الذكاء الاصطناعي للروبوتات والذكاء الاصطناعي الفيزيائي: العصر الجديد للأتمتة الذكية

الأتمتة: لماذا سيتحكم الذكاء الاصطناعي المادي في مصانع المستقبل – ويُحدث تحولاً جذرياً في صناعتك؟

يشهد الذكاء الاصطناعي منعطفًا جوهريًا. فبعد عقودٍ من عمل أنظمة الذكاء الاصطناعي في بيئات رقمية في المقام الأول، كتحليل البيانات أو توليد المحتوى، باتت هذه التقنية اليوم تخرج من نطاقها الافتراضي وتتجلى بشكل متزايد في الواقع المادي. هذا التحول إلى ما يُسمى بالذكاء الاصطناعي المادي - أو الذكاء المُجسّد - لا يُمثل قفزة تكنولوجية فحسب، بل يُنذر أيضًا بالثورة الصناعية القادمة، حيث تتحول الخوارزميات المجردة إلى أنظمة فاعلة تتفاعل مباشرةً مع عالمنا ثلاثي الأبعاد.

إن البعد الاقتصادي لهذا التحول مذهل: من المتوقع أن ينمو السوق العالمي للذكاء الاصطناعي المادي من 5.41 مليار دولار أمريكي في عام 2025 إلى 61.19 مليار دولار أمريكي بحلول عام 2034. وفي الوقت نفسه، يتوسع مشهد الذكاء الاصطناعي بأكمله بزخم مماثل، مما يشير إلى تحول هيكلي عميق في كيفية تفاعل الشركات والصناعات والمجتمعات مع الأتمتة والذكاء في المستقبل.

لكن الذكاء الاصطناعي الفيزيائي يتجاوز مجرد تطبيق الخوارزميات في الروبوتات. فبينما يعتمد الذكاء الاصطناعي الروبوتي التقليدي غالبًا على أنظمة جامدة مُبرمجة لمهام محددة، يُمثل الذكاء الاصطناعي الفيزيائي نهجًا شموليًا. فهو قائم على نماذج أساسية قابلة للتعميم تُطور معرفة جوهرية بالعالم وتُمكّن من فهم شامل للبيئة - وهو تطور يقود من بنى الحوسبة السحابية المركزية إلى الذكاء الاصطناعي الطرفي اللامركزي الذي يُتحكم فيه محليًا.

يتجاوز هذا الجيل الجديد من الأنظمة، والذي يُشار إليه غالبًا بالذكاء الاصطناعي الفيزيائي المستقل أو الذكاء الاصطناعي المُجسّد، قيود الذكاء الاصطناعي الرقمي من خلال سدّ الفجوة بين العالم الرقمي والفيزيائي عبر شبكات استشعار متطورة، ومعالجة البيانات في الوقت الفعلي، وقدرات اتخاذ القرارات المستقلة. ويكمن الهدف الأساسي في تطوير آلات لا تقتصر وظيفتها على تنفيذ الأوامر فحسب، بل تفهم العالم الحقيقي أيضًا، وتستطيع الاستجابة بمرونة للتحديات غير المتوقعة، بدءًا من التحكم الذاتي في الروبوتات الشبيهة بالبشر في المصانع، وصولًا إلى التقنيات الزراعية الدقيقة في الحقول. ويُعزى هذا التطور بشكل كبير إلى نماذج الرؤية واللغة والحركة (VLAs) وعمليات المحاكاة القائمة على الفيزياء في التوائم الرقمية، والتي تُمكّن من توليد بيانات آمنة وقابلة للتوسع لتدريب هذه الأنظمة الروبوتية.

عندما تتعلم الآلات التفكير والتفاعل مع العالم - لماذا يُبشّر اندماج العالم الرقمي والمادي بالثورة الصناعية القادمة؟

لقد بلغ تطور الذكاء الاصطناعي منعطفًا حاسمًا. فبعد عقودٍ اقتصرت فيها أنظمة الذكاء الاصطناعي على العمل في الفضاء الرقمي، مقتصرةً على معالجة البيانات وإنتاج النصوص والصور والتحليلات، يشهد العالم اليوم تحولًا جذريًا. إذ يخرج الذكاء الاصطناعي من نطاقه الافتراضي، ويتجلى بشكل متزايد في الواقع المادي. ويمثل هذا التطور الانتقال من الذكاء الرقمي البحت إلى الذكاء المتجسد، ومن الخوارزميات المجردة إلى الأنظمة الفاعلة القادرة على التدخل المباشر في عالمنا ثلاثي الأبعاد.

توقعات السوق والبعد الاقتصادي

يُجسّد السوق العالمي للذكاء الاصطناعي المادي بوضوح حجم هذا التحوّل. فبعد أن بلغت قيمته 5.41 مليار دولار أمريكي في عام 2025، من المتوقع أن ينمو هذا السوق إلى 61.19 مليار دولار أمريكي بحلول عام 2034، ما يُمثّل معدل نمو سنوي متوسط ​​قدره 31.26%. ويتوقع محللون آخرون نموًا أسرع، حيث تتراوح تقديراتهم بين 3.78 مليار دولار أمريكي في عام 2024 و67.91 مليار دولار أمريكي بحلول عام 2034، وهو ما يُعادل معدل نمو سنوي قدره 33.49%. ولا تُعكس هذه الأرقام المذهلة مجرد اتجاه تكنولوجي، بل تُشير إلى تحوّل هيكلي في كيفية تفاعل الشركات والصناعات والمجتمعات مع الأتمتة والذكاء الاصطناعي.

بالتوازي مع ذلك، يشهد سوق أنظمة الذكاء الاصطناعي المستقلة نموًا متسارعًا. من المتوقع أن ينمو سوق الذكاء الاصطناعي المستقل عالميًا بمقدار 18.4 مليار دولار أمريكي بين عامي 2025 و2029، بمعدل نمو سنوي متوسط ​​قدره 32.4%. وتُظهر التوقعات لسوق الذكاء الاصطناعي ككل صورةً أوسع نطاقًا، إذ من المتوقع أن يرتفع من 294.16 مليار دولار أمريكي في عام 2025 إلى 1,771.62 مليار دولار أمريكي بحلول عام 2033. وتُبين هذه الأرقام أن الذكاء الاصطناعي لم يعد مجرد أداة لتحسين العمليات القائمة، بل يتطور ليصبح محركًا أساسيًا للتحول الاقتصادي.

من السحابة إلى الحافة: تحول نموذجي

قد يبدو التمييز بين الذكاء الاصطناعي الفيزيائي والذكاء الاصطناعي الروبوتي التقليدي دقيقًا للوهلة الأولى، ولكنه عند التدقيق فيه، يتضح أنه جوهري لفهم الثورة التكنولوجية الحالية. يعمل كلا المفهومين عند تقاطع الذكاء الرقمي والتجسيد المادي، إلا أن مناهجهما وقدراتهما وإمكانياتهما تختلف اختلافًا جذريًا. فبينما يعتمد الذكاء الاصطناعي الروبوتي التقليدي على أنظمة متخصصة مُبرمجة لمهام محددة، يُمثل الذكاء الاصطناعي الفيزيائي نهجًا شموليًا قائمًا على نماذج أساسية قابلة للتعميم، مما يُتيح إدراكًا أساسيًا للعالم في سياقاته المادية.

يؤدي التقاء هذين المسارين التطويريين إلى ظهور جيل جديد من الأنظمة يُعرف باسم الذكاء الاصطناعي الفيزيائي المستقل. تجمع هذه الأنظمة بين إتاحة الذكاء الاصطناعي عالي الأداء للجميع من خلال نماذج مفتوحة المصدر، ودمج الذكاء الاصطناعي في أنظمة فيزيائية قادرة على العمل بشكل مستقل ولا مركزي، وبمعزل عن البنى التحتية السحابية المركزية. يُمثل هذا التطور تحولاً هيكلياً من بنية الحوسبة السحابية المركزية إلى بنية تحتية للذكاء الاصطناعي لا مركزية ومُدارة محلياً.

الفروق المفاهيمية والأسس

يتطلب التمييز بين الذكاء الاصطناعي الفيزيائي، والذكاء الاصطناعي الروبوتي، والمفاهيم ذات الصلة، توضيحًا مفاهيميًا دقيقًا، إذ غالبًا ما تتضمن المناقشات الحالية خلطًا يُعقّد فهم تفاصيل كلٍّ منها. وتستند الأسس المفاهيمية لهذه التقنيات إلى تقاليد علمية مختلفة، وتسعى في بعض الحالات إلى تحقيق أهداف متباينة.

في مفهومها التقليدي، تشير تقنية الذكاء الاصطناعي في الروبوتات إلى تطبيق الذكاء الاصطناعي في الآلات المادية المبرمجة لأداء مهام محددة تلقائيًا. يُمثل الروبوت الجانب المادي، أي الآلة المادية بمستشعراتها ومحركاتها ومكوناتها الميكانيكية. أما الذكاء الاصطناعي، فيعمل كبرنامج يعتمد على الخوارزميات والتعلم الآلي، مما يُتيح اتخاذ القرارات ومعالجة البيانات بشكل مستقل. على عكس الروبوتات، لا يمتلك الذكاء الاصطناعي وجودًا ماديًا، بل يقتصر وجوده على شكل برنامج. والجدير بالذكر أنه على الرغم من إمكانية تطبيق الذكاء الاصطناعي في الروبوتات لتعزيز قدراتها، إلا أنه ليس شرطًا أساسيًا.

حدود الروبوتات الصناعية التقليدية

غالباً ما تعمل الروبوتات الصناعية التقليدية دون استخدام الذكاء الاصطناعي، حيث تُنفذ عمليات متكررة من خلال برمجة جامدة من نقطة إلى أخرى. هذه الأنظمة عبارة عن آلات تتحرك من نقطة إلى أخرى، مُطيعة لأوامر مُحددة مسبقاً دون القدرة على تفسيرها بنفسها. هذا يجعل العمليات جامدة وغير مرنة. استخدام الذكاء الاصطناعي هو ما يُمكّن الروبوتات أخيراً من استخدام عيون على شكل كاميرات ثلاثية الأبعاد، لـ"رؤية" الأشياء، والاستفادة من الذكاء المحلي لإنشاء خطط حركتها الخاصة والتعامل مع الأشياء دون الحاجة إلى برمجة دقيقة من نقطة إلى أخرى.

الذكاء الاصطناعي الفيزيائي: أكثر من مجرد برمجة

يتجاوز مفهوم الذكاء الاصطناعي الفيزيائي هذا التعريف بكثير. فهو يصف دمج الذكاء الاصطناعي في أنظمة مثل السيارات والطائرات المسيّرة والروبوتات، مما يُمكّن الذكاء الاصطناعي من التفاعل مع العالم المادي الحقيقي. يُحوّل الذكاء الاصطناعي الفيزيائي التركيز من أتمتة المهام المتكررة إلى تعزيز استقلالية النظام، ما يفتح آفاقًا جديدة للتطبيقات ويُوسّع نطاق السوق. يشير الذكاء الاصطناعي الفيزيائي إلى أنظمة الذكاء الاصطناعي التي تفهم العالم الحقيقي وتتفاعل معه باستخدام المهارات الحركية، والتي غالبًا ما توجد في الآلات ذاتية التشغيل مثل الروبوتات والمركبات ذاتية القيادة والمساحات الذكية.

على عكس الذكاء الاصطناعي التقليدي، الذي يعمل حصراً في المجالات الرقمية، يربط الذكاء الاصطناعي الفيزيائي بين العالمين الرقمي والفيزيائي من خلال شبكات استشعار متطورة، ومعالجة البيانات في الوقت الفعلي، وقدرات اتخاذ القرارات الذاتية. تُمكّن هذه التقنية الآلات من مراقبة بيئاتها باستخدام أجهزة الاستشعار، ومعالجة هذه المعلومات باستخدام الذكاء الاصطناعي، وتنفيذ إجراءات فيزيائية عبر المحركات. ويكمن الاختلاف الجوهري في أن الذكاء الاصطناعي الفيزيائي يجمع البيانات باستمرار من البيئات الفيزيائية عبر أجهزة استشعار متعددة في آنٍ واحد، مما يُتيح له فهماً شاملاً للبيئة.

الذكاء الاصطناعي المجسد: الذكاء من خلال التفاعل

يشير الذكاء الاصطناعي المُجسّد، أو الذكاء الاصطناعي عمومًا، إلى اتجاه حديث في أبحاث الذكاء الاصطناعي يتبع نظرية التجسيد. تفترض هذه النظرية أن الذكاء يجب فهمه في سياق الكائنات المادية التي تتصرف في عالم مادي واجتماعي حقيقي. على عكس التعلم الآلي التقليدي في مجال الروبوتات، يشمل الذكاء الاصطناعي المُجسّد جميع جوانب التفاعل والتعلم داخل البيئة: من الإدراك والفهم إلى التفكير والتخطيط، وصولًا إلى التنفيذ أو التحكم.

ركزت الأبحاث المبكرة في مجال الذكاء الاصطناعي على تصور عمليات التفكير باعتبارها معالجة رمزية مجردة أو عمليات حسابية. وانصب التركيز على الخوارزميات وبرامج الحاسوب، مع اعتبار الأجهزة الأساسية غير ذات صلة إلى حد كبير. وكان رودني بروكس، عالم الحاسوب وعالم الإدراك الأسترالي، من أوائل من تحدوا هذا المنظور بشكل جذري. ففي محاضرته المؤثرة، انتقد الممارسة الشائعة آنذاك في تطوير أنظمة الذكاء الاصطناعي باستخدام منهجية من أعلى إلى أسفل تركز على محاكاة قدرات الإنسان على حل المشكلات والاستدلال.

جادل بروكس بأن نماذج الذكاء التي طُوّرت ضمن أبحاث الذكاء الاصطناعي التقليدية، والتي كانت تعتمد اعتمادًا كبيرًا على إمكانيات الحواسيب المتاحة آنذاك، لا تكاد تُشبه آلية عمل الأنظمة البيولوجية الذكية. ويتضح ذلك من حقيقة أن معظم الأنشطة التي يمارسها الناس في حياتهم اليومية ليست حلًا للمشكلات ولا تخطيطًا، بل هي سلوك روتيني في بيئة هادئة نسبيًا، ولكنها ديناميكية للغاية. وكما يعتمد التعلّم البشري على الاستكشاف والتفاعل مع البيئة، يجب على الكائنات الحية أن تُحسّن سلوكها من خلال التجربة.

يتجاوز الذكاء الاصطناعي المُجسّد قيود الذكاء الاصطناعي الرقمي من خلال التفاعل مع العالم الحقيقي عبر أنظمة ذكاء اصطناعي مادية. ويهدف إلى سدّ الفجوة بين الذكاء الاصطناعي الرقمي وتطبيقاته العملية. بالنسبة للعامل الذكي المُجسّد، يلعب هيكله المادي وخصائصه وقدراته الحسية وإمكانياته الحركية دورًا حاسمًا. لا ينبغي للذكاء أن يوجد بمعزل عن غيره، بل أن يتجلى من خلال تفاعل متنوع ومتعدد الوسائط مع البيئة.

النماذج التوليدية ومحاكاة الواقع

يُوسّع الذكاء الاصطناعي التوليدي الفيزيائي نطاق نماذج الذكاء الاصطناعي التوليدي الحالية بإضافة القدرة على فهم العلاقات المكانية والعمليات الفيزيائية في عالمنا ثلاثي الأبعاد. ويُصبح هذا التوسع ممكنًا من خلال دمج بيانات إضافية في عملية تدريب الذكاء الاصطناعي، وهي بيانات تحتوي على معلومات حول البنى المكانية والقوانين الفيزيائية للعالم الحقيقي. تُدرَّب نماذج الذكاء الاصطناعي التوليدي، مثل نماذج اللغة، باستخدام كميات هائلة من بيانات النصوص والصور، وتُبهر بقدرتها على توليد لغة شبيهة باللغة البشرية وتطوير مفاهيم مجردة. ومع ذلك، فإن فهمها للعالم الفيزيائي وقواعده محدود؛ فهي تفتقر إلى السياق المكاني.

تبدأ عملية توليد البيانات القائمة على الفيزياء بإنشاء توأم رقمي، كمصنع مثلاً. تُدمج أجهزة الاستشعار والآلات ذاتية التشغيل، كالروبوتات، في هذا الفضاء الافتراضي. ثم تُجرى محاكاة سيناريوهات واقعية استناداً إلى عمليات محاكاة فيزيائية، حيث تلتقط أجهزة الاستشعار تفاعلات متنوعة، كديناميكيات الأجسام الصلبة (كالحركات والاصطدامات) أو تفاعل الضوء مع بيئته. تُكافئ هذه التقنية نماذج الذكاء الاصطناعي الفيزيائية على إنجاز المهام بنجاح في المحاكاة، مما يُمكّنها من التكيف والتحسين المستمر.

من خلال التدريب المتكرر، تتعلم الآلات ذاتية التشغيل التكيف مع المواقف الجديدة والتحديات غير المتوقعة، مما يهيئها للتطبيقات العملية. ومع مرور الوقت، تكتسب هذه الآلات مهارات حركية دقيقة ومتطورة لاستخدامات عملية مثل تعبئة الصناديق بدقة، ودعم عمليات الإنتاج، أو التنقل الذاتي في بيئات معقدة. حتى الآن، لم تكن الآلات ذاتية التشغيل قادرة على إدراك محيطها وتفسيره بشكل كامل. أما الآن، فإن الذكاء الاصطناعي الفيزيائي التوليدي يُتيح تطوير وتدريب روبوتات قادرة على التفاعل بسلاسة مع العالم الحقيقي والتكيف بمرونة مع الظروف المتغيرة.

البنية التكنولوجية والوظائف

يرتكز الأساس التكنولوجي للذكاء الاصطناعي الفيزيائي وأنظمة الذكاء الاصطناعي الروبوتية المتقدمة على التفاعل بين عدة تقنيات رئيسية، والتي لا تُمكّن القدرات المذهلة للأنظمة المستقلة الحديثة إلا بتضافرها. ويختلف هذا التصميم اختلافًا جوهريًا عن حلول الأتمتة التقليدية من خلال قدرته على التعميم والتعلم المستمر والتكيف مع البيئات غير المنظمة.

في صميم هذه الثورة التكنولوجية تكمن نماذج الأساس، وهي أنظمة ذكاء اصطناعي ضخمة مُدرَّبة مسبقًا، والتي أصبحت مصطلحًا جامعًا لأنظمة الذكاء الاصطناعي الضخمة الشائعة اليوم منذ عام 2021. تُدرَّب هذه النماذج مبدئيًا بشكل مكثف باستخدام كميات هائلة من البيانات، ويمكن بعد ذلك تكييفها مع نطاق واسع من المهام من خلال تدريب متخصص بسيط نسبيًا، يُعرف باسم الضبط الدقيق. يُمكّن هذا التدريب المسبق نماذج الأساس ليس فقط من فهم اللغة، بل والأهم من ذلك، من تطوير معرفة واسعة بالعالم والتفكير المنطقي والاستدلالي والتجريدي والتخطيط إلى حد ما.

تجعل هذه الخصائص نماذج الأساس مناسبةً للغاية للتحكم في الروبوتات، وهو مجالٌ خضع لبحوثٍ مكثفةٍ على مدى ثلاث سنواتٍ تقريبًا، ويقود حاليًا إلى ثورةٍ في علم الروبوتات. وبفضل هذه الخصائص، تتفوق هذه النماذج بشكلٍ كبيرٍ على الذكاء الاصطناعي التقليدي والمتخصص في الروبوتات. لهذه الأسباب، يُمثل استخدام نماذج الأساس المناسبة كعقولٍ للروبوتات إنجازًا بارزًا، ويفتح لأول مرة الطريق لتطوير روبوتاتٍ ذكيةٍ حقًا، وعمليةٍ، وبالتالي قابلةٍ للتطبيق عالميًا.

نماذج الرؤية واللغة والحركة (VLA): عقل الروبوت

بخلاف نماذج الأساس القياسية، التي لا تُصمَّم أو تُحسَّن خصيصًا للروبوتات ومتطلباتها، تُدرَّب نماذج أساس الروبوتات على مجموعات بيانات خاصة بها، وتتميز بتعديلات معمارية مُحدَّدة. عادةً ما تكون هذه النماذج نماذج رؤية-لغة-حركة (SNAs) تُعالج الكلام، بالإضافة إلى بيانات الصور والفيديو من الكاميرات كمدخلات، وتُدرَّب على إخراج حركات مباشرة، أي أوامر حركة لمفاصل الروبوت ومحركاته.

كان إطلاق نظام RT-2 من جوجل ديب مايند في منتصف عام 2023 علامة فارقة في هذا التطور، إذ يُمثل أول نظام VLA بالمعنى الدقيق للكلمة. تشمل النماذج الحالية نظام OpenVLA مفتوح المصدر الذي طُرح عام 2024، بالإضافة إلى أنظمة متطورة أخرى. يتميز تصميم هذه النماذج بتعقيده الشديد، ويتضمن عادةً مُشفِّرًا مرئيًا يُحوِّل صور الكاميرا إلى تمثيلات رقمية، ونموذجًا لغويًا ضخمًا يُشكِّل نواة للاستدلال والتخطيط، ووحدات فك تشفير متخصصة تُولِّد أوامر روبوتية متواصلة.

التفكير المجسد: الفهم والتصرف

يكمن أحد الجوانب الرئيسية لأنظمة الذكاء الاصطناعي الفيزيائية الحديثة في قدرتها على الاستدلال التجسيدي، أي قدرة النماذج على فهم العالم المادي وكيفية التفاعل معه. يشمل الاستدلال التجسيدي مجموعة المعارف العالمية التي تتضمن المفاهيم الأساسية اللازمة للعمل والتصرف في عالم مادي متجسد بطبيعته. هذه إحدى قدرات نماذج لغة الرؤية (VLMs)، ولا تقتصر بالضرورة على الروبوتات. يتضمن اختبار الاستدلال التجسيدي ببساطة تزويد نماذج لغة الرؤية بالصور.

تندرج مهام رؤية الحاسوب الكلاسيكية، مثل التعرف على الأشياء ومطابقة الصور المتعددة، ضمن الاستدلال المجسد. تُعبَّر هذه المهام جميعها عن طريق توجيهات صوتية. كما يمكن اختبار الاستدلال المجسد من خلال الإجابة على الأسئلة المرئية، حيث تختبر هذه الأسئلة الفهم اللازم للتفاعل مع البيئة. إضافةً إلى الاستدلال الفيزيائي العام، يمكن للأنظمة استخدام المعرفة المحيطة لاتخاذ القرارات. على سبيل المثال، قد يُطلب من روبوت إحضار وجبة خفيفة صحية من المطبخ، حيث تُستخدم المعرفة المحيطة في نظام إدارة الحياة الافتراضية (VLM) لتحديد كيفية تنفيذ هذا الأمر الغامض.

في تطبيقات الروبوتات، من الضروري الاستفادة من هذا الفهم لتمكين تنفيذ إجراءات فعّالة في العالم الحقيقي. وهذا يعني ترجمة الفهم العام إلى أوامر تحكم دقيقة عبر واجهات برمجة التطبيقات (APIs) الخاصة بأجهزة الروبوت. لكل روبوت واجهة مختلفة، ولا تتضمن نماذج التعلم الآلي الافتراضية (VLMs) معلومات حول كيفية التحكم في الروبوت. يكمن التحدي في توسيع النماذج الكبيرة المدربة مسبقًا بحيث يمكنها إخراج إجراءات متواصلة لأنواع محددة من الروبوت مع الحفاظ على القدرات القيّمة لنموذج التعلم الآلي الافتراضي.

يُعدّ نموذج Action Expert حلاً مبتكرًا لهذا التحدي، فهو نموذج محوّل ذو عدد طبقات مماثل ولكن بأبعاد تضمين وعرض شبكة عصبية متعددة الطبقات أصغر. يجب أن تتطابق رؤوس الانتباه وبُعد التضمين لكل رأس مع النموذج الرئيسي للسماح باستخدام رموز البادئة في آلية الانتباه. أثناء المعالجة، تمر رموز اللاحقة عبر محوّل Action Expert، مُدمجةً تضمينات KV من البادئة، والتي تُحسب مرة واحدة ثم تُخزّن مؤقتًا.

التقنيات الرئيسية: المحاكاة، والذكاء الاصطناعي على الحافة، والتعلم النقل

يعتمد تحقيق الذكاء الاصطناعي الفيزيائي على التفاعل بين ثلاث تقنيات رئيسية. أولاً، تُمكّن المحاكاة الواقعية، على شكل توائم رقمية، من رسم خرائط دقيقة للعمليات وتدفقات المواد والتفاعلات، وهو أمر بالغ الأهمية لتعلم الروبوتات المستقلة. ثانياً، تضمن أجهزة الذكاء الاصطناعي الطرفية تشغيل أنظمة الذكاء الاصطناعي محلياً على الروبوت، على سبيل المثال، عبر أنظمة مدمجة تعتمد على وحدات معالجة الرسومات. ثالثاً، تُمكّن تقنيات الرؤية الحاسوبية المتقدمة أنظمة التعرف البصري من تحديد مختلف الأجسام والأشكال والاختلافات.

يحدث تعلم الروبوت عندما تُدرَّب نماذج الذكاء الاصطناعي في بيئات محاكاة، ثم تُنقل معارفها إلى روبوتات حقيقية. يُسرِّع التعلم بالنقل بشكل ملحوظ عملية التكيف مع المهام الجديدة. يُمكِّن تحليل البيانات في الوقت الفعلي، باستخدام منصات مثل Microsoft Fabric، من تحليل بيانات العمليات، وتحديد نقاط الضعف، واستنباط التحسينات. يُعاد إنشاء الواقع والآلة افتراضيًا بكل قوانينهما ومواصفاتهما الطبيعية. ثم يتعلم هذا التوأم الرقمي، على سبيل المثال، من خلال التعلم المعزز، كيفية التحرك بدقة دون تصادم، وكيفية تنفيذ الحركات المطلوبة، وكيفية التفاعل مع مختلف السيناريوهات المُحاكاة.

يستطيع الذكاء الاصطناعي اختبار عدد لا يحصى من المواقف دون أي مخاطرة أو إلحاق الضرر بالروبوت الحقيقي. تُنقل البيانات الناتجة إلى الروبوت الحقيقي بعد أن يكتسب التوأم الرقمي المعرفة الكافية. لا تقتصر وظيفة الروبوتات المجهزة بأنظمة ذكاء اصطناعي مناسبة على تنفيذ برامج جامدة، بل تتعداها إلى اتخاذ القرارات والتكيف. يُستخدم الذكاء الاصطناعي المادي لتزويد الروبوتات بفهم السياق والظروف المحيطة. عمليًا، يعني هذا أن الروبوتات المزودة بذكاء اصطناعي مادي قادرة على إتقان العمليات المتغيرة والتي تتطلب القدرة على التكيف.

البيانات كوقود: التحديات والحلول

يُعدّ توليد البيانات لتدريب هذه الأنظمة جانبًا بالغ الأهمية. فبينما تُدرَّب نماذج التعلم الآلي المرئي (VLMs) على تريليونات من البيانات المُستقاة من الإنترنت، يُمكن تحقيق عدد مماثل من البيانات باستخدام بيانات الروبوتات. يحتوي مشروع Open X-Embodiment على 2.4 مليون حلقة. وبافتراض مدة 30 ثانية لكل حلقة، ومعدل أخذ عينات للإطارات 30 هرتز، وحوالي 512 رمزًا مرئيًا لكل إطار، يُمكن الوصول إلى أكثر من تريليون رمز. يجمع هذا الجهد الجماعي من 21 مؤسسة أكاديمية وصناعية 72 مجموعة بيانات مختلفة من 27 روبوتًا مختلفًا، ويُغطي 527 قدرة عبر 160,266 مهمة.

يمثل توحيد البيانات من أنواع الروبوتات المختلفة ذات المستشعرات ومساحات العمل المتباينة في تنسيق موحد تحديًا تقنيًا هائلًا، ولكنه أمر بالغ الأهمية لتطوير نماذج قابلة للتعميم. تُستخدم نماذج المؤسسة العالمية لإنشاء أو تكرار بيانات تدريب قابلة للتوسع لنماذج المؤسسة الروبوتية، حيث يُعدّ النقص النسبي في بيانات التدريب ذات الصلة بالروبوتات حاليًا أكبر عائق أمام تطويرها.

استفد من الخبرة الواسعة التي تقدمها Xpert.Digital في حزمة خدمات شاملة | البحث والتطوير، والواقع المعزز، والعلاقات العامة، وتحسين الرؤية الرقمية - الصورة: Xpert.Digital

تتمتع Xpert.Digital بمعرفة متعمقة بمختلف الصناعات. يتيح لنا ذلك تطوير استراتيجيات مصممة خصيصًا لتناسب متطلبات وتحديات قطاع السوق المحدد لديك. ومن خلال التحليل المستمر لاتجاهات السوق ومتابعة تطورات الصناعة، يمكننا التصرف ببصيرة وتقديم حلول مبتكرة. ومن خلال الجمع بين الخبرة والمعرفة، فإننا نولد قيمة مضافة ونمنح عملائنا ميزة تنافسية حاسمة.

المزيد عنها هنا:

• استخدم خبرة Xpert.Digital 5x في حزمة واحدة - بدءًا من 500 يورو شهريًا فقط

من الزراعة الذكية إلى تجارة التجزئة الذكية: حيث يُعيد الذكاء الاصطناعي المادي تعريف مفهوم خلق القيمة – الصورة: Xpert.Digital

مجالات التطبيق الخاصة بالصناعة وإمكانات السوق

يتطور التطبيق العملي للذكاء الاصطناعي المادي وأنظمة الذكاء الاصطناعي الروبوتية المتقدمة في مختلف الصناعات وحالات الاستخدام، حيث يقدم كل قطاع متطلبات وتحديات وإمكانيات محددة. ويُظهر تحليل الأسواق المختلفة بوضوح أن اتباع نهج واحد يناسب الجميع ليس الأمثل لجميع الصناعات؛ بل إن الخصائص المحددة لكل صناعة هي التي تحدد شكل الأتمتة الذكية الذي يحقق أكبر الفوائد.

يتجلى استخدام الذكاء الاصطناعي المادي بوضوح في التصنيع والإنتاج الصناعي، وتتصدر صناعة السيارات هذا التحول. تُعدّ بي إم دبليو أول شركة سيارات تختبر روبوتات شبيهة بالبشر في الإنتاج، وتحديدًا روبوت Figure 02 في مصنعها بمدينة سبارتانبرغ الأمريكية. وعلى عكس روبوت Optimus من تسلا، الذي لا يزال في مرحلة التصميم، يقوم روبوت Figure 02، الذي يُتحكم فيه بالذكاء الاصطناعي، بالفعل بأخذ قطع معدنية من الرفوف ووضعها في الآلة، وهي مهمة كان يقوم بها البشر تقليديًا في مصانع السيارات.

تعتزم شركتا BMW و Figure AI التعاون لاستكشاف مواضيع تكنولوجية مثل الذكاء الاصطناعي، والتحكم بالروبوتات، ومحاكاة عمليات التصنيع، ودمج الروبوتات. يشهد قطاع صناعة السيارات، وبالتالي إنتاج المركبات، تطوراً سريعاً. ويُمكن أن يُساهم استخدام الروبوتات متعددة الأغراض في زيادة الإنتاجية، وتلبية متطلبات العملاء المتزايدة، وتمكين فرق العمل من التركيز على التغييرات المستقبلية. ويتمثل الهدف طويل الأجل في تخفيف الأعباء عن عمال المصانع من المهام الشاقة والمرهقة.

تستفيد الأتمتة الصناعية من الذكاء الاصطناعي المادي من خلال دمج التوائم الرقمية، والذكاء الاصطناعي الطرفي، والروبوتات، مما يُعيد تعريف مفهوم الأتمتة. في مجال الإنتاج، تُتيح ما يُسمى بالتوائم الحية - وهي نماذج رقمية لا تقتصر على وصف العمليات فحسب، بل تتحكم بها بشكل فعّال - إمكانيات جديدة. فهي تُمكّن من تحديد نقاط الاختناق قبل أن تُصبح حرجة، واختبار العمليات الجديدة وتقييم البدائل، بالإضافة إلى تدريب الأنظمة المستقلة دون أي مخاطر. وبشكل خاص في مجالات الخدمات اللوجستية 4.0 والتخزين الذكي، تُحسّن التوائم الحية موثوقية التخطيط، والتشغيل الآمن، وسرعة الاستجابة.

الخدمات اللوجستية 4.0: اختبار التوائم الرقمية عملياً

يُجسّد مثال مجموعة KION بوضوح كيف يُمكن للذكاء الاصطناعي المادي دعم الخدمات اللوجستية للمستودعات في العالم الحقيقي. تعمل KION بالتعاون مع Accenture وNVIDIA على تطوير حلٍّ يتم فيه تدريب الروبوتات الذكية بالكامل ضمن نموذج رقمي مُحاكي للمستودع. هناك، تتعلم الروبوتات عمليات مثل التحميل والتفريغ، وتجهيز الطلبات، وإعادة التعبئة قبل نشرها في المستودع الفعلي. يعتمد النظام على منصة المحاكاة NVIDIA Omniverse. بالإضافة إلى ذلك، يُستخدم NVIDIA Mega، وهو إطار عمل ضمن Omniverse مُصمم خصيصًا للتطبيقات الصناعية، لدعم المحاكاة المتوازية للأنظمة الكاملة وأساطيل الروبوتات.

تتجلى المزايا بوضوح في عدة جوانب. فمحاكاة عمليات المستودعات النموذجية تقلل بشكل كبير من الأخطاء في العمليات الواقعية. كما أن التدريب آمن وسريع ولا يتطلب موارد حقيقية. بعد التدريب الناجح، تتولى الروبوتات مهامًا واقعية، يتم التحكم بها في الوقت الفعلي بواسطة نظام ذكاء اصطناعي يعمل مباشرةً على الروبوت. علاوة على ذلك، تُمكّن التوائم الرقمية من التخطيط الاستراتيجي الاستباقي، مما يسمح للشركات باختبار وتحسين مختلف التصاميم ومستويات الأتمتة وتكوينات الموظفين افتراضيًا مسبقًا دون تعطيل العمليات الجارية.

يشهد قطاع الخدمات اللوجستية والنقل تحولاً شاملاً بفضل الذكاء الاصطناعي. ويُطبّق الذكاء الاصطناعي في مختلف مجالات الخدمات اللوجستية. ففي مجال التنبؤ بالطلب وتخطيط المبيعات، تعتمد 62% من الشركات على دعم الذكاء الاصطناعي، بينما تستخدمه 51% لتحسين الإنتاج، و50% لتحسين النقل. وتتراوح تطبيقاته بين التعرف على ملصقات المواد الخطرة المختلفة، والتمييز بين الأشياء التي لا تحمل أرقاماً تسلسلية أو ملصقات، وصولاً إلى تحليل بيانات المستشعرات المتعلقة بالأنشطة والحركات.

تستطيع أنظمة الذكاء الاصطناعي التنبؤ بمواعيد وصول وسائل النقل باستخدام بيانات من مصادر متعددة، وإعداد توقعات المبيعات باستخدام بيانات متعددة المتغيرات من سلاسل التوريد والمصادر العامة. كما تُجدول هذه الأنظمة فترات راحة الموظفين بالاعتماد على العلامات الحيوية وحركة الموظفين وبيانات تشغيل الآلات، وتُمكّن من التخطيط الآلي للأحمال باستخدام الشبكات العصبية الالتفافية، وتراقب اختيار وسيلة النقل لتحديد الحلول الأمثل تدريجيًا. ويتم تعزيز التفاعل بين الإنسان والآلة من خلال روبوتات صوتية مُدرّبة، بينما تستخدم روبوتات النقل أنماطًا بصرية لتحديد مواقعها وتوجيهها.

الرعاية الصحية: الدقة والمساعدة

يمثل قطاع الرعاية الصحية مجالًا حساسًا وواعدًا في الوقت نفسه. يستخدم أكثر من 40% من الأطباء في ألمانيا تقنيات مدعومة بالذكاء الاصطناعي في مرافقهم وعياداتهم. في الممارسة الطبية اليومية، يعني هذا أن أقسام الأشعة تستخدم الذكاء الاصطناعي لتحليل الصور، أو أن تطبيقات فحص الأعراض المدعومة بالذكاء الاصطناعي تُستخدم للتشخيص الأولي. يكمن أحد التطبيقات الرئيسية للذكاء الاصطناعي في التحليل الآلي للسجلات الطبية. إذ يُمكن للذكاء الاصطناعي دعم الأطباء في التشخيص لأنه يعتمد على كميات هائلة من البيانات الموجودة ويحللها، وهي كمية تفوق بكثير ما يمكن للطبيب جمعه طوال مسيرته المهنية.

تُستخدم ثلاثة أنواع من الروبوتات في نظام الرعاية الصحية الألماني: روبوتات العلاج، وروبوتات الرعاية، وروبوتات الجراحة. تستطيع روبوتات العلاج توجيه التمارين بشكل مستقل، بينما تدعم روبوتات الرعاية المتخصصين في الرعاية الصحية. أما روبوتات الجراحة، فتستطيع إجراء الشقوق الجراحية بشكل مستقل ومساعدة الجراحين. ويُعدّ استخدامها ضروريًا في بعض العمليات الجراحية طفيفة التوغل. يُساعد روبوت دافنشي من شركة إنتويتيف سيرجيكال الجراحين على إجراء عمليات جراحية دقيقة طفيفة التوغل من خلال الجمع بين تحكم الجراح البشري والذكاء الاصطناعي المُدمج، الذي يجمع بين الحدس البشري ودقة الروبوت.

يهيمن على سوق الذكاء الاصطناعي الفيزيائي في مجال الرعاية الصحية الروبوتات الجراحية، ولا سيما أنظمة الجراحة بمساعدة الروبوت، التي تصدرت السوق في عام 2024. ومن المتوقع أن تشهد قطاعات جراحة الأعصاب وجراحة العظام أعلى معدلات النمو خلال الفترة المتوقعة في مجال الروبوتات. وإلى جانب الأشعة وعلم الأمراض، تلعب تطبيقات الذكاء الاصطناعي دورًا متزايد الأهمية في التشخيص والتدخلات في جميع التخصصات الطبية. وفي الطب الشخصي، يدعم الذكاء الاصطناعي تحليل المؤشرات الحيوية.

الزراعة الذكية: الذكاء الاصطناعي في الحقل

يشهد قطاع الزراعة تطوراً ملحوظاً ليصبح مجالاً ديناميكياً للغاية لتطبيقات الذكاء الاصطناعي الفيزيائية. ويعمل ما يقارب نصف المزارع حالياً باستخدام الذكاء الاصطناعي. ويكمن أكبر إمكانات هذا الذكاء في التنبؤ بالمناخ والطقس، فضلاً عن تخطيط الحصاد والإنتاج، والتنبؤ بالمحاصيل. كما تحظى حلول العمل المكتبي اليومي باهتمام متزايد باعتبارها أدوات مساعدة محتملة. وتُعد الزراعة من رواد الذكاء الاصطناعي، حيث بات استخدامه ضرورة ملحة نظراً للأعباء المتزايدة التي تقع على عاتق مديري المزارع.

سيلعب الذكاء الاصطناعي الفيزيائي دورًا متزايد الأهمية في الزراعة وتصنيع الأغذية خلال السنوات القادمة. ففي السابق، كان فهم العديد من العمليات الطبيعية صعبًا، أما الآن فقد وصل التقدم التكنولوجي إلى درجة تمكّن الأنظمة من التفاعل بشكل فردي مع بيئتها. فهي تتكيف مع العالم القائم، بدلًا من الحاجة إلى إعادة تصميم العالم خصيصًا لها. ويعمل المزارعون المعاصرون بشكل متزايد بأسلوب هجين، يجمع بين العمل الحاسوبي والعمل اليدوي في الحقل. وتُستخدم تقنيات متنوعة في الحقول والحظائر لقياس البيانات وتحسين العمليات.

يشكّل تغيّر المناخ والنمو السكاني المطرد تحديات هائلة للزراعة الحديثة. ولمعالجة هذه المشكلات العالمية بفعالية، يُمكن أن يُسهم الاستخدام المُوجّه للذكاء الاصطناعي الفيزيائي في المزارع بمختلف أحجامها إسهامًا بالغ الأهمية. وخلافًا للاعتقاد السائد بأنّ هذه التقنيات مُناسبة فقط للمزارع الكبيرة، يُمكن للمشاريع الصغيرة على وجه الخصوص الاستفادة بشكل كبير من مزاياها. إذ يُتيح استخدام الآلات المُدمجة، مثل جزازات العشب الروبوتية الذكية أو آلات إزالة الأعشاب الضارة الآلية، تحقيق مكاسب في الكفاءة وأداء مهام لم يعد هناك عمالة مُتاحة لها في سوق العمل حاليًا.

تُسهم تقنيات التعرف على الصور وأجهزة الاستشعار في تطبيق المبيدات بدقة أكبر، بل وفي بعض الحالات، القضاء عليها تمامًا. وهذا لا يُحقق فوائد اقتصادية فحسب، بل بيئية أيضًا. يعمل مشروع "أغري-غايا"، المُموّل من قِبل الوزارة الاتحادية الألمانية للشؤون الاقتصادية والطاقة، على إنشاء بنية تحتية مفتوحة لتبادل خوارزميات الذكاء الاصطناعي في القطاع الزراعي. ويقوم شركاء المشروع من الجمعيات والمؤسسات البحثية والجهات السياسية والصناعية، بقيادة المركز الألماني لأبحاث الذكاء الاصطناعي (DFKI)، بتطوير نظام بيئي رقمي لقطاع الزراعة والغذاء، الذي يهيمن عليه الشركات الصغيرة والمتوسطة، وذلك بالاعتماد على مبادرة الحوسبة السحابية الأوروبية "غايا-إكس".

البيع بالتجزئة: نهاية الطابور

يشهد قطاع التجزئة تحولاً جذرياً في تجربة العملاء وكفاءة العمليات التشغيلية بفضل الذكاء الاصطناعي المادي والأنظمة القائمة عليه. يستطيع تجار التجزئة استخدام الذكاء الاصطناعي لتحسين توقعات الطلب على سلع محددة في مناطق مختلفة، وذلك من خلال الوصول إلى بيانات سلع أخرى وتحليلها، وبيانات من متاجر ذات خصائص ديموغرافية مماثلة، وبيانات من جهات خارجية مثل بيانات الطقس ومستويات الدخل. وقد استخدمت صيدلية وطنية مؤخراً الذكاء الاصطناعي لتتبع الطلب على لقاح معين والتنبؤ به، بالاعتماد على الاتجاهات الوطنية المُبلغ عنها للحكومة الفيدرالية.

يدمج تجار التجزئة الذكاء الاصطناعي مع بيانات الفيديو وأجهزة الاستشعار لإلغاء مناطق الدفع، مما يتيح للعملاء اختيار المنتجات من الرفوف ووضعها في سلال التسوق ومغادرة المتجر دون انتظار. وبفضل إلغاء طوابير وأنظمة الدفع، يمكن استغلال مساحة أكبر لعرض المنتجات. تستخدم إحدى سلاسل المتاجر الكبرى الوطنية الذكاء الاصطناعي لمسح المنتجات ذات الرموز الشريطية غير المقروءة وحساب قيمتها. وبفضل دمج الذكاء الاصطناعي مع كاميرات الفيديو وأجهزة استشعار الرفوف، يستطيع تجار التجزئة فهم حركة العملاء في متاجرهم بشكل أفضل وزيادة المبيعات لكل متر مربع.

تُحدد هذه التقنية المنتجات التي لا يُطيل العملاء النظر إليها، وتقترح على تجار التجزئة استبدالها بمنتجات أكثر جاذبية. كما يُمكن للذكاء الاصطناعي إنشاء عروض ترويجية مُستهدفة لمنتجات مُحددة على أجهزة العملاء المحمولة عند تواجدهم في المتجر المُناسب. وتُمكّن هذه التقنية أيضًا تجار التجزئة من تقديم باقات منتجاتهم بشكل أفضل. تستخدم علامات تجارية مثل زارا شاشات الواقع المعزز في متاجرها ليتمكن العملاء من تجربة الملابس افتراضيًا. وتركز متاجر البقالة مثل أمازون فريش على الدفع غير التلامسي وقوائم التسوق الرقمية المرتبطة بالأرفف الفعلية.

البناء: الكفاءة من خلال التخطيط الرقمي

يُعد قطاع البناء والتشييد تقليديًا قطاعًا لم يشهد رقمنة كافية، ولكنه يستفيد بشكل متزايد من تطبيقات الذكاء الاصطناعي. يُمكّن الذكاء الاصطناعي، إلى جانب أساليب الرقمنة الأخرى مثل نمذجة معلومات المباني (BIM) وإنترنت الأشياء (IoT) والروبوتات، من رفع الكفاءة في جميع مراحل سلسلة القيمة، بدءًا من إنتاج مواد البناء مرورًا بمراحل التصميم والتخطيط والإنشاء وصولًا إلى التشغيل والصيانة. ويقوم نظام التصميم الهندسي التوليدي بإنشاء وتقييم العديد من خيارات التصميم بناءً على أهداف قابلة للقياس مثل الراحة وكفاءة الطاقة وتصميم مكان العمل.

تتيح أساليب الذكاء الاصطناعي دراسة وتقييم عدد أكبر بكثير من المعايير والمتغيرات بسرعة فائقة. ويمكن لتحليل النصوص القائم على الذكاء الاصطناعي تقييم مجموعات القواعد تلقائيًا. ويتضمن ذلك استخدام أنظمة قائمة على القواعد بالتزامن مع تحليل النصوص القائم على الذكاء الاصطناعي. ويتم استخراج معلومات المبنى، كالأبعاد والمواد والأنظمة التقنية، وتحليلها ومقارنتها تلقائيًا بمجموعات القواعد النصية. كما يُمكّن استخدام النماذج التنبؤية القائمة على الذكاء الاصطناعي في المراحل الأولى من التصميم من الحصول على تقديرات سريعة ودقيقة لاستهلاك الطاقة.

تطبيقات الذكاء الاصطناعي في مجال الإنشاءات متطورة للغاية، وبعضها قيد الاستخدام بالفعل. يمكن لأساليب التعلم الآلي أن تساعد في تخطيط الإنشاءات، وتحديث عمليات البناء، ودعم مهام متنوعة. لا تقتصر وظيفة الروبوتات على نقل الأشياء فحسب، بل تشمل أيضاً طلاء الجدران، والقياس، واللحام. وتكشف الكاميرات وأجهزة الاستشعار الأخرى عن العوائق. كما تُستخدم الصور والسحب النقطية الملتقطة يدوياً أو بواسطة أنظمة ذاتية التشغيل لضمان الجودة أثناء الإنشاء. ويتم تدريب الشبكات العصبية على فحص جودة الأسطح والكشف عن التلف أو تغير اللون.

خبرتنا في الاتحاد الأوروبي وألمانيا في تطوير الأعمال والمبيعات والتسويق - الصورة: Xpert.Digital

التركيز على الصناعة: B2B، والرقمنة (من الذكاء الاصطناعي إلى الواقع المعزز)، والهندسة الميكانيكية، والخدمات اللوجستية، والطاقات المتجددة والصناعة

المزيد عنها هنا:

• مركز إكسبيرت للأعمال

مركز موضوعي يضم رؤى وخبرات:

• منصة المعرفة حول الاقتصاد العالمي والإقليمي والابتكار والاتجاهات الخاصة بالصناعة
• مجموعة من التحليلات والاندفاعات والمعلومات الأساسية من مجالات تركيزنا
• مكان للخبرة والمعلومات حول التطورات الحالية في مجال الأعمال والتكنولوجيا
• مركز موضوعي للشركات التي ترغب في التعرف على الأسواق والرقمنة وابتكارات الصناعة

من مشروع تجريبي إلى سوق بمليارات الدولارات: كيف سيُحدث الذكاء الاصطناعي الفيزيائي تحولاً جذرياً في الصناعة والخدمات اللوجستية والتصنيع بحلول عام 2030؟ – الصورة: Xpert.Digital

التحديات والمخاطر والأطر التنظيمية

يصاحب التطور السريع للذكاء الاصطناعي الفيزيائي وأنظمة الذكاء الاصطناعي الروبوتية المتقدمة العديد من التحديات التقنية والأخلاقية والقانونية والاجتماعية التي يجب معالجتها من أجل تطبيق مسؤول ومستدام. تتراوح هذه التحديات بين القيود التقنية الأساسية وقضايا حماية البيانات وأمنها، وصولاً إلى المسائل الأخلاقية المعقدة التي تؤثر جوهرياً على العلاقة بين الإنسان والآلة.

لا تزال القيود التقنية تشكل عائقًا كبيرًا أمام الانتشار الواسع للذكاء الاصطناعي الفيزيائي. ورغم التقدم الملحوظ المُحرز، تبقى القيود الفيزيائية، كالحركة وإدارة الطاقة والمهارات الحركية الدقيقة، تحدياتٍ رئيسية. تُبرز التجارب الحديثة التي أُجريت على المكانس الكهربائية الروبوتية المُجهزة بنماذج لغوية متطورة مدى تعقيد هذه التقنية وحدودها في التطبيقات العملية. أجرى فريق بحثي تجربةً زُوّدت فيها المكانس الكهربائية الروبوتية بنماذج لغوية متنوعة. تمثلت المهمة الأساسية لهذه الروبوتات في تحديد موقع قطعة زبدة في غرفة أخرى وإحضارها إلى شخص قادر على تغيير موقعه.

شكّلت هذه المهمة التي تبدو بسيطة تحديات كبيرة للروبوتات التي تعمل بالذكاء الاصطناعي. كانت هذه الروبوتات قادرة على الحركة، والالتحام بمحطات الشحن، والتواصل عبر تطبيق سلاك، والتقاط الصور. ورغم هذه القدرات، لم يحقق أيٌّ من نماذج التعلم الآلي المختبرة نسبة نجاح تتجاوز 40% في توصيل الزبدة. وتعود الأسباب الرئيسية للفشل إلى صعوبات في التفكير المكاني وعدم إدراكها لحدودها الفيزيائية. حتى أن أحد النماذج شخّص نفسه بصدمة نفسية نتيجة الحركات الدورانية وأزمة هوية ثنائية.

على الرغم من أن هذه التفاعلات ناتجة عن نظام غير حي، إلا أنها تُبرز التحديات المحتملة في تطوير الذكاء الاصطناعي المصمم للعمل في بيئات معقدة من العالم الحقيقي. من الأهمية بمكان أن تحافظ نماذج الذكاء الاصطناعي عالية الأداء على هدوئها تحت الضغط لاتخاذ قرارات مدروسة. وهذا يثير التساؤل حول كيفية تجنب أو إدارة ردود الفعل الناتجة عن الضغط في أنظمة الذكاء الاصطناعي المستقبلية لضمان تفاعل موثوق وآمن. في حين أن الذكاء التحليلي في نماذج التعلم الآلي يحرز تقدمًا ملحوظًا، إلا أن الذكاء العملي، لا سيما فيما يتعلق بالفهم المكاني وإدارة المشاعر، لا يزال متأخرًا.

حماية البيانات والأمن السيبراني والأطر القانونية

تُشكّل حماية البيانات والأمن السيبراني تحديات جوهرية. وتُعدّ قوانين حماية البيانات والخصوصية بالغة الأهمية لضمان التعامل مع البيانات الشخصية بشكل أخلاقي وآمن. ومن أهم الأطر القانونية في هذا المجال اللائحة العامة لحماية البيانات (GDPR)، التي سنّها الاتحاد الأوروبي عام 2018. وتضع هذه اللائحة مبادئ توجيهية صارمة لجمع البيانات الشخصية ومعالجتها وتخزينها ونقلها.

تشمل المبادئ الأساسية للائحة العامة لحماية البيانات (GDPR) الشرعية والعدالة والشفافية. تتطلب هذه المبادئ تحديد البيانات التي يتم جمعها وسبب جمعها بوضوح، لضمان استخدامها بشكل عادل دون الإضرار بأي فئة. ويقتضي مبدأ تحديد الغرض جمع البيانات لأغراض محددة وواضحة ومشروعة، وعدم معالجتها لاحقًا بطريقة تتعارض مع تلك الأغراض. أما مبدأ تقليل البيانات فيقتصر على جمع ومعالجة البيانات الضرورية فقط للغرض المقصود. ويتطلب مبدأ الدقة الحفاظ على دقة البيانات الشخصية وتحديثها باستمرار، بينما يقتضي مبدأ تقييد التخزين تخزين البيانات فقط طالما كان ذلك ضروريًا للغرض المقصود.

تتطلب النزاهة والسرية معالجة البيانات بشكل آمن لحمايتها من المعالجة غير المصرح بها أو غير القانونية والفقدان العرضي. وتتطلب المساءلة من المؤسسات إثبات امتثالها لمبادئ حماية البيانات هذه. يستند قانون الذكاء الاصطناعي الذي سنّه الاتحاد الأوروبي مؤخرًا إلى اللائحة العامة لحماية البيانات (GDPR)، ويصنف أنظمة الذكاء الاصطناعي بناءً على مستويات المخاطر. وتشمل أنظمة الذكاء الاصطناعي المحظورة تلك التي تصنف الأفراد بناءً على البيانات البيومترية لاستخلاص أنواع معينة من المعلومات الحساسة.

كشف باحثون أمنيون عن ثغرات في أنظمة الروبوتات تسمح بالتلاعب بالأجهزة أو الوصول إلى بيانات حساسة. تشمل هذه الثغرات تحديثات البرامج الثابتة غير الآمنة، وبيانات المستخدم غير المشفرة على الأجهزة، وعيوبًا في أمان رمز PIN للوصول عن بُعد إلى الكاميرا. تُقوّض هذه الثغرات الثقة في شهادات الشركات المصنعة وتُبرز الحاجة إلى تدابير أمنية قوية. يقترح الباحثون تصميم أنظمة التعرف على الصور الآلية بحيث تبقى غير قابلة للقراءة للبشر، ولكنها تُزوّد ​​الروبوتات بمعلومات كافية للتنقل لمنع إساءة استخدام البيانات الخاصة.

قانون الذكاء الاصطناعي للاتحاد الأوروبي والمعايير المنسقة

يتطور الإطار التنظيمي للذكاء الاصطناعي والروبوتات بوتيرة متسارعة. يُعد قانون الاتحاد الأوروبي للذكاء الاصطناعي أول إطار قانوني شامل في العالم لهذا المجال، وهو قائم على نهج قائم على تقييم المخاطر. فكلما زادت المخاطر، زادت المتطلبات التي يجب استيفاؤها وزادت صرامةً. ويمكن تصنيف أنظمة الذكاء الاصطناعي ضمن فئة الأنظمة عالية المخاطر نظرًا لأهميتها البالغة في مجال السلامة. وتخضع هذه الأنظمة لمتطلبات محددة، تشمل توثيقًا شاملًا يتضمن جميع المعلومات الضرورية حول النظام والغرض منه لتمكين السلطات من تقييم مدى امتثاله، ومعلومات واضحة ومناسبة للمشغل، وتدابير إشراف بشري ملائمة، فضلًا عن مستويات عالية من المتانة والأمن السيبراني والدقة.

يحدد توجيه الآلات متطلبات السلامة للآلات، بما في ذلك الأنظمة المستقلة والشبكية. ويُعرّف السلوك ذاتي التطوير والآلات المتنقلة المستقلة، ولكنه يتجنب مصطلح نظام الذكاء الاصطناعي. قد يقع منتج مثل الروبوت الجراحي عند تقاطع عدة لوائح، مثل توجيه الأجهزة الطبية، وتوجيه الآلات، وتوجيه الذكاء الاصطناعي، وكلها لها آثار على السلامة الوظيفية. والسؤال المحوري هو: ما هي مجموعة التدابير المثلى للحد من المخاطر فيما يتعلق بإطلاق المنتج في السوق، والمسؤولية القانونية، والأضرار التي قد تلحق بالسمعة؟

تحدد المعايير الموحدة متطلبات الصحة والسلامة الأساسية المنصوص عليها في القوانين واللوائح. وتوضح هذه المعايير القواعد الفنية وتدابير إدارة المخاطر التي يمكن استخدامها لتلبية هذه المتطلبات الأساسية. ويشير الامتثال لهذه المعايير إلى استيفاء متطلبات القوانين واللوائح. ويُعد نظام إدارة المخاطر، القائم على معيار ISO/IEC 42001، ذا أهمية بالغة. يوفر هذا المعيار لأنظمة إدارة الذكاء الاصطناعي إطارًا منظمًا لتحديد المخاطر وتقييمها ومعالجتها.

الأخلاق والتحيز والاستدامة

تتخلل المسائل الأخلاقية جميع جوانب تطوير وتطبيق الذكاء الاصطناعي الفيزيائي. وقد يؤدي نقص إعداد البيانات بعناية إلى نتائج غير مرغوب فيها. كما أن التحيز في مجموعات البيانات يُفضي إلى مشاكل تتعلق بالعدالة، واستمرار التفاوتات الاجتماعية، والتمييز ضد الأقليات. والأسوأ من ذلك، أن هناك خطرًا يتمثل في كشف معلومات خاصة وسرية من خلال مخرجات النموذج ووقوعها في أيدي جهات غير مسؤولة. قبل التدريب، ينبغي تقييم مدى تأثير النظام على حياة المتأثرين به. يجب تحديد ما إذا كان من المبرر أخلاقيًا السماح لنظام الذكاء الاصطناعي باتخاذ قرارات بشأن مهمة معينة، ويجب ضمان توفر بيانات كافية وممثلة لجميع الفئات المتأثرة.

تمتد التحديات أيضًا إلى كفاءة الطاقة والاستدامة. تتطلب الروبوتات الشبيهة بالبشر وأنظمة الذكاء الاصطناعي المادية كميات كبيرة من الطاقة لتشغيلها وتدريب نماذجها الأساسية. ولا تزال تكنولوجيا البطاريات، والمهارة اليدوية، والجدوى الاقتصادية، وقابلية التوسع، والحوكمة الأخلاقية تشكل تحديات كبيرة. ومع ذلك، فإن تضافر انخفاض تكاليف الأجهزة، وتحسين الذكاء الاصطناعي، وتزايد نقص العمالة، يخلق بيئة مثالية تُسهم في تسريع تبني هذه التقنيات.

التوقعات المستقبلية والآثار الاستراتيجية

يشير مسار تطور الذكاء الاصطناعي الفيزيائي وأنظمة الذكاء الاصطناعي الروبوتية المتقدمة إلى إعادة تشكيل جذرية للمشهد الصناعي والاجتماعي في السنوات القادمة. ويخلق التقارب بين الاختراقات التكنولوجية والضرورات الاقتصادية والأطر التنظيمية بيئةً تُسرّع الانتقال من المشاريع التجريبية الرائدة إلى التبني التجاري واسع النطاق.

تُمثل ثورة نماذج الأساس في مجال الروبوتات إحدى أهم نقاط التحول. يشهد العالم حاليًا طفرةً في تطوير الروبوتات الشبيهة بالبشر التي تُتحكم بها نماذج الأساس الروبوتية. فضلًا عن التحكم الذاتي الشامل في الروبوتات باستخدام هذه النماذج، تُستخدم ما يُسمى بنماذج الأساس العالمية لإنشاء أو تكرار بيانات تدريب قابلة للتوسع لنماذج الأساس الروبوتية. بالنسبة لبعض التطبيقات التي لا تزال محدودة، مثل المهام اليدوية البسيطة والمتكررة والمرهقة في الإنتاج والخدمات اللوجستية، أو حتى في شكل روبوتات منزلية، يُمكن أن تُصبح الروبوتات التي تُتحكم بها نماذج الأساس متاحةً خلال السنوات الخمس القادمة تقريبًا. علاوةً على ذلك، ستتبعها مهام أكثر تعقيدًا وتطلبًا على المدى المتوسط ​​إلى الطويل.

التعميم وإدارة الأسطول

يمثل تطوير نماذج ذكاء اصطناعي شاملة لتحسين أداء أساطيل الروبوتات وسيلة واعدة للتغلب على التجزئة. صُممت النماذج الأساسية لفهم وتنفيذ نطاق واسع من المهام عبر أنواع مختلفة من الروبوتات، حيث تتعلم المفاهيم والسلوكيات العامة بدلاً من إعادة تدريبها لكل مهمة على حدة. يُمكّن نظاما DeepFleet من أمازون وNavFoM من غالبوت من التحكم في أساطيل الروبوتات غير المتجانسة باستخدام نموذج ذكاء اصطناعي واحد. يُوصف NavFoM بأنه أول نموذج ذكاء اصطناعي أساسي للملاحة متعدد التجسيدات والمهام في العالم، ويهدف إلى تعليم نموذج ذكاء اصطناعي واحد المفهوم العام للحركة، مما يسمح باستخدام النموذج الأساسي نفسه على مجموعة واسعة من أنواع الروبوتات، بدءًا من الروبوتات ذات العجلات والروبوتات الشبيهة بالبشر وصولاً إلى الطائرات المسيّرة.

تُتيح التطورات في مجال الذكاء المكاني، من خلال النماذج متعددة الوسائط، آفاقًا جديدة. تعتمد سلسلة SenseNova SI على نماذج أساسية راسخة متعددة الوسائط، وتُطوّر ذكاءً مكانيًا قويًا وفعّالًا. تُظهر هذه النماذج قدرات تعميم ناشئة، حيث يُؤدي الضبط الدقيق لمجموعات فرعية محددة من ضمان الجودة لتحويل العرض ثلاثي الأبعاد إلى مكاسب نقل غير متوقعة إلى مهام ذات صلة ولكنها غير مسبوقة، مثل إيجاد المسار في المتاهة. تُتيح قدرات الذكاء المكاني المُحسّنة إمكانيات تطبيق واعدة، لا سيما في مجال التلاعب الجسدي، حيث لوحظت تحسينات كبيرة في معدلات النجاح، حتى بدون مزيد من الضبط الدقيق.

البيانات الاصطناعية ولحظة ChatGPT في عالم الروبوتات

تمثل نماذج مؤسسة Cosmos World من Nvidia فرصةً واعدةً في مجال الروبوتات، على غرار ChatGPT. تُعدّ هذه النماذج الفيزيائية للذكاء الاصطناعي أساسيةً لتمكين الروبوتات من محاكاة التفاعلات الواقعية بأكبر قدرٍ ممكن من الواقعية في عمليات المحاكاة ثلاثية الأبعاد. يتطلب تطوير هذه النماذج الفيزيائية للذكاء الاصطناعي تكلفةً باهظةً، بالإضافة إلى كميات هائلة من البيانات الواقعية واختباراتٍ مكثفة. توفر نماذج مؤسسة Cosmos World للمطورين طريقةً سهلةً لتوليد كمياتٍ هائلةٍ من البيانات الاصطناعية الواقعية القائمة على الفيزياء، وذلك لتدريب نماذجهم الحالية وتقييمها.

تشير دورة الاستثمار في الذكاء الاصطناعي المادي حتى عام 2030 إلى تدفقات رأسمالية كبيرة. وتتوقع السوق نموًا قويًا حتى عام 2030، حيث من المرجح أن يصل الإنفاق إلى ما بين 60 و90 مليار دولار أمريكي في عام 2026، وأن يتراوح إجمالي الإنفاق على مدى خمس سنوات بين 0.4 و0.7 تريليون دولار أمريكي. ويتصدر قطاع التصنيع هذا النمو، يليه قطاع الخدمات اللوجستية، بينما تشهد الخدمات توسعًا مع نضوج الأدوات. وتشير تقديرات شركة ABI Research إلى أن حجم سوق الروبوتات العالمي سيبلغ 50 مليار دولار أمريكي في عام 2025، وتتوقع أن يصل إلى حوالي 111 مليار دولار أمريكي بحلول عام 2030، بمعدل نمو سنوي متوسط ​​يتراوح بين 15 و19 عامًا.

يُحدث الذكاء الاصطناعي الفيزيائي تحولاً جذرياً في قطاع التصنيع، مع توقعات بنمو يصل إلى 23% حتى عام 2030. وقد بلغ حجم سوق الذكاء الاصطناعي الصناعي العالمي 43.6 مليار دولار أمريكي في عام 2024، ومن المتوقع أن يحقق نمواً سنوياً بنسبة 23% حتى عام 2030، مدفوعاً بتطبيقات الذكاء الاصطناعي الفيزيائي في التصنيع. ويمثل هذا التطور نقلة نوعية عن الأتمتة التقليدية القائمة على الروبوتات الجامدة والمبرمجة مسبقاً. إذ يدمج الذكاء الاصطناعي الفيزيائي الحالي أنظمة الرؤية، وأجهزة الاستشعار اللمسية، والخوارزميات التكيفية، مما يُمكّن الآلات من التعامل مع المهام غير المتوقعة.

يأتي الضغط المتزايد على الذكاء الاصطناعي المادي في منعطف حاسم، حيث تُفاقم التوترات الجيوسياسية واضطرابات سلاسل التوريد الحاجة إلى تصنيع مرن. وتُعيد التطورات في مجال الروبوتات الصناعية تعريف الأتمتة، وتعزز المرونة والنمو في القطاعات التي تعاني من نقص العمالة. ففي مصانع السيارات، تضطلع الروبوتات المدعومة بالذكاء الاصطناعي، والقادرة على التعلم في الوقت الفعلي، بأدوار كانت تُعتبر في السابق بالغة الدقة بالنسبة للآلات، مثل اللحام التكيفي أو مراقبة الجودة في ظل ظروف متغيرة. ومن المتوقع أن يُسهم هذا التحول في خفض التكاليف بنسبة تصل إلى 20% في بيئات الإنتاج ذات الحجم الكبير.

الفرص الاقتصادية لألمانيا وأوروبا

تُعدّ الآثار الاستراتيجية على الشركات الألمانية والأوروبية كبيرة. فنقص العمالة الماهرة يؤثر بشكل خاص على قطاعي الصناعة والخدمات اللوجستية، في حين تتزايد الطلبات في الوقت نفسه. وتواجه الصناعة الألمانية ضغوطًا متزايدة؛ إذ يُبطئ نقص المهارات النمو، ويتطلب ازدياد التعقيد قدرةً سريعة على التكيف، كما أن الاستثمار في الكفاءة والمرونة أمرٌ ضروري، وتُعدّ مكاسب الإنتاجية مفتاحًا للتنافسية. ويمثل الذكاء الاصطناعي المادي فرصةً لألمانيا للعودة إلى طليعة الصناعة. إن تحوّل الصناعة الألمانية ليس خيارًا، بل ضرورة.

يتجه التطوير نحو نموذج فيزيائي أساسي جديد مدفوع بالذكاء المتجسد، والذي من المحتمل أن يهيمن على التوجه متعدد الوسائط. في العالم الحقيقي، كل شيء مليء بالتفاصيل كالتلامس والاحتكاك والتصادم، والتي يصعب وصفها بالكلمات أو الصور. إذا لم يستطع النموذج فهم هذه العمليات الفيزيائية الأساسية، فلن يتمكن من تقديم تنبؤات موثوقة عن العالم. سيكون هذا مسارًا تطويريًا مختلفًا عن مسار نماذج اللغة الرئيسية.

يتجاوز تطوير الذكاء الاصطناعي متعدد الوسائط مجرد معالجة النصوص. إذ تجمع النماذج متعددة الوسائط بين بنى عصبية مختلفة، مثل محولات الرؤية للمدخلات البصرية، ومشفرات الكلام للمدخلات الصوتية، ونماذج لغوية ضخمة للاستدلال المنطقي وتوليد النصوص، في نظام واحد. ويتجه قطاع الرعاية الصحية نحو المدخلات الحسية، حيث يستطيع الذكاء الاصطناعي متعدد الوسائط تحليل صوت المريض ووجهه وصوره الطبية للكشف المبكر عن علامات المرض. ولا يحل هذا الذكاء محل الأطباء، بل يمنحهم قدرة فائقة على الرؤية.

يتطلب تحقيق رؤية الذكاء الاصطناعي المادي الذي يعمل بسلاسة ضمن بيئتنا مزيدًا من البحث والتطوير لضمان موثوقية هذه الأنظمة وسلامتها. قد يشهد المستقبل تكاملًا أكبر لبرمجيات الروبوتات مفتوحة المصدر، مثل نظام ROS، وأساليب التحكم المحلية، مما يقلل الاعتماد على الخدمات السحابية ويمنح المستخدمين مزيدًا من التحكم في أجهزتهم. في الوقت نفسه، يجب على المصنّعين والجهات التنظيمية تحسين معايير الأمن وحماية البيانات باستمرار للحفاظ على ثقة المستخدمين وإطلاق إمكانات الروبوتات بشكل مسؤول.

ستكون السنوات القادمة حاسمة في تحديد ما إذا كانت المشاريع التجريبية الحالية ستتحول إلى نماذج أعمال قابلة للتطبيق. لكن المؤكد هو أن الجمع بين الاستقلالية المادية والرقمية سيُشكّل المستقبل. فالذكاء الاصطناعي يتجاوز دوره المنعزل ليصبح جزءًا لا يتجزأ من العمليات والقرارات في العالم الحقيقي. وهذا يُشير إلى بداية مرحلة سيكون فيها تأثيره المباشر أكثر وضوحًا من أي وقت مضى. إن تطوير الذكاء الاصطناعي المادي والروبوتي ليس نهاية المطاف، بل هو بداية تحول جذري لن يتضح أثره الكامل إلا في العقود القادمة.

☑️ لغة العمل لدينا هي الإنجليزية أو الألمانية

☑️ جديد: المراسلات بلغتك الوطنية!

Konrad Wolfenstein

سأكون سعيدًا بخدمتك وفريقي كمستشار شخصي.

يمكنك الاتصال بي عن طريق ملء نموذج الاتصال أو ببساطة اتصل بي على +49 89 89 674 804 (ميونخ) . عنوان بريدي الإلكتروني هو: ولفنشتاين ∂ xpert.digital

إنني أتطلع إلى مشروعنا المشترك.

☑️ دعم الشركات الصغيرة والمتوسطة في الإستراتيجية والاستشارات والتخطيط والتنفيذ

☑️ إنشاء أو إعادة تنظيم الإستراتيجية الرقمية والرقمنة

☑️ توسيع عمليات البيع الدولية وتحسينها

☑️ منصات التداول العالمية والرقمية B2B

☑️ رائدة تطوير الأعمال / التسويق / العلاقات العامة / المعارض التجارية