الروبوتات في فخ البيانات: لماذا مقاطع الشقلبة ليست سوى البداية

# الروبوتات في فخ البيانات: لماذا مقاطع الشقلبة ليست سوى البداية

خلال العام الأخير، غمرت الإنترنت مقاطع فيديو لحيل مذهلة: روبوتات تقفز وترقص وتوجّه اللكمات وتحطّم البطيخ بركلة من قدمها. الاستثمارات في ازدياد، والصحافة تعجّ بعناوين متفائلة، والجمهور على قناعة بأن عصر الروبوتات المساعدة المنزلية على الأبواب. لكن إذا نظرنا خلف كواليس هذا المسرح التقني، تبدو الصورة أكثر تعقيداً وأقل بهجة بكثير.

ففي هذه اللحظة، داخل مراكز هادئة لإعداد البيانات في أنحاء الصين، يتحكم مشغّلون بشر يرتدون القفازات في الأذرع الآلية ببطء، وبمشقة تكاد تكون مؤلمة، ليعلّموا الآلات رفع القطع وترتيب الأدوات وإغلاق أغطية الصناديق. هذا المشهد يخلو من كل ما تتسم به المقاطع الرائجة من إبهار سينمائي، لكنه هو ما يحدد التقدم الحقيقي في مجال الروبوتات. فالمسافة بين حيلة مبهرة ومساعد منزلي مفيد تسدّها مشكلة جوهرية واحدة: نقص حاد وكارثي في البيانات عالية الجودة.

قامت نماذج اللغة مثل ChatGPT وDeepSeek على منطق بسيط أثبت نجاحه: آلاف المليارات من الأمثلة النصية المأخوذة من الإنترنت مكّنت الذكاء الاصطناعي من فهم اللغة وبدء توليد محتوى ذي معنى. أما الروبوتات فتواجه واقعاً مختلفاً تماماً. فالبيانات النصية تعيش في فضاء رقمي ثنائي الأبعاد، ويسهل نسخها ونشرها، في حين أن العالم المادي تدفق متعدد الأبعاد ومتواصل من المعلومات. على الروبوت أن يدرك العالم عبر قنوات عدة في آن واحد: فيديو من عدة كاميرات، وحساسات القوة، وحساسات اللمس، وبيانات وضعية المفاصل. وكل عملية ينفذها الذراع الآلي تولّد بيانات منظمة، تصل إلى 57 بعداً في بعض الأنظمة. ويجب أن تكون كل هذه التدفقات متزامنة تماماً حتى مستوى الميلي ثانية، وإلا تعلّم النموذج هلوسة خالصة بدلاً من العلاقة السببية.

يعمل في الصين حالياً أكثر من خمسين مركزاً لجمع بيانات الروبوتات ومعالجتها. وفي بكين وحدها ينتج أحد هذه المراكز نحو ستة آلاف سجل من أمثلة التدريب يومياً. وبإجراء استقراء تقريبي، قد يبلغ الإنتاج السنوي عشرات المليارات من الأمثلة.

يبدو الرقم ضخماً، لكنه في الواقع قطرة في محيط الاحتياجات. فقد أجرى خبراء شركة PowerTech حساباً متحفظاً: لكي يتعلم الروبوت حركة واحدة، يحتاج إلى ما بين ألف وخمسة آلاف مثال تقريباً. والمهمة البسيطة المؤلفة من عدة حركات تتطلب من عشرة آلاف إلى عشرين ألف مثال.

أما الروبوت الشامل القادر على أداء ثمانين في المئة من الأعمال البشرية في قطاع واحد، فسيحتاج إلى مجموعة بيانات من مئة مليون مثال. وإذا امتدت الطموحات إلى آلاف القطاعات، فنحن نتحدث عن تريليونات الأمثلة. أي أن العجز يبلغ أربع إلى خمس مراتب من حيث الحجم.

لكن هذه ليست المشكلة الأخطر. فالأشد مكراً كان عدم توافق المعدات. تنتج الشركات المصنّعة المختلفة روبوتات بتكوينات حساسات مختلفة، وبروتوكولات تحكم مختلفة، ومعايير فيزيائية مختلفة. والبيانات المجمّعة على طراز واحد من الأذرع الآلية كثيراً ما لا تعمل ببساطة على طراز آخر، فلغة آلة ما تبقى غريبة تماماً على آلة أخرى. وهذا يعني أن المعرفة لا تتراكم ولا تتحول إلى رصيد مشترك للصناعة. فكل مصنّع مضطر إلى بناء مجموعة بياناته الخاصة من الصفر، مكرراً العمل المكلف نفسه مرة بعد أخرى.

تتعامل بعض المراكز مع هذه المعضلة بالتركيز على الطرازات الشائعة، متجاهلة التنوع عملياً. وتسلك مراكز أخرى طريقاً أكثر طموحاً، فتجمع بيانات من روبوتات شركات مصنّعة مختلفة في فضاء موحّد، محاولةً تدريب النموذج على تعميم المعرفة على معدات غير متجانسة. ولم يثبت أي من النهجين شموله حتى الآن.

كل هذا يذكّر ببدايات القيادة الذاتية، حين بدا أن المشكلة في الخوارزميات لا في البيانات. مرّ قرابة عشرين عاماً وأُنفقت مليارات الاستثمارات، واتضح أن الحقيقة قريبة لكنها ليست تماماً حيث يبحث عنها الناس. وقبل أن تدخل الروبوتات بيوتنا فعلاً، لا بد من عمل طويل ورتيب في مراكز البيانات، حيث سيواصل أشخاص يرتدون القفازات تعليم الآلات، بصبر، كيف تفهم العالم المادي. المقاطع الرائجة تسويق. أما التقدم الحقيقي فقصة مختلفة تماماً.