كيف تساعد النماذج اللغوية في تدريب روبوتات البناء دون وسم يدوي للبيانات

يظل قطاع البناء من أقل القطاعات أتمتةً في العالم. فالحفارات والجرافات والرافعات لا تزال يقودها بشر، وإنتاجية العمل في البناء لم تكد تنمو خلال العقود الماضية، بخلاف التصنيع الصناعي الذي أصبحت الروبوتات فيه أمراً معتاداً منذ زمن. ومن أبرز أسباب هذه الفجوة النقص الحاد في البيانات عالية الجودة لتدريب الأنظمة ذاتية القيادة. وهذه المشكلة تحديداً هي ما تصدت لحله شركة Bedrock Robotics الناشئة بالتعاون مع Amazon Web Services.

انضمت الشركة إلى برنامج AWS Physical AI Fellowship وحصلت على موارد AWS Generative AI Innovation Center، وهي وحدة في Amazon تساعد الشركاء على دمج الذكاء الاصطناعي التوليدي في منتجات حقيقية. تبدو المهمة التي وضعتها Bedrock Robotics لنفسها بسيطة في ظاهرها: تعليم معدات البناء العمل بصورة ذاتية. لكن وراء هذه الصياغة مشكلة جوهرية تتعلق بتوسيع نطاق البيانات.

لكي تحفر حفارة ذاتية القيادة خندقاً أو تنقل التربة بأمان، يجب تدريب نماذجها العصبية على كميات ضخمة من البيانات الموسومة. فكل إطار في تسجيل الفيديو من موقع البناء يحتاج إلى وسم: تحديد موضع المعدات والأشخاص والعوائق، وتعيين نوع العملية الجارية، وتوثيق سياق البيئة المحيطة. وتتولى ذلك عادةً فرق من واسمي البيانات، وهي عملية مكلفة وبطيئة وضعيفة القابلية للتوسع. وتزداد المشكلة حدة في قطاع البناء، حيث كل موقع فريد من نوعه وتتغير الظروف كل ساعة.

يعتمد حل Bedrock Robotics على نماذج الرؤية واللغة (vision-language)، وهي فئة من الأنظمة متعددة الوسائط قادرة على «رؤية» الصورة و«فهم» الأوصاف النصية في الوقت نفسه. تحلل هذه النماذج تسجيلات أعمال البناء، وتستخرج منها تفاصيل التشغيل تلقائياً، وتنتج مجموعات بيانات تدريب موسومة دون تدخل بشري. وبعبارة أخرى، فبدلاً من توظيف مئات المُعلِّقين، تُسند الشركة الناشئة الوسم إلى شبكة عصبية أخرى، وتفعل ذلك بنطاق لا يتيحه العمل اليدوي.

ومن الناحية التقنية، يسير النهج على النحو التالي. يُغذّى نموذج الرؤية واللغة، المنشور على بنية Amazon Bedrock التحتية، ببث الفيديو القادم من موقع البناء. يحلل النموذج ما يجري إطاراً بإطار، ويتعرف على أنواع المعدات والعمليات الجارية، ويحدد العلاقات المكانية بين الأجسام، ويكوّن تعليقات توضيحية منظمة. تُستخدم هذه التعليقات بعد ذلك بوصفها بيانات تدريب لنماذج متخصصة تتحكم مباشرة في المعدات ذاتية القيادة. وينتج عن ذلك ما يشبه خط إنتاج: نموذج عام كبير يُعدّ البيانات لنماذج صغيرة متخصصة.

من المهم فهم السياق الذي ظهر فيه هذا الحل. فالذكاء الاصطناعي الفيزيائي، من روبوتات ومركبات ذاتية القيادة وأذرع صناعية، يمر بلحظة تشبه ما مرت به النماذج اللغوية قبل بضع سنوات. الخوارزميات قوية بما يكفي، والموارد الحاسوبية متاحة، لكن البيانات تبقى العائق الرئيسي. فبخلاف البيانات النصية التي يمكن جمعها من الإنترنت، أو حتى الصور التي تُعدّ بالمليارات على الشبكة، تُعدّ بيانات العمليات الفيزيائية مورداً نادراً ومكلفاً. فكل ساعة فيديو من موقع بناء لا يكفي تسجيلها، بل يجب وسمها بصورة مدروسة تراعي خصوصية المجال.

قد يغيّر نهج Bedrock Robotics اقتصاديات قطاع المعدات ذاتية القيادة بأكمله. فإذا لم يعد وسم البيانات عنق زجاجة، تستطيع الشركات تكرار تطوير نماذجها بسرعة أكبر، وتدريبها على سيناريوهات أكثر تنوعاً، وطرح منتجاتها في السوق في وقت أقصر. ولا يقتصر ذلك على البناء، فالمنطق نفسه ينطبق على التعدين والزراعة والخدمات اللوجستية للمستودعات وأي مجال آخر يتعين فيه على الأنظمة الفيزيائية أن تعمل ذاتياً في بيئة غير منظمة.

ومع ذلك، ثمة تساؤلات. فجودة الوسم الآلي تقل حتماً عن جودة التعليق اليدوي على يد الخبراء، وقد تنتشر الأخطاء في بيانات التدريب تدريجياً إلى نماذج التحكم النهائية. وفي الأنظمة التي تعمل بجوار البشر في مواقع البناء، لا يُقاس ثمن الخطأ بالبكسلات بل بأرواح البشر. أما مدى موثوقية الوسم الآلي في السيناريوهات الحرجة فلا توجد عنه إجابة علنية حتى الآن.

ولكن الاتجاه قد تحدد. فاستخدام الذكاء الاصطناعي التوليدي لإعداد بيانات تدرّب ذكاءً اصطناعياً آخر ليس مجرد حيلة هندسية، بل نمط آخذ في التشكل في الصناعة بأكملها. ويبدو أن Amazon تراهن استراتيجياً على الذكاء الاصطناعي الفيزيائي بوصفه السوق الكبرى التالية بعد النماذج اللغوية، وبرنامج Physical AI Fellowship جزء من هذا الرهان. أما معدات البناء التي تفكر بنفسها فما زالت شأن المستقبل. لكن الآلات بدأت بالفعل في إعداد البيانات لذلك المستقبل.