Physical Intelligence تكشف عن π0.7: «دماغ» روبوتي قادر على إتقان مهام لم يتدرّب عليها

كشفت الشركة الناشئة Physical Intelligence، وهي من أكثر اللاعبين الذين يدور حولهم النقاش في قطاع الروبوتات، عن π0.7، وهو إصدار محدَّث من نموذجها الذي يعمل بمثابة «دماغ» للروبوتات. وأبرز إنجاز فيه أن النظام بات ينجز مهام لم يُدرَّب عليها تحديدًا.

تأسست Physical Intelligence عام 2023 على يد فريق من الباحثين السابقين في Google DeepMind وجامعة بيركلي ومختبرات رائدة أخرى. ومنذ البداية وضعت الشركة هدفًا طموحًا: بناء «دماغ» ذكاء اصطناعي شامل للروبوتات الفيزيائية، على غرار ما فعله GPT في معالجة النصوص. وخلال عامها الأول جمعت الشركة نحو 400 مليون دولار، ومن بين مستثمريها Khosla Ventures وThrive Capital وAmazon.

صدر أول نموذج علني للشركة، π0، في أواخر عام 2024. كان قادرًا على التحكم بالأذرع الروبوتية وأداء مهام منزلية مثل طيّ الملابس وغسل الأطباق. غير أنه دُرِّب على مهارات محددة، إذ عُرض كل إجراء عليه مسبقًا وثُبِّت في أوزان النموذج.

يذهب π0.7 أبعد من ذلك. فبحسب الشركة، يستطيع النموذج الجديد نقل المعرفة إلى مهام لم يتدرّب عليها قط. بعبارة أخرى، هو يعمّم ما تعلّمه ولا يكتفي بتكرار ما حفظه. وهذا ما يجعل الخطوة مهمة: فهي ليست تحسينًا ضمن سيناريوهات مألوفة، بل ظهور بوادر «حس سليم» في التعامل مع العالم الفيزيائي.

وتتوخى الشركة الحذر في صياغتها، إذ تصف ما تحقق بأنه «خطوة مبكرة لكنها مهمة» نحو هدف طال البحث عنه: روبوت عام الأغراض ينجز أي مهمة فيزيائية دون تدريب منفصل على كل سيناريو جديد. وهذا فارق جوهري عن الوضع الحالي، حيث لا يقوم الذراع الصناعي إلا بما بُرمج عليه، ولا شيء سواه.

تُعدّ مشكلة التعميم من أبرز المشكلات في الروبوتات على مدى عقود. فتدريب روبوت على إحكام برغي على خط تجميع أمر يسير نسبيًا. أما تدريبه على «فهم» مهمة جديدة اعتمادًا على إدراك عام للفيزياء والفضاء فأمر مختلف تمامًا. وقد دفعت نجاحات النماذج اللغوية الكبيرة القطاع كله في هذا الاتجاه، إذ تبيّن أن التدريب واسع النطاق على بيانات متنوعة يمنح النموذج القدرة على التعميم. وتطبّق Physical Intelligence المبدأ نفسه على الأفعال الفيزيائية في العالم الحقيقي.

لم تكشف الشركة تفاصيل بنية π0.7. وقد بنت نماذجها تاريخيًا على نهج الانتشار (diffusion)، وتطبّقه لا على البكسلات بل على فضاء أفعال الروبوت: فبدل اختيار الخطوة التالية من مجموعة ثابتة، يولّد النموذج مسار حركة ويصقله تدريجيًا، على نحو يشبه ما تفعله الشبكة العصبية حين تصقل صورة.

ويبقى السؤال مفتوحًا حول مدى كون المهام «غير المألوفة» غير مألوفة فعلًا. فالشركة لم تنشر حتى الآن معايير أداء (benchmarks) تفصيلية، كما أن العروض المصوّرة، وهي سلاح التسويق التقليدي لدى الشركات الناشئة في الروبوتات، لا تعكس دائمًا موثوقية الأنظمة الفعلية في ظروف غير خاضعة للسيطرة.

ومع ذلك، فإن الواقعة بحد ذاتها مهمة: شركة ناشئة تحظى بتمويل كبير وفريق بمستوى عالمي تسجّل خطوة قابلة للقياس نحو التعميم. والسباق على «دماغ الروبوت» يسير بالتوازي مع السباق على النماذج اللغوية الكبيرة، والرهانات متقاربة. وإذا نجح العاملون في السنوات المقبلة في بناء نموذج تحكم شامل حقًا بالجسد الفيزيائي، فسيغيّر ذلك صناعة الأتمتة بأكملها، من اللوجستيات إلى الجراحة.

π0.7 ليس خط النهاية بعد. لكنه من الإشارات الحقيقية القليلة على أن الطريق إليه موجود.