على الرغم من الضجة الكبيرة والتصريحات المتفائلة من قادة التكنولوجيا مثل إيلون ماسك، يؤكد خبراء الروبوتات أن الروبوتات البشرية القادرة حقًا على أداء المهام اليومية لا تزال بعيدة المنال. السبب الرئيسي؟ فجوة هائلة في البيانات تقدر بـ 100,000 عام تفصل بين ما تحتاجه الروبوتات وما هو متاح حاليًا.
محتويات المقالة:
- مقدمة: بين الضجيج والواقع
- فجوة البيانات البالغة 100,000 عام
- لماذا تفوقت اللغة على المهارة اليدوية؟
- مفارقة مورافيك: ما هو سهل للبشر صعب على الآلات
- البيانات مقابل «الهندسة التقليدية»
- منطق «الإقلاع الذاتي»: الحل العملي
- الوظائف والجداول الزمنية: نظرة واقعية
- الحاجة إلى أجسام أذكى، وليس فقط عقول أذكى
- خاتمة: رسالة تصحيحية لا متشائمة
مقدمة: بين الضجيج والواقع
نشهد في الآونة الأخيرة موجة من الحماس حول الروبوتات البشرية (humanoid robots)، مع عروض مذهلة من شركات مثل تسلا، وFigure، وبوسطن ديناميكس. يطلق قادة التكنولوجيا وعودًا جريئة حول مستقبل يمكن فيه لهذه الروبوتات أن تحل محل البشر في المصانع والمنازل والمستشفيات. ولكن ورقتين بحثيتين جديدتين نشرهما عالم الروبوتات كين غولدبيرغ من جامعة كاليفورnia، بيركلي، تقدمان رؤية أكثر واقعية وتحديًا، حيث تجادلان بأن الروبوتات البشرية القادرة حقًا لا تزال أبعد بكثير مما توحي به الجداول الزمنية المتفائلة.
فجوة البيانات البالغة 100,000 عام
النقطة المحورية في حجة غولدبيرغ هي وجود «فجوة بيانات تمتد لـ 100,000 عام». يشرح أن نماذج اللغة الكبيرة (LLMs) مثل ChatGPT تمكنت من تحقيق قفزات هائلة لأنها تدربت على كميات فلكية من البيانات النصية المتاحة على الإنترنت. لكن الروبوتات تحتاج إلى نوع مختلف تمامًا من البيانات: بيانات غنية ومجسدة (embodied data) تصف التفاعلات الجسدية الدقيقة مع العالم الحقيقي. ويقدر غولدبيرغ أن كمية البيانات الجسدية اللازمة لتدريب روبوت ليتقن المهارات الحركية تعادل ما يمكن جمعه على مدى 100,000 عام، وهي فجوة هائلة مقارنة بالبيانات النصية التي غذت ثورة نماذج اللغة.
لماذا تفوقت اللغة على المهارة اليدوية؟
يؤكد غولدبيرغ أن التلاعب الجسدي يظل أصعب عنق زجاجة في مجال الروبوتات. المهام البسيطة بالنسبة للبشر، مثل التقاط كأس زجاجي أو تغيير مصباح كهربائي، تتطلب إدراكًا دقيقًا لوضع الجسم، وتحديد مكان أطراف الأصابع، والتحكم في الاتصال، وردود فعل مستمرة. يقوم البشر بذلك دون عناء، لكن الروبوتات لا تستطيع ذلك. مقترحات جمع بيانات التدريب من مقاطع الفيديو على الإنترنت تفشل لأن اللقطات ثنائية الأبعاد نادرًا ما تكشف عن الحركات والقوى والاتصالات ثلاثية الأبعاد الدقيقة التي يجب على الروبوت تقليدها.
مفارقة مورافيك: ما هو سهل للبشر صعب على الآلات
يعكس هذا التناقض ما يعرف بـ«مفارقة مورافيك». هذه المفارقة تنص على أن المهام التي تتطلب تفكيرًا عالي المستوى (مثل لعب الشطرنج أو حل المعادلات) سهلة نسبيًا على أجهزة الكمبيوتر، في حين أن المهام التي تتطلب مهارات حركية وإدراكية بسيطة بالنسبة للبشر (مثل المشي أو التعرف على الوجوه) صعبة للغاية على الآلات. إتقان الحركة والتلاعب الجسدي هو مثال كلاسيكي على هذه المفارقة.
البيانات مقابل «الهندسة التقليدية»
يصف البروفيسور غولدبيرغ وجود نقاش حالي في مجال الروبوتات. هناك معسكر يجادل بأن المزيد من البيانات وحدها ستفتح الباب أمام الروبوتات البشرية متعددة الأغراض. أما المعسكر الآخر، الذي يسميه «الهندسة التقليدية الجيدة»، فيعتمد على الفيزياء والرياضيات والنمذجة الصريحة للعالم. يرى غولدبيرغ مسارًا وسطيًا عمليًا: استخدام الهندسة لجعل الروبوتات وظيفية بشكل موثوق في مهام محدودة، ثم ترك تلك الروبوتات المنتشرة تجمع البيانات الواقعية اللازمة لتحسين أدائها.
منطق «الإقلاع الذاتي»: الحل العملي
يشير غولدبيرغ إلى أمثلة تتبع بالفعل هذا المنطق. مركبات وايمو ذاتية القيادة تجمع البيانات باستمرار أثناء عملها، مما يحسن الأداء بمرور الوقت. تستخدم شركة Ambi Robotics نفس النمط لفرز الطرود في المستودعات: النشر، والجمع، والتحسين، والتكرار. من وجهة نظر غولدبيرغ، الطريق العملي إلى روبوتات أفضل ليس طوفانًا من البيانات دفعة واحدة، بل بيانات مكتسبة بشكل متكرر من أنظمة تقوم بالفعل بشيء مفيد.
الوظائف والجداول الزمنية: نظرة واقعية
فيما يتعلق بالجداول الزمنية، يرفض غولدبيرغ التوقعات الواثقة بتحقيق الروبوتات البشرية للتكافؤ السريع مع البشر. لا يرى اختراقات كاسحة في السنتين أو الخمس أو حتى العشر سنوات القادمة. أما بالنسبة للوظائف، فيجادل بأن الحرف اليدوية والمهن التي تتطلب مهارة يدوية (مثل السباكة والكهرباء والبناء) كانت «آمنة جدًا» لفترة طويلة لأنها تتطلب بالضبط التلاعب الماهر والتكيف الذي لا تزال الروبوتات تفتقر إليه.
الحاجة إلى أجسام أذكى، وليس فقط عقول أذكى
المشكلة ليست فقط في البيانات أو الخوارزميات. على الرغم من العروض الجذابة، لا تزال العديد من الروبوتات البشرية مقيدة بأجسامها. غالبًا ما تحرق الروبوتات الحالية طاقة كبيرة وتعتمد على تصحيحات حسابية مستمرة لأن أجهزتها تفتقر إلى «الذكاء الميكانيكي». التقارير عن ارتفاع درجة حرارة الروبوتات البشرية أو تعطلها في المسابقات، واستهلاكها طاقة أكثر من البشر للمشي البسيط، تسلط الضوء على هذه النقطة. القفزة التالية تتطلب على الأرجح أجسامًا أكثر تكيفًا ومستوحاة من علم الأحياء، بقدر ما تتطلب برامج تحكم أذكى.
خاتمة: رسالة تصحيحية لا متشائمة
رسالة غولدبيرغ ليست متشائمة، بل هي تصحيحية. التقدم حقيقي، لكنه غير متساوٍ، وأصعب المشاكل تكمن عند تقاطع البيانات والتحكم والتصميم المادي. إن إدارة التوقعات الآن، كما يجادل، ستحمي المجال من دورات الضجيج المبالغ فيها وتبقي الانتباه على العمل غير البراق – الهندسة والتجريب والنشر المستمر – الذي ينقل الروبوتات فعليًا من عروض المختبر إلى أدوات يمكن الاعتماد عليها.
أسئلة شائعة (FAQs)
1. ما هي «فجوة البيانات البالغة 100,000 عام»؟
هو تقدير لكمية الوقت اللازم لجمع بيانات التفاعل الجسدي الكافية لتدريب روبوت بشري ليصبح ماهرًا مثل الإنسان، مما يسلط الضوء على ندرة هذا النوع من البيانات مقارنة بالبيانات النصية.
2. لماذا نجحت نماذج اللغة بينما لا تزال الروبوتات تواجه صعوبة؟
لأن نماذج اللغة تدربت على نصوص الإنترنت الهائلة، بينما تفتقر الروبوتات إلى مصدر بيانات مماثل للتفاعلات الجسدية المعقدة.
3. ما هي مفارقة مورافيك؟
هي الملاحظة بأن المهام الصعبة فكريًا على البشر (مثل الرياضيات) سهلة على أجهزة الكمبيوتر، بينما المهام السهلة حركيًا على البشر (مثل المشي) صعبة للغاية على أجهزة الكمبيوتر.
4. هل ستحل الروبوتات البشرية محل الوظائف اليدوية قريبًا؟
وفقًا للخبراء، ليس قريبًا. الوظائف التي تتطلب مهارة يدوية وتكيفًا مع بيئات غير متوقعة لا تزال بعيدة جدًا عن متناول قدرات الروبوتات الحالية.
