مغز ربات‌ها تا پایان ۲۰۲۷ به لحظه چت جی پی تی می‌رسند

رئیس شرکت چینی ACE Robotics پیش‌بینی کرده است که هوش مصنوعی ربات‌های انسان‌نما تا پایان سال ۲۰۲۷ به نقطه عطفی مشابه لحظه ChatGPT در هوش مصنوعی برسد؛ تحولی که به گفته او به لطف توسعه مدل‌های جهان و جمع‌آوری گسترده داده‌های محیط واقعی توانایی ربات‌ها برای درک و انجام وظایف در محیط‌های فیزیکی را به شکل چشمگیری ارتقا خواهد داد.

به گزارش گروه ترجمه خبرگزاری برنا به نقل از رویترز، وانگ شیائوگانگ، رئیس و هم‌بنیان‌گذار ACE Robotics و از بنیان‌گذاران شرکت چینی SenseTime روز جمعه به رویترز گفت: ما انتظار داریم تا پایان سال آینده به لحظه ChatGPT برای هوش تجسم‌یافته برسیم، اتفاقی که به وسیله مدل‌های جهان و ثبت داده‌های محیطی هدایت خواهد شد.

با این حال وانگ تاکید کرد که حتی اگر این نقطه عطف تا اواخر سال ۲۰۲۷ محقق شود استفاده تجاری گسترده از مدل‌های جهان در صنایع مختلف احتمالا چهار تا پنج سال دیگر زمان خواهد برد.

فاصله ربات‌ها با توانایی‌های ChatGPT

مدل‌های زبانی بزرگ مانند ChatGPT و DeepSeek در سال‌های اخیر به ابزار‌هایی رایج در محیط‌های کاری و زندگی روزمره تبدیل شده‌اند، اما فناوری لازم برای اینکه یک ربات بتواند مجموعه‌ای گسترده از وظایف را در محیط‌های فیزیکی ناشناخته و بدون دستورالعمل‌های از پیش تعیین‌شده انجام دهد هنوز در مراحل ابتدایی قرار دارد.

در این میان هوش مصنوعی تجسم‌یافته (Embodied AI) به یکی از مهم‌ترین حوزه‌های رقابت شرکت‌های رباتیک تبدیل شده است. این مدل‌ها برخلاف مدل‌های زبانی که عمدتا برای پردازش و تولید اطلاعات طراحی شده‌اند باید بتوانند محیط فیزیکی را درک کنند، شرایط را تحلیل کنند، مسیر انجام یک کار را برنامه‌ریزی کنند و در زمان واقعی نسبت به تغییرات محیط واکنش نشان دهند.

مدل‌های جهان نیز در این میان نقش مهمی دارند. این مدل‌ها با ترکیب درک بصری، فهم چندوجهی، شبیه‌سازی فیزیکی و برنامه‌ریزی حرکتی تلاش می‌کنند تصویری از جهان واقعی و نحوه تعامل اشیا و عوامل مختلف با یکدیگر ایجاد کنند. به این ترتیب ربات می‌تواند پیامد احتمالی یک حرکت یا تصمیم را پیش از انجام آن پیش‌بینی کند.

تمرکز سرمایه‌گذاران بر کاربرد واقعی ربات‌ها

همزمان با افزایش تعداد شرکت‌های فعال در صنعت نوظهور ربات‌های انسان‌نما در چین و تلاش این شرکت‌ها برای جذب سرمایه و دستیابی به ارزش‌گذاری‌های بالاتر معیار‌های مورد توجه سرمایه‌گذاران نیز در حال تغییر است.

در گذشته اجرای حرکات نمایشی، رقص یا انجام فعالیت‌های ورزشی از سوی ربات‌ها می‌توانست توجه زیادی را به خود جلب کند، اما اکنون کاربرد‌های واقعی و توانایی ایجاد ارزش اقتصادی اهمیت بیشتری پیدا کرده است.

وانگ شینگ‌شینگ، بنیان‌گذار شرکت چینی Unitree نیز همین هفته پیش‌بینی کرده بود که مغز ربات‌ها ممکن است در خوش‌بینانه‌ترین حالت طی دو تا سه سال آینده شاهد یک تحول بزرگ باشد. با این حال او و دیگر مدیران شرکت‌های رباتیک چین اذعان کرده‌اند که دسترسی به داده‌های باکیفیت از محیط‌های واقعی یکی از مهم‌ترین موانع توسعه مدل‌های هوش مصنوعی تجسم‌یافته است.

ACE به دنبال جمع‌آوری میلیون‌ها ساعت داده

شرکت ACE Robotics که در ژوئیه ۲۰۲۵ تاسیس شده و تحت حمایت Ant Group و SenseTime قرار دارد در نیمه نخست سال جاری میلادی از طریق چند مرحله تأمین مالی بیش از ۱۰۰ میلیون دلار سرمایه جذب کرده است.

وانگ می‌گوید یکی از اولویت‌های اصلی این شرکت افزایش سریع حجم داده‌های مورد استفاده برای آموزش مدل‌های هوش مصنوعی رباتیک است.

به گفته او کل صنعت رباتیک چین در چند سال گذشته در مجموع حدود ۱۰۰ هزار ساعت داده جمع‌آوری کرده است، حجمی که برای آموزش مدل‌های پایه هوش مصنوعی تجسم‌یافته کافی نیست.

ACE برای افزایش سرعت جمع‌آوری داده از افرادی استفاده می‌کند که در خطوط تولید واقعی فعالیت دارند و به حسگر‌های سبک‌وزن مجهز شده‌اند. این افراد با انجام وظایف مختلف، داده‌های مربوط به حرکات، تعامل با اشیا و شرایط محیطی را در اختیار مدل‌های هوش مصنوعی قرار می‌دهند.

وانگ گفت سرعت این روش جمع‌آوری داده بسیار بالاست و ACE انتظار دارد طی دو سال آینده ده‌ها میلیون ساعت داده جمع‌آوری کند.

آموزش ربات‌ها با اپراتور‌های انسانی

بسیاری از شرکت‌های فعال در حوزه ربات‌های انسان‌نما از جمله Unitree و استارتاپ X Square در حال توسعه مدل‌های پایه اختصاصی برای هوش مصنوعی تجسم‌یافته هستند.

یکی از روش‌های رایج برای آموزش این ربات‌ها کنترل از راه دور فیزیکی (Physical Tele-operation) است. در این روش، اپراتور‌های انسانی با استفاده از اسکلت‌های بیرونی و کنترلر‌های مخصوص، حرکات فیزیکی موردنظر را بار‌ها و بار‌ها تکرار می‌کنند تا داده لازم برای آموزش ربات فراهم شود.

مشکل اصلی این روش مقیاس مورد نیاز است زیرا برای آموزش رباتی که باید بتواند در شرایط متنوع و پیش‌بینی‌نشده فعالیت کند، میلیون‌ها نمونه از تعاملات واقعی با محیط لازم است.

هدف‌گذاری ACE برای ۱۰ هزار فروشگاه

ACE Robotics در تلاش است مدل‌های هوش مصنوعی تجسم‌یافته خود را از مرحله آزمایشگاهی خارج کرده و در محیط‌های تجاری واقعی به کار گیرد.

این شرکت تاکنون به دنبال استقرار فناوری خود در حوزه‌هایی مانند فروشگاه‌های بدون نیروی انسانی، خدمات هتل و انبار‌های تحویل فوری بوده است. در این پروژه‌ها از ربات‌های انسان‌نمای تولیدکنندگان چینی مختلف از جمله Unitree، AgiBot و Fourier استفاده می‌شود.

وانگ اعلام کرده است که ACE قصد دارد طی یک سال آینده فناوری خود را در دست‌کم هزار فروشگاه مستقر کند و این تعداد را طی دو سال به ۱۰ هزار فروشگاه برساند.

چنین پروژه‌هایی علاوه بر ایجاد بازار تجاری برای ربات‌های انسان‌نما امکان جمع‌آوری داده از محیط‌های واقعی را نیز فراهم می‌کنند، داده‌هایی که می‌توانند برای بهبود مدل‌های هوش مصنوعی و افزایش توانایی ربات‌ها در انجام وظایف پیچیده‌تر مورد استفاده قرار گیرند.

استفاده همزمان از تراشه‌های آمریکایی و چینی

ACE برای آموزش مدل‌های خود از تراشه‌های هوش مصنوعی شرکت Nvidia و همچنین تراشه‌های تولیدکنندگان چینی از جمله Rhino Tech و Digua Robotics استفاده می‌کند.

وانگ با اشاره به این موضوع گفت متنوع‌سازی زنجیره تأمین برای ACE اهمیت دارد زیرا این شرکت در آینده به مجموعه‌ای جامع از سخت‌افزار‌های هوشمند نیاز خواهد داشت و هزینه این تجهیزات نیز باید به شکل قابل توجهی کاهش پیدا کند.

این مسئله در شرایطی اهمیت بیشتری پیدا می‌کند که صنعت رباتیک چین به دنبال افزایش تولید انبوه ربات‌های انسان‌نما و کاهش هزینه تمام‌شده آنهاست.

مدل ۴ میلیارد پارامتری ACE در صدر بنچمارک‌ها

ACE همچنین مدل متن‌باز Kairos-۴B را توسعه داده است. بر اساس بنچمارک‌های عمومی مورد استناد این شرکت این مدل در رتبه نخست جهانی قرار گرفته و عملکردی بهتر از برخی مدل‌های جهان از جمله Cosmos ۳ شرکت Nvidia و Lingbot شرکت Ant Group نشان داده است. نکته قابل توجه این است که Kairos-۴B تنها ۴ میلیارد پارامتر دارد، حجمی که در مقایسه با برخی مدل‌های رقیب بسیار کوچک‌تر است.

مدل جهان ACE می‌تواند چندین قابلیت را در یک سیستم واحد ترکیب کند از جمله درک محیط، فهم اطلاعات چندوجهی، شبیه‌سازی قوانین فیزیکی و برنامه‌ریزی برای انجام اقدامات. این مدل همچنین قادر است توالی‌های ویدئویی و حرکتی طولانی‌مدت را در بازه‌هایی چنددقیقه‌ای تولید و پیش‌بینی کند.

هدف نهایی چنین مدل‌هایی این است که ربات تنها به مجموعه‌ای از دستورات از پیش تعریف‌شده وابسته نباشد بلکه بتواند شرایط جدید را مشاهده و تحلیل کرده و متناسب با آن، تصمیم و اقدام مناسب را انتخاب کند.

احتمال عرضه اولیه سهام ACE

وانگ همچنین درباره برنامه‌های مالی ACE Robotics اعلام کرده است که این شرکت قصد دارد در اولین زمان ممکن که قوانین اجازه دهد وارد بورس شود.

قوانین پذیرش شرکت‌ها در بازار سرمایه چین معمولا شرکت‌ها را ملزم می‌کند حداقل سه سال مالی فعالیت داشته باشند. از آنجا که ACE Robotics در ژوئیه ۲۰۲۵ تاسیس شده است این محدودیت می‌تواند بر زمان احتمالی عرضه اولیه سهام آن تأثیر بگذارد.

مسیر ACE نشان می‌دهد که رقابت در صنعت رباتیک دیگر صرفا بر سر ساخت سخت‌افزار یا نمایش توانایی‌های حرکتی ربات‌ها نیست؛ بلکه داده، مدل‌های هوش مصنوعی، توانایی درک جهان واقعی و امکان استفاده اقتصادی از ربات‌ها به عناصر اصلی رقابت تبدیل شده‌اند.

اگر پیش‌بینی وانگ محقق شود، پایان سال ۲۰۲۷ می‌تواند نقطه عطفی برای هوش تجسم‌یافته باشد، با این حال حتی در آن صورت تجاری‌سازی گسترده این فناوری و ورود آن به صنایع مختلف طبق برآورد او دست‌کم چند سال دیگر زمان خواهد برد.

انتهای پیام/