلاثي الأبعاد انطلاقاً من الصور. بعد ذلك، يشغّل البرنامج ملايين عمليات المحاكاة ليتعلم الروبوت تفاصيل المكان: أين الطاولة، وأين عتبة الباب، وما الذي يمكن تحريكه.

تتمتع Niantic بأفضلية هنا. فقد أمضى لاعبو Pokémon Go سنوات في مسح الشوارع، وتراهن الشركة الآن، بعد بيع اللعبة العام الماضي، على إعادة بناء العالم الحقيقي. وتسلك Wayve مساراً مختلفاً: يعتمد نموذجها التوليدي جزئياً على تسجيلات كاميرات السيارات، ويعيد إنشاء طرق وظروف خطرة يستحيل اختبارها بأمان في الواقع.

أما المجال الثالث فهو الألعاب. فالفيزياء والتصيير ثلاثي الأبعاد من أساسيات هذا المجال، ولذلك تستثمر Tencent في نماذج العالم الخاصة بها.

الاستثمارات والتكلفة الخفية

يتضح اهتمام المستثمرين من الصفقات. فقد جمع يان لوكون، كبير علماء الذكاء الاصطناعي السابق في Meta، أكثر من مليار دولار لشركته الناشئة Advanced Machines Intelligence. واستحوذت AMD هذا العام على World Labs، التي أسستها فاي فاي لي في عام 2024، مقابل أكثر من 8 مليارات دولار. وتواصل Google التباهي بانتظام بتحسيناتها في هذا المجال.

لكن هناك جانباً أقل ظهوراً. لمحاكاة العالم المادي، تحتاج المختبرات إلى تسجيلات لهذا العالم، وينتج هذه التسجيلات بشر حقيقيون. ربط كاتب مقال في Wired هاتف iPhone بجبهته، وصوّر نفسه لعدة ساعات وهو يطوي الملابس ويغسل الأطباق ويصبّ الكولا، ثم باع الفيديوهات عبر تطبيق مقابل مبلغ متواضع. وإذا واصلت الشركات السعي إلى تحسين الجودة، فلن يتوقف هذا السوق الضخم للأعمال الإضافية في جمع البيانات عن النمو.

القيود وما يمكن فعله

المقال استعراضي في معظمه: فهو لا يتضمن مقاييس محددة لجودة المحاكاة، ولا مقارنة بالاختبارات الواقعية، ولا جدولاً زمنياً لانتشار الروبوتات المنزلية على نطاق واسع. ويظل التوقع المتعلق بعام 2027 مجرد توقع.

أما الخلاصة للممارسين فهي كالتالي. إذا كنت تعمل على الروبوتات أو النقل الذاتي أو الألعاب، فمن المفيد النظر إلى المحاكاة القائمة على نماذج العالم باعتبارها وسيلة منخفضة التكلفة لتغطية الحالات النادرة والخطرة. وإذا كنت مدير منتج أو مؤسس شركة، فانتبه إلى نقص البيانات: ستكون الأفضلية لمن يمتلك تسجيلات فريدة للعالم المادي. أما من يجمعون هذه البيانات، فعليهم التفكير مسبقاً في الموافقة والخصوصية والأجر العادل، لأن هذا هو الجانب الذي سيبدأ فيه المنظمون والمستخدمون على الأرجح بطرح الأسئلة.