Boston Dynamics وGoogle DeepMind يعلمان Spot التفكير خلال عمليات الفحص الصناعي

تقوم بوسطن ديناميكس بتحويل روبوت سبوت من فئة العروض التوضيحية المثيرة للإعجاب إلى فئة أكثر عملية من الروبوتات الصناعية: تلقت الآلة ذات الأربع أرجل نموذج جيميني روبوتكس إي آر 1.6 من جوجل ديب مايند، وتجب أن تقوم الآن ليس فقط بتنفيذ الأوامر، بل بتفسير البيئة المحيطة، ولاحظة الانحرافات، واتخاذ قرارات أثناء عمليات التفتيش دون مشاركة مستمرة من المشغل. بالنسبة للروبوتات، هذا تحول مهم.

لفترة طويلة، استطاعت الروبوتات فعل أشياء كثيرة، لكن فقط إذا وصف الإنسان السيناريو مسبقاً وكأنه برنامج. كلما زادت تعقيد المهمة، كان من الأصعب جعل الواجهة مريحة. فكرة الذكاء الاصطناعي المجسد—أي الذكاء الاصطناعي الذي له جسم فيزيائي وإمكانية الوصول إلى العالم الحقيقي—هي بالضبط لسد هذه الفجوة.

بوسطن ديناميكس هي واحدة من عدد قليل من الشركات التي نجحت في إحضار الروبوتات السائرة إلى المقياس التجاري: سبوت يعمل بالفعل بآلاف الوحدات. لذلك، فإن دمج النموذج الجديد ليس تجربة أكاديمية، بل محاولة لتحسين منتج يستخدم بالفعل في الميدان. السيناريو الأساسي ليس واجبات منزلية من مقاطع فيديو، بل التفتيش الصناعي.

في المصانع والمنشآت الطاقية والمواقع المعقدة الأخرى، يجب أن يقوم سبوت بدوريات في المنطقة والتحقق مما إذا كان يحدث شيء خطير. مع جيميني روبوتكس إي آر 1.6، يمكن للروبوت البحث بشكل مستقل عن السوائل المسكوبة والحطام الغريب، وقراءة المستشعرات المعقدة ومقاييس الضغط ونوافذ الفحص، وكذلك ربط نماذج اللغة البصرية إذا احتاج إلى فهم الموقف من حوله بشكل أفضل.

بعبارة أخرى، الهدف ليس تعليم الروبوت إحضار الأشياء بأناقة، بل تقليل المخاطر في الأماكن التي قد تكون تكلفة المشكلة المفقودة مرتفعة جداً. لكن أكثر شيء يثير الاهتمام هنا هو ما يسميه المطورون الفهم والتفكير. في عالم الروبوتات، تسمع هذه الكلمات بشكل متزايد، على الرغم من أنها في الواقع العملي لا تعني الفلسفة، بل قرب سلوك الآلة من منطق الإنسان.

إذا طلب إنسان من روبوت تنظيف العلب من غرفة، فهو يتوقع ليس فقط حقيقة تنفيذ الأمر، بل أيضاً الحس السليم: التقط العلبة بطريقة لا تسكب أي سائل متبقي، ولا تضع كوب ماء على حافة الطاولة، ولا تخلق خطراً جديداً بدلاً من القضاء على الخطر القديم. في جوجل ديب مايند، يقولون إنهم يراقبون هذه الحالات من خلال سيناريوهات الأمان الدلالي الداخلية. الهدف هو أن يفهم الروبوت ليس فقط الفعل في الأمر، بل يأخذ في الاعتبار عواقب الإجراء في العالم الفيزيائي.

في الوقت نفسه، فإن قيود النهج الحالي واضحة جداً. تعتمد النسخة الحالية من النموذج لـ سبوت بشكل أساسي على الرؤية. على سبيل المثال، تقيم إحدى الميزات الجديدة نجاح الإمساك بجسم ما من خلال عدة كاميرات.

هذا مفيد، لكن في الروبوتات، كانت هناك لفترة طويلة طرق أخرى لفهم أن الجسم تم الإمساك به بشكل موثوق: مستشعرات القوة، ومستشعرات اللمس، والتغذية الراجعة للاتصال. المشكلة تكمن في البيانات. هناك العديد من الأمثلة البصرية على الإنترنت حول كيفية التقاط قلم أو فتح باب، لكن لا توجد تقريباً مجموعات بيانات ضخمة تحتوي على معلومات لمسية.

لذلك، فإن تعليم النماذج فيزياء الاتصال أصعب بكثير حالياً من تعليمها الصور والنصوص. لإغلاق هذه الفجوة، تنوي بوسطن ديناميكس الحصول على المزيد من البيانات الميدانية من العملاء الذين سيستخدمون ميزات الفحص الجديدة لـ سبوت. هناك أيضاً سؤال عملي ثانٍ—الثقة.

تعترف بوسطن ديناميكس بشكل مباشر بأنها تطلق قدرات جديدة من خلال برامج بيتا وتروج فقط لما تثق به. بالنسبة للفحص التجاري، لا تحتاج الروبوتات إلى الكمال المطلق، لكن هناك حداً أدنى من الفائدة. إذا كانت النظام يرتكب أخطاء متكررة جداً وتطلق تنبيهات كاذبة، سيتوقف المشغلون عن الاستماع إليها.

تعتقد الشركة أن القيمة الحقيقية تبدأ في مكان ما فوق مستوى 80 في المائة، عندما يكون الروبوت بالفعل مفيداً بدلاً من أن يكون مزعجاً. هذا مهم بشكل خاص في المنشآت حيث يتم تجهيز جزء من البنية التحتية الحرجة بمستشعرات، والتفاصيل الصغيرة المحتملة الخطرة لا تزال يمكن ملاحظتها فقط بالعين أثناء الجولات. الخلاصة بسيطة: اتحاد بوسطن ديناميكس وجوجل ديب مايند ليس قصة عن فيديو روبوت مثير آخر، بل محاولة لتحويل الذكاء الاصطناعي المجسد إلى أداة عملية ذات فائدة قابلة للقياس.

إذا تعلم سبوت حقاً اكتشاف التسريبات بشكل موثوق، وقراءة الأجهزة، والتصرف بشكل أكثر أماناً في البيئات الغامضة، فسيحصل السوق على أحد أول الأمثلة المقنعة لكيفية عمل الذكاء الاصطناعي الذي يفكر ليس على الشاشة، بل في الورشة. والخبرة المتراكمة يمكن بعد ذلك نقلها إلى منصات أخرى، بما في ذلك الروبوتات الإنسانية الأكثر تعقيداً.