ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادار3DNews AI→ المصدر

OpenAI تغلق قسم الروبوتات: GPT-6 Astra أنجز 74,8% من المهام مقابل 51% للنماذج المتخصصة

أغلقت OpenAI فريق الروبوتات المستقل، إذ ترى أن نموذجاً عاماً عادياً مثل GPT-6 Astra قادر على التحكم بالروبوت. في اختبار Nvidia، تحكّم النموذج بروبوت افتراضي اعتماداً على صور الكاميرات، وأنجز 74,8% من المهام المتعلقة بالأشياء، بينما أنجزت أفضل نماذج الروبوتات المتخصصة 51%. لكن ذلك جرى في محاكاة، ولم تُختبر هذه الأرقام على روبوتات حقيقية. لذلك تزداد قيمة البيانات المأخوذة من المصانع الفعلية.

معالج بواسطة الذكاء الاصطناعي من 3DNews AI؛ بتحرير Hamidun News
OpenAI تغلق قسم الروبوتات: GPT-6 Astra أنجز 74,8% من المهام مقابل 51% للنماذج المتخصصة
المصدر: 3DNews AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصلي3DNews AI ↗
رئيس التحرير
حقيقة رئيسية #1نُقل الباحثون إلى فريق مارك تشين، ومهندسو العتاد إلى غريغ بروكمان
غوانيا شي من جامعة كارنيغي ميلونالنماذج الصغيرة مطلوبة على متن الروبوت نفسه
راس تيدريككلما كان النموذج أقوى، تعلّم أسرع من بيانات المصنع

حلّت OpenAI فريق الروبوتات المستقل لديها، لأنها ترى أن النموذج العام نفسه، GPT-6 Astra، الذي يعمل في الدردشة ويكتب الشيفرة البرمجية، يستطيع التحكم بالروبوتات. ويأتي الرقم الرئيسي في هذه القصة من اختبار أجرته Nvidia. فقد تلقّى GPT-6 Astra في الاختبار صوراً من الكاميرات ووصفاً للروبوت وواجهة لإرسال الأوامر، ثم تحكّم بذراع روبوتية افتراضية وأنجز 74,8% من مهام نقل الأشياء والتعامل معها. أما أفضل نتيجة منشورة لنماذج الروبوتات المتخصصة في التصنيف نفسه فتبلغ 51%. ويجب التنبيه إلى أن كل ذلك جرى في محاكاة وليس على روبوتات حقيقية. وبالنسبة لمن يصنعون الروبوتات أو يستثمرون في الشركات الناشئة العاملة فيها، تُعدّ هذه إشارة إلى أن السوق قد يتحول من النماذج المتخصصة إلى النماذج العامة.

ما الذي تغيّر بالضبط في OpenAI

تؤكد الشركة أنها لا تتخلى عن هدف بناء روبوتات متعددة الأغراض، لكنها لا ترى جدوى من تطوير نماذج ذكاء اصطناعي منفصلة لها. وبحسب متحدث باسم OpenAI، تعاملت GPT-6 Astra بكفاءة غير متوقعة مع بعض مهام الروبوتات.

وفي بداية العام، كان الباحثون يتوقعون أن يعتمد هذا الاتجاه على مولّد الفيديو Sora الذي يستطيع محاكاة العالم المادي. ثم تبيّن أن النماذج العامة المتقدمة يمكن تطبيقها على الروبوتات مباشرة، فلم تعد هناك حاجة إلى فريق مستقل.

ولم يُسرَّح الموظفون، بل وُزّعوا على مجموعات أخرى. فقد انضم الباحثون إلى قسم الأبحاث الرئيسي بقيادة مدير الأبحاث مارك تشين. وانتقل المتخصصون في الروبوتات التطبيقية والعتاد إلى قسم التطوير التطبيقي التابع لرئيس OpenAI غريغ بروكمان. وهكذا تحولت الروبوتات من فرع مستقل إلى أحد تطبيقات النموذج العام.

كيف يتحكم GPT بالروبوت دون تدريب خاص

يمكن تصوّر الآلية بمثال من الحياة اليومية. فالنموذج لا يُدرَّب على بيانات حركة الأذرع الروبوتية. بل تُعرض عليه صور من الكاميرات، ويُشرح له نوع الروبوت الذي أمامه، ويُمنح واجهة يرسل عبرها الأوامر إلى الروبوت. بعد ذلك يتصرف كما يتصرف شخص شُرح له تركيب آلة لا يعرفها: ينظر إلى المشهد، ويقرر ما يجب فعله، ثم يصدر الأمر.

في اختبار Nvidia، حققت هذه الآلية إنجاز 74,8% من مهام التعامل مع الأشياء، مقابل 51% لأفضل النماذج المتخصصة. والفارق ملحوظ. لكن المحاكاة تخلو من الاحتكاك والخلوص الميكانيكي وضجيج المستشعرات وتأخر الاتصال، وهي أمور يواجهها الروبوت الحقيقي. لذلك لا يمكن حتى الآن نقل هذه الأرقام إلى الأجهزة الفعلية.

ماذا يعني ذلك للشركات الناشئة في الروبوتات

راهنت شركات ناشئة كثيرة على نماذج متخصصة تتمتع بـ«ذكاء مكاني». ونهج OpenAI يضع هذا الرهان موضع تساؤل. غير أن لدى هذه الشركات ما ليس لدى مختبرات الذكاء الاصطناعي: فروبوتاتها تعمل أصلاً في ظروف واقعية، مثل أرضيات المصانع، وتجمع بيانات عن كيفية سير الأمور عملياً.

يرى راس تيدريك، المؤسس المشارك والرئيس التنفيذي لشركة Walden Robotics، أنه كلما تحسنت النماذج الأساسية ازدادت قيمة بيانات المنشأة المحددة. فالنموذج القوي يتعلم منها أسرع، ومن جمع هذه البيانات يخرج رابحاً.

وللنماذج الكبيرة قيودها كذلك. فالطلب لا يُعالَج فورياً، والخدمة السحابية تتطلب اتصالاً دائماً بالشبكة. وهذه مشكلة جدية بالنسبة لذراع روبوتية تحتاج إلى الاستجابة خلال أجزاء من الثانية، أو لروبوت في مستودع لا يتوفر فيه إنترنت مستقر. ولهذا ترى غوانيا شي، الأستاذ المساعد في معهد الروبوتات بجامعة كارنيغي ميلون، أن النماذج المتخصصة المدمجة لا تزال مطلوبة، لأنها تعمل مباشرة على الحاسوب المحمول على متن الروبوت.

ويقرّ بيت فلورنس، المؤسس المشارك لشركة Generalist الناشئة التي تصنع نماذج عامة للروبوتات، بأنه لا يُعرف حتى الآن أي نهج سينتصر على المدى البعيد.

الخلاصة العملية

على المطورين وفرق المنتجات أن يخرجوا من هذا الخبر بثلاثة أمور.

  • يمكن الآن بناء نموذج أولي للتحكم بالروبوت على نموذج عام بسرعة، ودون تدريب منفصل على بيانات الروبوتات.
  • نتائج المحاكاة مفيدة لمقارنة النماذج، لكنها لا تغني عن الاختبار على عتاد حقيقي.
  • الميزة التنافسية تكمن بشكل متزايد في البيانات الخاصة المأخوذة من الإنتاج، وفي القدرة على تشغيل النموذج حيث لا يتوفر إنترنت سريع.

ومن المرجح أن يسلك السوق مساراً هجيناً: نموذج كبير يخطط ويتخذ القرارات، ونموذج صغير على متن الروبوت ينفذ الحركات السريعة. لقد تخلت OpenAI عن الفريق المستقل، لكن مخطط «العقل العام مع مهارات متخصصة» قد يبقى قائماً.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي تغيّر بالضبط في OpenAI؟

تؤكد الشركة أنها لا تتخلى عن هدف بناء روبوتات متعددة الأغراض، لكنها لا ترى جدوى من تطوير نماذج ذكاء اصطناعي منفصلة لها. وبحسب متحدث باسم OpenAI، تعاملت GPT-6 Astra بكفاءة غير متوقعة مع بعض مهام الروبوتات. وفي بداية العام، كان الباحثون يتوقعون أن يعتمد هذا الاتجاه على مولّد الفيديو Sora الذي يستطيع محاكاة العالم المادي. ثم تبيّن أن النماذج العامة المتقدمة يمكن تطبيقها على الروبوتات مباشرة، فلم تعد هناك حاجة إلى فريق مستقل. ولم يُسرَّح الموظفون، بل وُزّعوا على مجموعات أخرى.

ما أبرز التفاصيل حول كيف يتحكم GPT بالروبوت دون تدريب خاص؟

يمكن تصوّر الآلية بمثال من الحياة اليومية. فالنموذج لا يُدرَّب على بيانات حركة الأذرع الروبوتية. بل تُعرض عليه صور من الكاميرات، ويُشرح له نوع الروبوت الذي أمامه، ويُمنح واجهة يرسل عبرها الأوامر إلى الروبوت. بعد ذلك يتصرف كما يتصرف شخص شُرح له تركيب آلة لا يعرفها: ينظر إلى المشهد، ويقرر ما يجب فعله، ثم يصدر الأمر. في اختبار Nvidia، حققت هذه الآلية إنجاز 74,8% من مهام التعامل مع الأشياء، مقابل 51% لأفضل النماذج المتخصصة. والفارق ملحوظ.

ما أبرز التفاصيل حول ماذا يعني ذلك للشركات الناشئة في الروبوتات؟

راهنت شركات ناشئة كثيرة على نماذج متخصصة تتمتع بـ«ذكاء مكاني». ونهج OpenAI يضع هذا الرهان موضع تساؤل. غير أن لدى هذه الشركات ما ليس لدى مختبرات الذكاء الاصطناعي: فروبوتاتها تعمل أصلاً في ظروف واقعية، مثل أرضيات المصانع، وتجمع بيانات عن كيفية سير الأمور عملياً. يرى راس تيدريك، المؤسس المشارك والرئيس التنفيذي لشركة Walden Robotics، أنه كلما تحسنت النماذج الأساسية ازدادت قيمة بيانات المنشأة المحددة. فالنموذج القوي يتعلم منها أسرع، ومن جمع هذه البيانات يخرج رابحاً. وللنماذج الكبيرة قيودها كذلك.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…