🎧 الروبوتات: أبرز أحداث الأسبوع

_بودكاست صوتي: مقدّمان من الذكاء الاصطناعي يناقشان أحدث أخبار الذكاء الاصطناعي. النص الكامل أدناه._

المقدّم A (00:00): حسنًا، لنفكك هذا الموضوع خطوة بخطوة. لدينا اليوم على الطاولة، مجازيًا، كومة كاملة من المواد الجديدة لهذا التحليل المعمّق.

المقدّم B (00:11): نعم، وهي مواد أقول إنها تقلب الصورة المألوفة رأسًا على عقب.

المقدّم A (00:16): 100 بالمئة. ففيها تقارير مغلقة لشركات ناشئة، وأوراق علمية جافة عن معايير قياس جديدة، بل وملخصات استثمارية من عمالقة مثل Nvidia.

المقدّم B (00:28): نعم، كلها في كومة 1، لكنها كومة منطقية جدًا.

المقدّم A (00:32): بالضبط. وإذا اختزلنا كل هذه الأرقام والرسوم البيانية والأخبار في فكرة 1، فنحن على أعتاب تحوّل جوهري حقًا.

المقدّم B (00:41): تحوّل من السيطرة الصارمة إلى الفوضى، أليس كذلك؟

المقدّم A (00:44): نعم، تحديدًا إلى البقاء وسط الفوضى. لقد اعتدنا جميعًا صورة المصنع الحديث الذي تبلغ تكلفته مئات 1000000 دولار. كل شيء هناك يعمل كساعة مضبوطة بإتقان.

المقدّم B (00:56): حيث تنزلق كل قطعة على خط التجميع، والروبوتات تؤدي حركات جميلة محسوبة بدقة.

المقدّم A (01:03): نعم، هذه الحركات المثالية تحديدًا. لكن يكفي أن يترك أحدهم مفتاح ربط على الأرض سهوًا، أو يحرّك طاولة العمل بضعة سنتيمترات فقط، حتى ينهار هذا المشهد المثالي بالكامل.

المقدّم B (01:17): يصطدم الروبوت بالعوائق بشكل أعمى. يصطدم بالعوائق.

المقدّم A (01:19): نعم. فالذراع الروبوتية المبرمجة بإحداثيات هندسية ثابتة تتجمد ببساطة، وتُظهر رسالة خطأ، أو قد تتلف معدات باهظة الثمن.

المقدّم B (01:31): ولعل مشكلة البرمجة الصارمة هذه كانت المرساة الرئيسية التي كبّلت الصناعة بأكملها لعقود.

المقدّم A (01:37): خطوة إلى اليسار، خطوة إلى اليمين، وتقع الكارثة.

المقدّم B (01:39): تمامًا. فالآلات بارعة في تكرار العملية الرياضية ذاتها 1000000 مرة، لكنها تقف عاجزة تمامًا أمام الفوضى اليومية البسيطة في العالم المادي الحقيقي.

المقدّم A (01:53): ليس لديها حدس ببساطة.

المقدّم B (01:55): نعم، ليس لديها ما نسميه فهم السياق المادي. أو بالأحرى، كان هذا هو الحال حتى وقت قريب. فبحسب البيانات التي أمامنا، تُعاد كتابة قواعد اللعبة الآن.

المقدّم A (02:08): وهذه هي المهمة الأساسية لتحليلنا اليوم. سنستكشف كيف يكتسب الذكاء الاصطناعي جسدًا ماديًا أمام أعيننا.

المقدّم B (02:18): ويتخلى عن التعليمات المطوّلة متعددة المجلدات.

المقدّم A (02:20): ويتعلم البقاء في بيئة لا يمكن التنبؤ بها. وإذا حللنا جميع المصادر، تبرز رؤية 1 مذهلة: مستقبل الثورة الحقيقية للآلات لا يُبنى إطلاقًا على قدرات حوسبة هائلة.

المقدّم B (02:32): ولا على مزارع خوادم لا نهائية.

المقدّم A (02:35): نعم. بل يُبنى على حلول محلية مدمجة وأنيقة إلى حد مذهل، وعلى قدرة تكيّف عضلية.

المقدّم B (02:41): اسمع، لكي ندرك حجم هذه التغييرات حقًا، علينا النزول إلى المستوى الأساسي للميكانيكا. فقبل أن نأتمن الروبوت على سلسلة إمداد عالمية، عليه أن يتقن الفيزياء الأساسية.

المقدّم A (02:54): يعني مثلًا أن يلتقط قطعة دون أن يكسرها؟

المقدّم B (02:56): بالضبط. أن يمسك قطعة معقدة الشكل موضوعة بشكل مائل دون أن يسحقها. والوثائق تكشف هنا عن نهج غير مألوف إطلاقًا.

المقدّم A (03:05): أجل، تصف دراسة 1 تجربة معبّرة جدًا. أخذ مهندس روبوتًا صغيرًا بجنازير مزودًا بذراع، ودمج فيه نموذجًا لغويًا من Google هو Gemini Nano.

المقدّم B (03:18): وهنا أرقام مهمة.

المقدّم A (03:19): نعم، أهم الأرقام. يضم هذا النموذج 270 1000000 معامل فقط.

المقدّم B (03:25): وهو رقم ضئيل جدًا مقارنة بنسخ GPT العملاقة، أليس كذلك؟ فتلك تتطلب مراكز بيانات كاملة، بل تكاد تحتاج إلى محطات طاقة نووية لتشغيلها.

المقدّم A (03:36): 100 بالمئة. وهنا يصف صاحب المشروع الأمر بأنه "نيوروبانك" حقيقي. فالروبوت يتدرب في محاكاة، وليس لديه أي اتصال بالإنترنت، ولا يتصل بأي خوادم سحابية.

المقدّم B (03:48): كل شيء محلي.

المقدّم A (03:49): تمامًا. وهنا أود التوقف. لماذا نعزل روبوتًا حديثًا عن السحابة التي تضم هذه القدرات اللامحدودة أصلًا؟

المقدّم B (03:58): لأن السحابة في العالم المادي تعني الموت بسبب زمن الاستجابة. تأخر الإشارة هو العامل الحاسم. تخيّل روبوتًا يحاول الإمساك بجسم هش ينزلق من يده. نعم. يجب أن تنتقل الإشارة من المستشعرات إلى خادم في بلد آخر، ويعالجها نموذج ضخم، ثم تعود بأمر يقضي بضغط الأصابع 2 مليمتر إضافيين.

المقدّم A (04:21): وهذا يستغرق نصف ثانية؟

المقدّم B (04:23): نعم، وخلال نصف ثانية يكون الجسم قد تحطم على الأرضية الخرسانية.

المقدّم A (04:28): أي أن الفرق يشبه الفرق بين البحث عن إجابة في مكتبة ضخمة على الطرف الآخر من المدينة، وبين سحب يدك من موقد ساخن بردّ فعل على مستوى الحبل الشوكي؟

المقدّم B (04:36): تشبيه ممتاز. ما نحتاجه هو ردود فعل محلية تحديدًا. وهذا النموذج المدمج ذو الـ 270000000 معامل يوفر الاستقلالية المطلوبة.

المقدّم A (04:46): وربما استهلاك الطاقة أيضًا؟

المقدّم B (04:48): بالطبع. فالإبقاء على قناة اتصال نشطة مع السحابة باستمرار، وبث الفيديو، يستنزف بطارية الوكيل المتنقل تمامًا.

المقدّم A (04:56): مفهوم. في هذه التجربة، كان النموذج المدمج يتلقى محليًا بيانات زوايا دوران المفاصل والإحداثيات والصورة، ويتعلم الحركة بالتجربة والخطأ على متن الروبوت مباشرة.

المقدّم B (05:07): عبر المحاكيات، نعم.

المقدّم A (05:08): لكننا هنا أمام محاكاة بنسبة مئة بالمئة. النموذج يعيش داخل صندوق افتراضي. وفي مصادرنا نهج معاكس تمامًا للمشكلة ذاتها، مشكلة الفوضى.

المقدّم B (05:19): آه، تقصد Generalist؟

المقدّم A (05:21): نعم. ويبدو أكثر إثارة للخيال. شركة Generalist الناشئة، التي استثمرت فيها Nvidia بحسب الملخصات، سلكت طريقًا مختلفًا تمامًا.

المقدّم B (05:31): بدلًا من الواقع الافتراضي، يستخدمون أشخاصًا حقيقيين؟

المقدّم A (05:35): نعم. فبدلًا من كتابة الشيفرة، يستخدمون ما يُسمى البيانات البشرية "القذرة". إذ يُثبَّت على معصم العمال العاديين في المصنع مستشعرات قابلة للارتداء.

المقدّم B (05:45): تبدو بصريًا مثل أساور لياقة بدنية متطورة.

المقدّم A (05:49): نعم. وهذه الأساور تسجّل ببساطة الفيزياء الخالصة للحركات البشرية خلال الروتين اليومي.

المقدّم B (05:56): كل زاوية انحناء للمرفق، كل تسارع دقيق لكف اليد؟

المقدّم A (06:00): وأدق التكيّفات حين يلتقط الإنسان تلك القطعة الموضوعة بشكل مائل.

المقدّم B (06:05): ونتائج هذا النهج، إن صح القول، تهدم العقائد القديمة في الروبوتات. ففي تقارير Generalist يظهر رقم 99% نجاحًا في ظروف المصنع الحقيقية غير المتوقعة. حركات بشرية.

المقدّم A (06:31): أي أن الروبوت يمتص حرفيًا الخبرة المادية لغيره. وحين تكون القطعة في وضع غير معتاد، لا يُظهر خطأ في الصياغة البرمجية، بل كأنه يستحضر النمط ذاته الذي التقطه من المشغّل البشري؟

المقدّم B (06:43): نعم، يستحضر تكيّف كف اليد.

المقدّم A (06:46): اسمع، تخطر لي فكرة طريفة. إذا كان الروبوت يتعلم من حركات بشرية خام، ألن ينسخ عاداتنا السيئة عن غير قصد؟

المقدّم B (06:54): ماذا تقصد؟

المقدّم A (06:55): مثلًا، شرد العامل وحكّ مؤخرة رأسه بالسوار، ثم التقط القطعة. هل سيأخذ الروبوت أيضًا هذه الوقفة القصيرة ليحك رأسه؟

المقدّم B (07:04): آه، لتصفية هذا النوع من الضجيج تحديدًا توجد خوارزميات تنقية البيانات. لكن في كلامك شيء من الصحة: فالآلة تكتسب الكينماتيكا البشرية تحديدًا. فعلًا. والمهم هنا هو كيف يتصالح جمع البيانات المادية الخام هذا مع النهج الأول، أي محاكاة Google.

المقدّم A (07:23): نعم، لأنهما للوهلة الأولى قطبان مختلفان تمامًا: 1 يعيش في مصفوفة معقّمة، والآخر يمتص فوضى ورشة العمل الحقيقية.

المقدّم B (07:31): لكنهما على مستوى المنظومة يحلان مهام مختلفة في سلسلة 1. انظر، المحاكاة ساحة تدريب مثالية وآمنة.

المقدّم A (07:38): حيث يمكن للنماذج المدمجة أن تسقط 1000000 مرة.

المقدّم B (07:41): تمامًا. أن تسقط وتصطدم بالجدار وتكسر ذراعًا افتراضية. فهي تتعلم المنطق الأساسي دون المخاطرة بإتلاف عتاد مادي تبلغ قيمته مئات 1000 دولار.

المقدّم A (07:52): منطقي.

المقدّم B (07:53): لكن لا توجد محاكاة، مهما بلغ تطورها، قادرة على أن تحسب رياضيًا كل تفاصيل العالم الحقيقي: التآكل الموضعي في ترس، أو قطرة زيت عابرة.

المقدّم A (08:04): أو انعكاس ضوء من نافذة يُعمي المستشعر.

المقدّم B (08:08): نعم، وهنا تدخل البيانات المأخوذة من العيّنات إلى المشهد. فجمع المقاييس المادية يمنح تلك الذاكرة العضلية الحدسية التي يستحيل ببساطة توليدها بالشيفرة.

المقدّم A (08:21): أي أن الصناعة تبني هجينًا: دماغًا تعلّم المنطق في بيئة افتراضية، وردود فعل منسوخة من الواقع القاسي.

المقدّم B (08:29): صحيح تمامًا.

المقدّم A (08:31): وواقع المصانع قاسٍ فعلًا. وهنا يبدأ الجزء الأكثر إثارة في موادنا. لنفترض أننا علّمنا الروبوت التحرك بإتقان، وأصبح بارعًا. لكن البراعة لمدة 5 دقائق في عرض تقديمي لا تعني القدرة على الصمود. فحرارة المصنع البالغة 40 درجة اختبار قاسٍ للعتاد.

المقدّم A (08:50): ماذا سيحدث إذا عمل الوكيل 247 دون توقف؟

المقدّم B (08:53): أوه، هذا السؤال دفع الباحثين إلى إعادة النظر في أساليب تقييم الذكاء الاصطناعي ذاتها. فالوثائق تصف معيار اختبار جديدًا تمامًا هو Benchmark MLT-1.

المقدّم A (09:03): ألم يكن القياس لفترة طويلة يتم باختبارات مثل MMLU؟

المقدّم B (09:06): نعم، لكنها اختبارات ثابتة. تعطي النموذج نصًا في القانون، فيولّد إجابة.

المقدّم A (09:12): أي أنه في جوهره اختبار للمعرفة العامة في فراغ.

المقدّم B (09:15): لكن الذكاء الاصطناعي المتجسّد يتطلب مقاييس مختلفة. فمعيار Melt1 يقيس تكلفة القرارات الناجحة، وزمن الاستجابة تحت الضغط، والصمود في ظل ما يُعرف بانجراف العتاد.

المقدّم A (09:28): ويجدر هنا توضيح شروط هذا المعيار، لأنها تبدو أشبه بالتعذيب: حرارة 40 درجة، و30 يومًا من العمل الذاتي المتواصل.

المقدّم B (09:37): كأنك تترك حاسوبًا محمولًا على لوحة القيادة في السيارة تحت الشمس وتشغّل لعبة معقدة.

المقدّم A (09:42): بالضبط. والأرقام في تقرير Meld1 مذهلة. إذ تظهر فيه معمارية Metabolic.AI، أي الذكاء الاصطناعي الأيضي، التي لا تستخدم المحوّلات (Transformers) إطلاقًا.

المقدّم B (09:52): ووفق المقاييس المركّبة للصمود، تفوّق هذا الذكاء الاصطناعي الأيضي على النموذج المعروف Lama 7b int 8 بـ 1600 مرة.

المقدّم A (10:01): تأمّلوا هذه الهوّة! 1600 مرة. بل إن النص يتضمن عبارة مخيفة، أقتبس: "المحوّلات تموت بعد 11 ساعة تحت الانجراف".

المقدّم B (10:13): إذا فككنا الآلية، يتضح سبب هذا الانهيار. فالمحوّلات صُممت تاريخيًا للمعالجة على دفعات.

المقدّم A (10:21): أي أنها تتلقى الطلبات؟

المقدّم B (10:23): تمسح الأوزان، وتُخرج الإجابة، ثم، بتعبير مبسّط، تنام حتى الطلب التالي. أما الذكاء الاصطناعي المتجسّد فلا يحق له أن ينام، إذ يجب أن يقرأ تدفقات البيانات كل ميلي ثانية.

المقدّم A (10:37): وما المقصود تحديدًا بهذا الانجراف الذي يقتل النموذج خلال 11 ساعة؟

المقدّم B (10:42): الانجراف العتادي هو تغيّر حتمي في خصائص النظام مع مرور الوقت. فمع العمل الطويل تسخن المحركات وتُبدي مقاومة مختلفة، ويفقد زيت التشحيم في المصنع لزوجته.

المقدّم A (10:54): ويتراكم الغبار على العدسات؟

المقدّم B (10:56): تمامًا. تتشوه الإشارات، ولا تستطيع المحوّلات التكيف مع هذا التدفق المستمر من البيانات المتغيرة، فتراكم أخطاء رياضية. وبعد 11 ساعة تطغى الأخطاء على السياق، فيتجمد الروبوت.

المقدّم A (11:10): أو يبدأ بالارتعاش بشكل عشوائي. أما معمارية Metablog.ai فتعمل بطريقة مختلفة.

المقدّم B (11:16): نعم، وكلمة "أيضي" ليست اعتباطية؛ فهي تعمل كجهاز هضمي للبيانات، تهضم التدفق باستمرار، وتغربل الضجيج، وتتكيف مع ارتفاع الحرارة لحظيًا.

المقدّم A (11:26): مذهل. ومن المهم التأكيد على تفصيل: الملكية الفكرية لـ Metaboloc.ai محمية ببراءات اختراع، لكن معيار MELT-1 نفسه مفتوح بالكامل للمجتمع.

المقدّم B (11:38): والآن يمكن لأي مهندس إخضاع روبوته لهذا الاختبار، وهذه خطوة هائلة: لقد توقفنا عن تقييم الروبوتات المادية بناءً على مدى ذكائها في كتابة النصوص.

المقدّم A (11:47): نختبر قدرتها الفعلية على الصمود. حسنًا، تغلبنا على فوضى المصنع. لكن الفوضى الحقيقية تبدأ حيث يوجد المارة وراكبو الدراجات وعمال التوصيل.

المقدّم B (11:57): شوارع المدن.

المقدّم A (11:58): بالضبط. إذا توفرت أنظمة قادرة على التحمل، فقد حان وقت إطلاقها في الشوارع. وهنا تبرز شركتان: الأولى Wave اللندنية، ويراهن رئيسها التنفيذي أليكس كيندال رهانًا جريئًا.

المقدّم B (12:11): نعم، تقوم استراتيجيته على التخلي تمامًا عن قواعد المرور الصارمة في الشيفرة. فهم لا يبرمجون كل سيناريو.

المقدّم A (12:19): مثل: ماذا تفعل إذا اندفع كلب بطوق أحمر؟

المقدّم B (12:23): شيء من هذا القبيل. إنهم يعتمدون ذكاءً اصطناعيًا شاملًا من طرف إلى طرف يتعلم قيادة السيارة على الطرق الحقيقية مباشرة. تخرج السيارة إلى شوارع لندن، وتراقب حركة المرور الكثيفة، وتطوّر فهمًا للفوضى.

المقدّم A (12:36): وبحسب التقرير، ينقلون الخبرة المتراكمة في لندن إلى السيارات في سان فرانسيسكو. ويجري التكيف مع المدينة الجديدة أسرع من المنافسين بـ 1000000 مرة.

المقدّم B (12:47): أولئك الذين ما زالوا يحاولون ترميز التقاطعات في خرائط ثلاثية الأبعاد.

المقدّم A (12:50): لكن اسمع، بصفتي متشككًا، عليّ أن أنتقد. تدريب نموذج في شوارع لندن الحية، بين مشاة حقيقيين، يبدو سيناريو لدعوى قضائية ضخمة.

المقدّم B (13:02): نعم، يبدو محفوفًا بالمخاطر.

المقدّم A (13:04): أن تخطئ الخوارزمية في محاكٍ أمر، وأن تقرر كتلة معدنية تزن 2 طن تجربة نمط جديد عند معبر المشاة أمر مختلف تمامًا.

المقدّم B (13:14): هذا قلق مشروع، لكن بنية الاختبارات أعقد من ذلك. فلا تُطلق على الطريق شبكة عصبية خالصة غير متوقعة تمامًا، بل يوجد إطار أمان هجين صارم.

المقدّم A (13:27): أي فيزياء الكبح الأساسية؟

المقدّم B (13:29): نعم. الكبح، والتعرف على العوائق، وهو ما يمنع الأخطاء الحرجة. لكن تفاصيل الاندماج السلس في حركة السير، والتنازلات الصغيرة عند التقاطعات...

المقدّم A (13:40): أي ما يجعل القيادة إنسانية؟

المقدّم B (13:43): نعم، لا يمكن للآلة إتقان ذلك إلا تجريبيًا.

المقدّم A (13:46): مفهوم، الإطار لن يسمح بدهس أحد. وماذا عن الشركة الثانية؟ آينرايت؟ إنها تعمل في اللوجستيات: شاحنات كهربائية ذاتية القيادة. ويسوق رئيسها روسبيك تشارلي حججًا صارمة.

المقدّم B (13:58): حججًا اقتصادية.

المقدّم A (13:59): نعم، فهو يؤكد أن القيادة الذاتية تقلب النموذج المالي جذريًا، إذ يمثل أجر السائق 30 40 بالمئة من إجمالي نفقات شركة اللوجستيات.

المقدّم B (14:10): ليس قليلًا؟

المقدّم A (14:10): ويضيف في الوقت نفسه العبارة المعتادة بأن الإنسان لن يختفي، بل سينتقل إلى دور جديد كمشغّل في مركز التوجيه والمراقبة. والمتشكك بداخلي يدق ناقوس الخطر مجددًا.

المقدّم B (14:21): أنها مجرد علاقات عامة؟

المقدّم A (14:22): نعم، هل سيظل الناس مطلوبين فعلًا، أم أنها مجرد مهدئ مؤسسي كي لا يُخيفوا المجتمع بشبح البطالة؟

المقدّم B (14:29): إذا نظرنا إلى أفق سنة أو سنتين، يبدو الأمر علاقات عامة. لكن إذا حللنا سلسلة الإمداد كاملة كما في التقرير، تختلف الصورة. فالذكاء الاصطناعي يتقن التكتيك ببراعة.

المقدّم A (14:43): إبقاء الشاحنة في مسارها، وحساب مسافة الكبح؟

المقدّم B (14:46): لكنه عاجز تمامًا عن تحمّل المسؤولية الاستراتيجية الكلية والمالية. وفي المصدر اقتباس محوري لتشارلي: "نحتاج إلى أشخاص يفهمون اللوجستيات والتقنية في آن واحد".

المقدّم A (15:01): يبدو منطقيًا. فالخوارزمية تقود الشاحنة ببراعة عبر عاصفة ثلجية، لكن إذا اندلع إضراب مفاجئ على الحدود، فلن تعيد الخوارزمية التفاوض مع الموردين.

المقدّم B (15:11): بالضبط. يحدث انتقال لدور الإنسان صعودًا في السلسلة. ويُسند الدوران الرتيب لعجلة القيادة إلى الآلة.

المقدّم A (15:19): فهي لا تنام ولا تشرب القهوة.

المقدّم B (15:21): نعم، ويصبح الإنسان محللًا للأنظمة. مشغّل 1 من المكتب يراقب أسطولًا من عشرات الشاحنات. إنها حاجة موضوعية إلى الإنسان، لكن بمجموعة مختلفة من المهارات العليا.

المقدّم A (15:33): وهذا يقودنا إلى الخلاصة الكبرى. عصر الشيفرة الصارمة يرحل. وقد اقتحمت المشهد النماذج اللغوية المحلية العاملة على متن الأجهزة.

المقدّم B (15:41): وظهرت معايير قياس مثل Meld 1.

المقدّم A (15:44): تخرج الروبوتات من المناطق المعقّمة، وتنسخ فيزياء معاصمنا، وتتعلم من فوضى الشوارع. وقيمة الذكاء البشري لا تتجدد، بل تتحول. فمعرفة الصياغة البرمجية الصارمة تفقد قيمتها.

المقدّم B (15:56): ويحل محلها التفكير المنظومي. والأكثر إدهاشًا أن هذا التحول يُرصد حتى في التعليم. فالمواد تذكر شركة Lego Education.

المقدّم A (16:09): نعم، فقد علّموا الأطفال البرمجة لعقود، وبحلول عام 2026 يغيّرون نهجهم جذريًا، ويتخلون عن كتابة الشيفرة الصارمة.

المقدّم B (16:17): ويعتمدون مساعدات ذكاء اصطناعي، وتحكمًا حدسيًا عبر البطاقات. لم يعد الأطفال بحاجة إلى حفظ الأوامر، بل عليهم تعلّم المنطق وصياغة المهام.

المقدّم A (16:29): أما تشغيل المحركات فتتولاه الآلة بنفسها. وهذا انعكاس مثالي لصناعة الكبار. وإذا حللت هذا التطور، تراودني فكرة 1 استفزازية إلى حد ما.

المقدّم B (16:39): ما هي؟

المقدّم A (16:41): تحدثنا عن شركة Generalist الناشئة. الروبوتات تتعلم الفيزياء بنسخ حركات العمال العاديين. تكتسب مهاراتنا الحركية لمجرد أننا مصممون هكذا تاريخيًا.

المقدّم B (16:51): نعم، فنحن من يعلّمها.

المقدّم A (16:52): لكن الخاصية الأساسية للخوارزمية هي التحسين. فماذا سيحدث بعد بضع سنوات، حين تعالج هذه الأنظمة 1000000000 ساعة من حركاتنا وتبدأ في البحث عن طرق أكثر كفاءة؟

المقدّم B (17:04): أي أنها ستتجاوز الفيزياء البشرية؟

المقدّم A (17:08): نعم. هل يمكن أن تأتي لحظة تطوّر فيها الآلات كينماتيكا خاصة بها، غريبة تمامًا كأنها من كوكب آخر، وذاكرة عضلية جديدة أكفأ من ذاكرتنا بـ 1000 مرة، لا تقيدها مفاصلنا ولا تعبنا؟

المقدّم B (17:20): يبدو هذا مخيفًا بعض الشيء.

المقدّم A (17:22): وربما ستبدو لنا بصريًا متكسّرة ومخيفة وعصية على الفهم. وبالنظر إلى وتيرة تكيّف الذكاء الاصطناعي، يبدو أن هذه الكفاءة المخيفة لم تعد خيالًا علميًا، بل هي ببساطة الخطوة التالية الحتمية في التطور.