🎧 الروبوتية: أهم الأخبار هذا الأسبوع

_بودكاست صوتي — مقدما ذكاء اصطناعي يناقشان أخبار الذكاء الاصطناعي الحديثة. النص الكامل أدناه._

المقدم أ (00:00): حسناً، دعونا نحلل هذا بعناية. اليوم لدينا على الطاولة، بشكل مجازي، مجموعة كاملة من المواد الحديثة لهذا التحليل العميق.

المقدم ب (00:11): نعم، وهذه المواد، كما أود أن أقول، تغيّر بشكل كبير الصورة المعتادة.

المقدم أ (00:16): بنسبة 100 في المائة. يوجد هنا تقارير الشركات الناشئة والمنشورات العلمية الجافة حول معايير جديدة، وحتى ملخصات الاستثمارات من عمالقة مثل Nvidia.

المقدم ب (00:28): نعم، كل شيء في مجموعة واحدة، لكنها مجموعة منطقية جداً.

المقدم أ (00:32): بالضبط. وإذا جمعنا كل هذه الأرقام والرسوم البيانية والأخبار في فكرة واحدة، فإننا نقف على أعتاب تحول أساسي حقاً.

المقدم ب (00:41): تحول من التحكم الصارم إلى الفوضى، أليس كذلك؟

المقدم أ (00:44): نعم، بالضبط إلى البقاء في الفوضى. لقد اعتادنا جميعاً على صورة المصنع الحديث، كما تعلم، بقيمة تبلغ مئات الملايين من الدولارات. هناك كل شيء يعمل مثل آلية الساعة المثالية.

المقدم ب (00:56): حيث تنزلق كل قطعة على الناقل، والروبوتات تقوم بحركات جميلة ودقيقة.

المقدم أ (01:03): هذه، هذه الحركات المثالية. لكن يكفي أن يترك شخص ما مفتاح ربط عن طريق الخطأ على الأرض أو يحرك مكتب العمل بضعة سنتيمترات فقط وكل شيء ينهار.

المقدم ب (01:17): الروبوت يصطدم بالعوائق بعمى.

المقدم أ (01:19): نعم. معدل المعالجة، الذي يتم فيه خياطة إحداثيات هندسية صارمة، يتجمد ببساطة، ويصدر خطأ، وقد يحتى يكسر معدات مكلفة.

المقدم ب (01:31): وهذه المشكلة في البرمجة الصارمة كانت، ربما، المرساة الرئيسية لصناعة بأكملها لعقود من الزمن.

المقدم أ (01:37): خطوة لليسار، خطوة لليمين كوارث.

المقدم ب (01:39): بالضبط. الآلات تتعامل بشكل رائع مع تكرار نفس العملية الرياضية مليون مرة، لكنها تبدو عاجزة تماماً أمام الفوضى الأساسية والدنيوية للعالم الفيزيائي الحقيقي.

المقدم أ (01:53): ببساطة ليس لديهم حدس.

المقدم ب (01:55): نعم، لا يملكون ما نسميه الفهم للسياق الفيزيائي. أو بالأحرى، كان الأمر كذلك حتى وقت قريب. بناءً على البيانات التي نملكها أمامنا، تتم إعادة كتابة قواعد اللعبة الآن.

المقدم أ (02:08): وهذا هو بالضبط المهمة الرئيسية لتحليلنا اليوم. نحن نستكشف كيف يكتسب الذكاء الاصطناعي جسداً فيزيائياً مباشرة أمام أعيننا.

المقدم ب (02:18): يرفض التعليمات الضخمة.

المقدم أ (02:20): يتعلم البقاء في بيئة لا يمكن التنبؤ بها. إذا قمنا بتحليل جميع المصادر، فإن رؤية واحدة مذهلة تظهر. مستقبل ثورة الآلات الحقيقية لا يبني على قوة حوسبة ضخمة على الإطلاق.

المقدم ب (02:32): ولا على مزارع الخادم اللانهائية.

المقدم أ (02:35): نعم. يبني على حلول محلية أنيقة بشكل لا يصدق وصغيرة الحجم والتكيف العضلي.

المقدم ب (02:41): اسمع، لكي نفهم حقاً حجم هذه التغييرات، نحتاج إلى النزول إلى المستوى الأساسي للميكانيكا. قبل أن نثق الروبوت بسلسلة توريد عامة، يحتاج إلى إتقان الفيزياء الأساسية.

المقدم أ (02:54): مثل أخذ قطعة واحدة وعدم كسرها

المقدم ب (02:56): ؟ بالضبط. التقط قطعة ملقاة بشكل غير صحيح ذات شكل معقد ولا تحطمها. والمستندات تظهر نهجاً غير معتاد تماماً هنا.

المقدم أ (03:05): آه نعم، في أحد الدراسات يتم وصف تجربة توضيحية جداً. أخذ المهندس روبوتاً صغيراً بمسار مع معدل معالجة ودمج فيه نموذج لغة من Google Gemini Nano.

المقدم ب (03:18): وهنا الأرقام المهمة.

المقدم أ (03:19): نعم، الأرقام الأهم. هذا النموذج يحتوي فقط على 270 مليون معامل.

المقدم ب (03:25): الذي في خلفية نسخ GPT الوحشية مجرد كمية مجهرية؟ تلك تتطلب مراكز بيانات كاملة وتقريباً محطات نووية للتزويد بالطاقة.

المقدم أ (03:36): بنسبة 100 في المائة. وهنا يصف مؤلف المشروع هذا كـ neuropunk حقيقي. يتعلم الروبوت في محاكاة، ليس لديه إمكانية الوصول إلى الإنترنت على الإطلاق، كما أنه لا يوجه نفسه إلى أي خوادم سحابية.

المقدم ب (03:48): كل شيء محلياً.

المقدم أ (03:49): بشكل مطلق. والآن هنا أريد أن أتوقف. لماذا نقطع روبوتاً حديثاً عن السحابة حيث تكمن كل هذه القوى اللانهائية؟

المقدم ب (03:58): حسناً، لأن السحابة في العالم الفيزيائي هي الموت بسبب الكمون. تأخير الإشارة يحدد كل شيء. تخيل أن الروبوت يحاول الإمساك بشيء هش ينزلق. نعم. يجب أن تغادر إشارة المستشعرات الخادم في مكان ما في بلد آخر، وتتم معالجتها بواسطة نموذج ضخم وتعود مع أمر لضغط الأصابع بقوة أكبر بـ 2 ملليمتر.

المقدم أ (04:21): وهذا يأخذ نصف ثانية؟

المقدم ب (04:23): نعم، وفي نصف ثانية، سقطت بالفعل على أرضية خرسانية.

المقدم أ (04:28): بمعنى آخر، هذا الفرق بين البحث عن إجابة في مكتبة ضخمة على الجانب الآخر من المدينة، وببساطة سحب يدك من موقد ساخن على مستوى النخاع الشوكي؟

المقدم ب (04:36): تشبيه رائع. نحتاج بالضبط إلى الانعكاسات المحلية. وهذا النموذج المضغوط بـ 270 مليون معامل يعطي الاستقلالية المطلوبة.

المقدم أ (04:46): بالإضافة إلى ذلك، ربما استهلاك الطاقة؟

المقدم ب (04:48): بالتأكيد. الاحتفاظ بقناة اتصال نشطة باستمرار مع السحابة، ونقل فيديو بث مباشر، هذا قاتل لبطارية وكيل متنقل.

المقدم أ (04:56): مفهوم. في هذه التجربة، كان النموذج المضغوط يحصل محلياً على بيانات حول زاوية دوران المفاصل والإحداثيات والصور ويتعلم التحرك من خلال التجربة والخطأ مباشرة على متن الطائرة.

المقدم ب (05:07): مع المحاكاات، نعم.

المقدم أ (05:08): لكننا نرى محاكاة 100 في المائة هنا. النموذج يجلس في صندوق افتراضي. في مصادرنا، هناك أيضاً نهج معاكس تماماً لنفس مشكلة الفوضى.

المقدم ب (05:19): أوه، هل تقصد Generalist؟

المقدم أ (05:21): نعم. وهو يبدو أكثر خيالاً. بدأت شركة Generalist، والتي استثمرت فيها Nvidia حسب التقارير. يسير الرجال في طريق مختلفة تماماً.

المقدم ب (05:31): بدلاً من الواقع الافتراضي، يستخدمون أشخاصاً حقيقيين؟

المقدم أ (05:35): نعم. بدلاً من كتابة التعليمات البرمجية، يستخدمون ما يسمى البيانات البشرية غير النظيفة. يرتدي العمال العاديون في المصنع أجهزة استشعار قابلة للارتداء على معاصمهم.

المقدم ب (05:45): مم، من الناحية البصرية، يبدو وكأنه أساور لياقة بدنية متقدمة.

المقدم أ (05:49): آه. وهذه الأساور تسجل ببساطة الفيزياء النقية للحركات البشرية أثناء الروتين اليومي.

المقدم ب (05:56): كل زاوية انحناء المرفق، كل تسارع صغير

المقدم أ (06:00): للمعصم؟ أصغر التكيفات عندما يأخذ الشخص تلك القطعة المستلقية بشكل غير صحيح.

المقدم ب (06:05): والنتائج من هذا النهج، دعنا نقول، تدمر العقائد القديمة للروبوتية. في تقارير Generalist، يظهر الرقم 99٪ من النجاح في الظروف غير المتوقعة للمصنع مع حركات بشرية.

المقدم أ (06:31): بمعنى آخر، يمتص الروبوت تجربة فيزيائية غريبة. عندما تقع القطعة بطريقة غير قياسية، فإنها لا تصدر خطأ بناء جملة، فهي تتذكر بطريقة ما ذلك النمط الذي اختلسته من المشغل الحي؟

المقدم ب (06:43): نعم، يتذكر التكيف المعصم.

المقدم أ (06:46): اسمع، لكن هناك فكرة طريفة تنشأ. إذا تعلم الروبوت من الحركات البشرية الخام، فهل لن ينسخ عادات ضارة لدينا بالصدفة؟

المقدم ب (06:54): ما معنى ذلك؟

المقدم أ (06:55): حسناً، كان العامل مشغولاً، وخدش رأسه بالسوار، ثم التقط القطعة. هل سيفعل الروبوت أيضاً هذا التوقف الدقيق لخدش رأسه؟

المقدم ب (07:04): آه، حسناً، هذا بالفعل ما تُستخدم عليه خوارزميات تنظيف البيانات. لكن هناك حقيقة في هذا - تتبنى الآلة الحركيات البشرية بالفعل. والشيء المهم هنا هو كيف يتناسب هذا الجمع للبيانات الفيزيائية الخام مع النهج الأول للمحاكاة من Google.

المقدم أ (07:23): نعم، لأنه للوهلة الأولى، هذان قطبان معاكسان تماماً. أحدهما يجلس في مصفوفة معقمة، والآخر يمتص فوضى الواقع

المقدم ب (07:31): للمتجر. لكن على المستوى النظامي، يحلان مهام مختلفة في سلسلة واحدة. انظر، المحاكاة هي مجال آمن مثالي.

المقدم أ (07:38): هناك يمكن للنماذج المضغوطة أن تسقط مليون مرة.

المقدم ب (07:41): بالضبط. تسقط، تصطدم بالجدار، تكسر معدل المعالجة الافتراضي. يتعلمون المنطق الأساسي بدون خطر إتلاف الأجهزة الفيزيائية بقيمة مئات الآلاف من الدولارات.

المقدم أ (07:52): بحكمة.

المقدم ب (07:53): لكن لا توجد، حتى محاكاة متقدمة جداً، قادرة على حساب كل الفروقات الدقيقة في العالم الحقيقي رياضياً. ارتداء نقطة على التروس، قطرة زيت عشوائية.

المقدم أ (08:04): أو انعكاس ضوء من النافذة يعمي المستشعر.

المقدم ب (08:08): نعم، وهنا تدخل بيانات العينات على الساحة. يعطي جمع المقاييس الفيزيائية ذاكرة العضلات البديهية التي لا يمكن ببساطة إنشاؤها في التعليمات البرمجية.

المقدم أ (08:21): أي أن الصناعة تجمع دماغاً هجيناً تعلم المنطق في الواقع الافتراضي، والانعكاسات منسوخة من الواقع القاسي.

المقدم ب (08:29): صحيح تماماً.

المقدم أ (08:31): والواقع المصنع قاسٍ بالفعل. وهنا يبدأ الجزء الأكثر إثارة للاهتمام في مادتنا. لنفترض أننا علمنا الروبوت الحركة بشكل مثالي، إنه ماهر. لكن أن تكون ماهراً لمدة 5 دقائق في عرض توضيحي لا يعني أنك تستطيع البقاء على قيد الحياة. المصنع عند 40 درجة حرارة، هذا اختبار قاسٍ على الأجهزة.

المقدم أ (08:50): ماذا سيحدث إذا عمل الوكيل 24/7 بدون فترات راحة؟

المقدم ب (08:53): أوه، هذا السؤال جعل الباحثين يعيدون النظر في طرق تقييم الذكاء الاصطناعي نفسها. تصف المستندات معيار اختبار جديد تماماً MELT-1.

المقدم أ (09:03): لفترة طويلة كنا نقيس الاختبارات مثل MMLU؟

المقدم ب (09:06): نعم، لكن هذا ثابت. تعطيه نصاً بموجب القانون، ويولد الإجابة.

المقدم أ (09:12): في الأساس، اختبار للمعرفة في الفراغ.

المقدم ب (09:15): لكن الذكاء الاصطناعي المجسد يتطلب مقاييس مختلفة. يقيس معيار MELT-1 تكلفة الحلول الناجحة، ووقت الاستجابة تحت الضغط والبقاء تحت ما يسمى الانجراف في الأجهزة.

المقدم أ (09:28): ينبغي توضيح شروط هذا المعيار، لأنها تبدو وكأنها تعذيب. درجة حرارة 40 درجة، 30 يوماً من العمل المستقل المستمر.

المقدم ب (09:37): إنه مثل ترك جهاز كمبيوتر محمول على لوحة العدادات في السيارة تحت الشمس وتشغيل لعبة معقدة.

المقدم أ (09:42): بالضبط. والأرقام من تقرير MELT-1 مذهلة ببساطة. هناك معمارية Metabolic.AI. الذكاء الاصطناعي الأيضي، الذي لا يستخدم Transformers على الإطلاق.

المقدم ب (09:52): ووفقاً للمقاييس المركبة للبقاء على قيد الحياة، تجاوز هذا الذكاء الاصطناعي الأيضي نموذج Llama 7B INT8 المعروف بـ 1600 مرة

المقدم أ (10:01): فكر في هذا الفراغ! 1600 مرة! في النص هناك حتى بيان مرعب، أقتبس: تموت Transformers في 11 ساعة تحت الانجراف. حسناً،

المقدم ب (10:13): إذا قمت بتحليل الآلية، يصبح من الواضح لماذا يحدث هذا الانهيار. تم إنشاء Transformers تاريخياً للمعالجة الدفعية.

المقدم أ (10:21): بمعنى أنهم يحصلون على الطلبات؟

المقدم ب (10:23): يمسحون الأوزان، يصدرون الإجابة وتقريباً ينامون حتى الطلب التالي. والذكاء الاصطناعي المجسد لا يملك الحق في النوم - يجب أن يقرأ تدفقات البيانات كل ميلي ثانية.

المقدم أ (10:37): وماذا بالضبط يقصد بهذا الانجراف الذي يقتل النموذج في 11 ساعة؟

المقدم ب (10:42): انجراف الأجهزة هو التغيير الحتمي لخصائص النظام بمرور الوقت. مع الاستخدام الطويل، تسخن المحركات وتصدر مقاومة مختلفة. يفقد الشحم الصناعي لزوجته.

المقدم أ (10:54): هل تستقر الغبار على العدسات؟

المقدم ب (10:56): بالضبط، تنحرف الإشارات، Transformers لا يمكنها التكيف مع هذا التدفق المستمر لتغيير البيانات. إنهم يجمعون أخطاء رياضية. بعد 11 ساعة، تفيض الأخطاء السياق ويتجمد الروبوت.

المقدم أ (11:10): أو يبدأ في الرعش بعشوائية. معمارية Metabolic.AI تعمل بشكل مختلف.

المقدم ب (11:16): نعم، كلمة "أيضي" ليست عرضية، فهي تعمل مثل جهاز الجهاز الهضمي للبيانات، تهضم التدفق بشكل مستمر، تصفي الضوضاء وتتكيف مع الحرارة أثناء الرحلة.

المقدم أ (11:26): مذهل. ومن المهم التأكيد على التفصيل: الملكية الفكرية لـ Metabolic.AI محمية براءات اختراع، لكن معيار MELT-1 نفسه مفتوح تماماً للمجتمع.

المقدم ب (11:38): الآن أي مهندس يمكنه أن يعرض روبوته لهذا الاختبار، وهذه خطوة ضخمة - نتوقف عن تقييم الروبوتات الفيزيائية بناءً على كيفية كتابتها للنصوص بذكاء.

المقدم أ (11:47): نتحقق من الحيوية الحقيقية. حسناً، انتصرنا على فوضى المصنع. لكن الفوضى الحقيقية تبدأ حيث يوجد المارة والدراجات والعمال

المقدم ب (11:57): شوارع المدن.

المقدم أ (11:58): بالضبط. إذا كان لدينا أنظمة قوية، فحان الوقت لإطلاقها على الشوارع. وهنا ظهرت شركتان. الأولى Wave من لندن. يراهن مديرها التنفيذي Alex Kendall على نقطة جريئة.

المقدم ب (12:11): نعم، استراتيجيته هي الرفض الكامل للقواعد الصارمة لقوانين المرور في التعليمات البرمجية. لا يبرمجون كل سيناريو.

المقدم أ (12:19): مثل، ماذا تفعل إذا خرجت كلب في طوق أحمر؟

المقدم ب (12:23): نحو ذلك. يقومون بنشر الذكاء الاصطناعي الشامل الذي يتعلم قيادة السيارة مباشرة على الطرق الحقيقية. تخرج السيارة إلى شوارع لندن، تراقب حركة المرور الكثيفة وتطور فهم الفوضى.

المقدم أ (12:36): وبناءً على التقرير، فإن الخبرة المتراكمة في لندن تنتقل إلى السيارات في سان فرانسيسكو. والتكيف مع مدينة جديدة يحدث في 1000000 مرة أسرع من المنافسين.

المقدم ب (12:47): الذين لا يزالون يحاولون تخطيط الملتقيات في الخرائط ثلاثية الأبعاد.

المقدم أ (12:50): لكن استمع، كمتشكك، يجب أن أدرج النقد. تدريب نموذج على شوارع لندن الحية، بين المشاة الحقيقيين. يبدو وكأنه سيناريو لدعوى قضائية ضخمة.

المقدم ب (13:02): حسناً، يبدو محفوفاً بالمخاطر، نعم.

المقدم أ (13:04): شيء واحد عندما تخطئ الخوارزمية في المحاكي. وشيء آخر تماماً، آلة معدنية تزن طنين تقرر تجربة نمط جديد على ممر للمشاة.

المقدم ب (13:14): هذا قلق عادل، لكن معمارية الاختبار أكثر تعقيداً. لا يتم إطلاق شبكة عصبية غير نظيفة تماماً على الطريق، هناك إطار أمان هجين صارم.

المقدم أ (13:27): أي أن الفيزياء الأساسية للكبح؟

المقدم ب (13:29): نعم. الكبح، وكشف العوائق، الذي يمنع الأخطاء الحرجة، لكن الفروقات الدقيقة للاندماج السلس في التدفق، والمراوغات الدقيقة على الملتقيات.

المقدم أ (13:40): ما الذي يجعل القيادة إنسانية؟

المقدم ب (13:43): نعم، يمكن للآلة أن تتعلم هذا فقط بشكل تجريبي.

المقدم أ (13:46): مفهوم، الإطار لن يترك أحداً يضرب. وماذا عن الشركة الثانية؟ Einride؟ هذه هي اللوجستيات - شاحنات كهربائية مستقلة. يقدم الرئيس Rusback Charlie حجج صعبة.

المقدم ب (13:58): حجج اقتصادية.

المقدم أ (13:59): نعم، يؤكد أن الاستقلالية تكسر نموذج المال بشكل جذري، لأن رواتب السائق هي 30-40 في المائة من جميع نفقات شركة اللوجستيات.

المقدم ب (14:10): ليس قليلاً؟

المقدم أ (14:10): وفي الوقت نفسه، يضيف العبارة الإلزامية بأن الإنسان لن يختفي، بل سينتقل إلى دور مشغل جديد في مركز الإرسال؟ المتشكك بي يصرخ مرة أخرى.

المقدم ب (14:21): هل هذا علاقات عامة؟

المقدم أ (14:22): نعم، هل سيبقى الناس فعلاً بحاجة أم أن هذا مجرد تهدئة شركات لتجنب إخافة المجتمع بالبطالة؟

المقدم ب (14:29): إذا كنت تنظر إلى الأفق لمدة سنة أو سنتين، يبدو الأمر وكأنه علاقات عامة. لكن إذا قمت بتحليل السلسلة الكاملة من التوريد من التقرير، فإن الصورة مختلفة. يتعامل الذكاء الاصطناعي المجسد بشكل رائع مع التكتيكات.

المقدم أ (14:43): الحفاظ على الشاحنة في المسار، حساب مسافة الكبح؟

المقدم ب (14:46): لكنه غير قادر تماماً على تحمل المسؤولية الاستراتيجية الكلية والمالية. في المصدر هناك اقتباس مفتاح: تشارلي، نحتاج إلى أشخاص يفهمون اللوجستيات والتكنولوجيا في نفس الوقت.

المقدم أ (15:01): يبدو منطقياً. تقود الخوارزمية الشاحنة ببراعة عبر عاصفة ثلجية، لكن إذا حدثت إضراب مفاجئ على الحدود، فإن الخوارزمية لن تتفاوض مع المورديين.

المقدم ب (15:11): بالضبط. يحدث تحول في دور الإنسان صعوداً عبر السلسلة. يتم تسليم دوران العجلة الرتيب للآلة.

المقدم أ (15:19): إنها لا تنام ولا تشرب القهوة.

المقدم ب (15:21): نعم، ويصبح الإنسان محلل نظام. يراقب مشغل واحد من المكتب أسطولاً من عشرات الشاحنات. هذه حاجة موضوعية للإنسان، لكن مع مجموعة مختلفة من المهارات الفوقية.

المقدم أ (15:33): وهذا يقودنا إلى الخلاصة العامة. عصر البرمجة الصارمة ينتهي. دخلت نماذج اللغة المحلية على متن الطائرة الساحة.

المقدم ب (15:41): ظهرت معايير مثل MELT-1.

المقدم أ (15:44): الروبوتات تغادر المناطق المعقمة، تنسخ فيزياء معاصمنا، تتعلم من فوضى الشوارع، وقيمة الذكاء البشري لا تتضاءل، بل تتحول. يفقد معرفة بناء الجملة الصارم قيمتها.

المقدم ب (15:56): مكانه يجيء التفكير النظامي. والشيء الأكثر إذهالاً هو أن هذا التحول يتم تسجيله حتى في التعليم. تذكر المواد Lego Education.

المقدم أ (16:09): نعم، لقد علموا الأطفال لعقود عن الترميز، وبحلول عام 26 يغيرون النهج بشكل جذري، يرفضون البرمجة الصارمة.

المقدم ب (16:17): يقدمون مساعدين وتحكماً بديهياً من خلال البطاقات. لا يحتاج الأطفال الآن إلى حفظ الأوامر، فهم بحاجة إلى تعلم المنطق وتحديد المهام.

المقدم أ (16:29): والآلة ستحل تدوير المحركات بنفسها. هذا انعكاس مثالي للصناعة الراشدة. إذا قمت بتحليل هذا التطور، فإن فكرة واحدة مثيرة للاستفزاز تنشأ.

المقدم ب (16:39): أي واحدة؟

المقدم أ (16:41): ناقشنا شركة Generalist. تتعلم الروبوتات الفيزياء بنسخ حركات العمال العاديين. إنهم يتبنون حركتنا ببساطة لأننا مبنيين هكذا تاريخياً.

المقدم ب (16:51): حسناً نعم، نحن نعلمهم.

المقدم أ (16:52): لكن الخاصية الأساسية للخوارزمية هي التحسين. ماذا سيحدث خلال بضع سنوات عندما تقوم هذه الأنظمة بمعالجة مليار ساعة من حركاتنا وتبدأ في البحث عن طرق أكثر كفاءة؟

المقدم ب (17:04): أي أنهم سيتجاوزون فيزياء الإنسان؟

المقدم أ (17:08): نعم. هل من الممكن أن تطور الآلات حركيات خاصة بهم غريبة جداً، ذاكرة عضلية جديدة، أكثر كفاءة في 1000 مرة من لنا، غير مقيدة بمفاصلنا وإرهاقنا؟

المقدم ب (17:20): يبدو مرعباً.

المقدم أ (17:22): وربما، بصرياً، ستبدو لنا مكسورة ومخيفة وغير مفهومة. بالنظر إلى وتيرة تكيف الذكاء الاصطناعي، يبدو أن هذا الكفاءة المخيفة لم تعد خيالاً علمياً، إنها مجرد الخطوة التطورية التالية الحتمية.