Waymo والإعصار: كيف تعلّم Google DeepMind السيارات ذاتية القيادة النجاة وسط الفوضى

تخيّلوا طريقًا سريعًا خاليًا في مكان ما من أوكلاهوما، وقت الغروب، وفجأة ينزل إعصار هائل من السحب أمامكم مباشرة. ماذا ينبغي أن تفعل السيارة ذاتية القيادة في موقف كهذا؟ في السابق، كان على المهندسين إما الانتظار سنوات حتى تقع كارثة طبيعية حقيقية على أمل أن تكون سيارتهم التجريبية قريبة منها وأن تنجو، وإما محاولة برمجة فيزياء الرياح والحطام يدويًا داخل محرك ألعاب قديم. لكن Waymo اختارت طريقًا مختلفًا، فوحّدت جهودها مع الخبراء في Google DeepMind. وبنوا معًا منظومة قائمة على Genie 3، وهي شبكة عصبية تحوّل المُدخلات النصية (prompts) إلى عوالم ثلاثية الأبعاد تفاعلية وواقعية إلى حد مخيف.

في الأصل، صُمّم Genie كلعبة مسلية لتوليد ألعاب منصّات بسيطة على غرار Super Mario. لكن فريق DeepMind أدرك سريعًا أن النموذج القادر على فهم فيزياء قفزة شخصية بكسلية قادر أيضًا على التعامل مع ديناميكيات شاحنة تزن أطنانًا على طريق متجمّد. وبالنسبة إلى Waymo، لا يمثل هذا مجرد ترقية جديدة للرسومات في المحاكي، بل انتقالًا إلى «نماذج عالم» (World Models) متكاملة مهيّأة لمتطلبات حركة المرور الحقيقية القاسية. والآن يستطيع المطورون أن يدرجوا في السيناريو أي جنون يخطر ببالهم، من فيل يندفع إلى الطريق السريع إلى عاصفة رملية، ثم يراقبوا كيف سيتصرف الذكاء الاصطناعي.

المشكلة أن تدريب سيارة ذاتية القيادة على السير في سان فرانسيسكو المشمسة أو فينيكس لم يعد صعبًا اليوم. أما التحدي الحقيقي أمام القطاع فهو ما يُسمى «الحالات الحدية» (edge cases)، أي الأحداث التي تقع مرة كل مليون ميل، لكنها تتسبب في الحوادث المميتة. وجمع بيانات عن حوادث كهذه على الطرق الحقيقية أمر مستحيل عمليًا، فهو مكلف جدًا وخطير على المحيطين. أما مع Genie 3، فتستطيع Waymo توليد آلاف الصيغ المختلفة للسيناريو الخطير نفسه بنقرة واحدة، وإجبار الخوارزميات على التعلم من أخطائها في العالم الافتراضي.

ويكمن الفارق المهم بين Genie 3 والمحاكيات الكلاسيكية في أن هذه الشبكة العصبية تبني بيئة تتفاعل مع تصرفات العميل. فإذا أدارت السيارة المحاكاة المقود بحدّة أو ضغطت على الفرامل، يتغير العالم من حولها وفق الفيزياء التي تنبأت بها الشبكة العصبية. وهذه محاولة لتعليم الذكاء الاصطناعي فهم العلاقات السببية في واقعنا، بدلًا من نسخ سلوك السائقين البشر وفق قالب جاهز. إنه تحول جوهري في طريقة تعاملنا مع أمان الأنظمة ذاتية القيادة.

تبدو هذه الخطوة ردًّا مباشرًا على المشككين والمنافسين، ومنهم Tesla. فبينما يراهن إيلون ماسك على جمع بيانات ضخمة من ملايين الرحلات العادية لعملائه، تتجه Waymo إلى النظرية العميقة والمحاكاة القصوى. إنه الصراع الكلاسيكي بين نهجين: القوة الغاشمة في مواجهة الإعداد الذكي في المختبر. وإذا نجحت Waymo في إثبات أن «توائمها الرقمية» للفوضى تعكس الواقع بدقة كافية، فقد يصبح المنظّمون أكثر تساهلًا تجاه الإطلاق الواسع لسيارات الأجرة الروبوتية دون سائق.

وبالطبع يبقى سؤال مفتوح: إلى أي مدى تتطابق «هلوسات» الشبكة العصبية Genie 3 مع الفيزياء الحقيقية للإعصار أو مع سلوك حيوان مذعور؟ فإذا أخطأ النموذج في حساب تماسك الإطارات بالطريق أثناء المطر، فقد يضر التدريب في محاكاة كهذه بل ويغرس في الخوارزمية مهارات خاطئة. لكن بالنظر إلى خبرة DeepMind في التعلم العميق، فهذه ربما أجدّ محاولة لبناء ميدان اختبار متكامل للذكاء الاصطناعي شهدناها في السنوات الأخيرة.

الخلاصة: تنقل Waymo سباق التسلح من العالم الحقيقي إلى المحاكاة الافتراضية. فهل ستتمكن شركات أخرى من بناء «نماذج عالم» بالجودة نفسها، أم سيصبح أمان السيارات ذاتية القيادة حكرًا على من يملك الوصول إلى قدرات Google الحاسوبية؟