Waymo والإعصار: كيف يعلم Google DeepMind السيارات الذاتية البقاء في الفوضى

تخيل: طريق سريع فارغ في مكان ما بولاية أوكلاهوما، غروب الشمس، وفجأة تنزل إعصار عملاق من السحب مباشرة في مسار المركبة. ماذا يجب أن تفعل مركبة ذاتية القيادة في مثل هذه الحالة؟ سابقاً، كان يتعين على المهندسين إما أن ينتظروا سنوات حتى يحدث كارثة حقيقية، آملين أن تكون سيارة الاختبار الخاصة بهم بالقرب منها وتنجو، أو يحاولوا برمجة فيزياء الرياح والحطام يدوياً في محرك رسوميات قديم. لكن ويمو قررت أن تسلك طريقاً مختلفاً، منضمة إلى عباقرة من Google DeepMind. معاً، أنشأوا نظاماً مستنداً إلى Genie 3 — شبكة عصبية تحول المحفزات النصية إلى عوالم ثلاثية الأبعاد تفاعلية وواقعية بشكل مخيف.

في الواقع، تم تصور Genie في الأصل كلعبة مرحة لتوليد منصات بسيطة بروح Super Mario. لكن في DeepMind، فهموا بسرعة أنه إذا كان النموذج قادراً على فهم فيزياء قفزة شخصية بكسل، فيمكنه بسهولة التعامل مع ديناميكيات شاحنة متعددة الأطنان على طريق مغطى بالجليد. بالنسبة لويمو، هذا ليس مجرد ترقية رسومية أخرى في المحاكاة. إنها انتقال إلى "نماذج عالمية" كاملة (World Models) التي تتكيف مع الاحتياجات الشديدة للحركة المرورية الحقيقية. الآن يمكن للمطورين حرفياً أن يكتبوا أي نوع من الفوضى في سيناريو، من فيل يهرول على الطريق السريع إلى عاصفة رملية، ورؤية كيف تتصرف الذكاء الاصطناعي.

المشكلة هي أن تدريب مركبة ذاتية القيادة للقيادة عبر سان فرانسيسكو أو فينيكس المشمسة اليوم ليس بهذه الصعوبة. التحدي الحقيقي للصناعة هو ما يسمى "الحالات الحدية" (edge cases). هذه هي الأحداث التي تحدث مرة واحدة في كل مليون ميل، لكن هذه بالذات هي التي تسبب حوادث قاتلة. من المستحيل جسدياً جمع البيانات عن مثل هذه الحوادث على الطرق الحقيقية — مكلفة جداً وببساطة خطيرة على المحيطين. بفضل Genie 3، يمكن لويمو إنشاء آلاف الاختلافات من نفس السيناريو الخطير بنقرة إصبع، مما يجبر الخوارزميات على التعلم من أخطائها في العالم الافتراضي.

يتمثل الاختلاف المهم بين Genie 3 والمحاكيات الكلاسيكية في أن هذه الشبكة العصبية تنشئ بيئة تستجيب لأفعال الوكيل. إذا أدارت سيارة في المحاكاة المقود فجأة أو ضغطت على الفرامل، فإن العالم حولها يتغير وفقاً للفيزياء التي تنبأت بها الشبكة العصبية. هذا هو محاولة لتعليم الذكاء الاصطناعي فهم علاقات السبب والنتيجة في واقعنا، بدلاً من مجرد نسخ سلوك السائقين البشريين وفقاً لنمط. هذا تحول أساسي في كيفية تعاملنا مع سلامة الأنظمة المستقلة.

تبدو هذه الخطوة كرد مباشر على المتشككين والمنافسين، بما في ذلك Tesla. بينما يراهن إيلون ماسك على جمع البيانات بكثافة من ملايين الرحلات العادية لعملائه، تتجه ويمو نحو النظرية العميقة والمحاكاة الشديدة. هذا هو الصدام الكلاسيكي للنهج: القوة الغاشمة مقابل الاستعداد الذكي في المختبر. إذا تمكنت ويمو من إثبات أن "التوائم الرقمية" الخاصة بها للفوضى تعكس الواقع بشكل كافٍ، قد يصبح المنظمون أكثر تسامحاً بشأن الإطلاق الجماعي لسيارات أجرة بدون سائق.

بالطبع، تبقى المسألة مفتوحة: كم بدقة تتوافق هلوسات شبكة Genie 3 العصبية مع الفيزياء الفعلية للإعصار أو سلوك حيوان خائف؟ إذا أخطأ النموذج في حساب الجر بين الإطارات والطريق في الأمطار، فقد يكون التدريب في مثل هذه المحاكاة حتى ضاراً، مما يعطي الخوارزمية مهارات كاذبة. لكن بالنظر إلى خبرة DeepMind في التعلم العميق، فربما هذه هي أكثر محاولة جادة لإنشاء أرضية اختبار كاملة للذكاء الاصطناعي التي شهدناها في السنوات الأخيرة.

الخلاصة: تنقل ويمو سباق التسلح من العالم الحقيقي إلى المحاكيات الافتراضية. هل ستتمكن الشركات الأخرى من إنشاء "نماذج عالمية" بهذه الجودة العالية، أم أن سلامة المركبات المستقلة ستصبح احتكاراً لمن لديهم إمكانية الوصول إلى قوة الحوسبة لدى Google?