هوش مصنوعی فیزیکی حرکات انسان را تقلید می‌کند

ظهور ربات‌ها، وعده‌ی بزرگ ربات هوش مصنوعی فیزیکی (Physical AI)

اکنون، موج جدیدی از نوآوری‌ها در حال آغاز است: هوش مصنوعی فیزیکی (Physical AI) که این فناوری را وارد دنیای مادی میکند. در دهه‌های اخیر، هوش مصنوعی (AI) عمدتاً در دنیای دیجیتال و فرم‌های غیرفیزیکی مانند نرم‌افزارها، الگوریتم‌ها، و مدل‌های زبان بزرگ (LLMs) حکمرانی کرده است.

این حوزه شامل ربات‌های هوشمند، خودروهای خودران، و سایر ماشین‌های مستقل است که قادر به درک قوانین فیزیک و کار در محیط‌های “آشفته” انسانی هستند. این گذار از هوش مصنوعی متنی به هوش مصنوعی تجسم‌یافته، پتانسیل دگرگون‌سازی صنایع و زندگی روزمره ما را دارد، زیرا ربات‌ها از ابزارهای صنعتی صرف به همکاران عمومی تبدیل میشوند.

اسپیکر ادیفایر مدل G2000

8,299,000 تومان مشاهده و خرید

موج بعدی هوش مصنوعی، درک قوانین فیزیک و تعامل با جهان

جنبش هوش مصنوعی فیزیکی صرفاً یک مفهوم علمی-تخیلی نیست؛ بلکه به گفته جنسن هوانگ، مدیرعامل شرکت بزرگ تراشه‌سازی Nvidia، این «موج بعدی هوش مصنوعی» است.

این نوع AI، هوشی است که محیط اطراف خود را درک میکند و توانایی کار در کنار انسان‌ها را دارد. درک قوانین فیزیک در اینجا حیاتی است؛ یک ربات Physical AI باید نه تنها بداند که یک فنجان چیست، بلکه باید بداند چقدر فشار برای برداشتن آن نیاز است، چگونه آن را بدون شکستن در دست نگه دارد، و چگونه مسیرهای پیش‌بینی‌نشده حرکت را در یک محیط پویا مدیریت کند. این توانایی‌ها ربات‌ها را از ماشین‌های صرفاً برنامه‌ریزی‌شده که وظایف تکراری را انجام می‌دهند، متمایز میکند.

سرمایه‌گذاری‌های عظیمی در این حوزه در حال انجام است و پیش‌بینی‌ها بسیار خوش‌بینانه هستند. بر اساس گزارش مورگان استنلی، جهان میتواند تا سال 2050 میزبان بیش از 1 میلیارد ربات انسان‌نما (Humanoid Robots) باشد. این پیش‌بینی عمدتاً بر اساس نیاز شدید جوامع به نیروی کار در زمینه‌هایی مانند مراقبت از سالمندان، خدمات عمومی، و تولید صنعتی است. این هیجان با ویدئوهایی از اندرویدهای پیشرفته (اغلب ساخت چین) که به‌راحتی می‌رقصند یا اشیاء سنگین را جابجا می‌کنند، تقویت میشود.

پیشگامان عمل، از خانه‌های مراقبتی ژاپن تا دیتاسنترهای آموزشی

شرکت‌هایی مانند Enactic در ژاپن پیشتاز عملیاتی کردن این فناوری هستند. هیرو یاماموتو، مدیرعامل 24 ساله این شرکت، در حال توسعه ربات‌های انسان‌نما برای انجام کارهای ساده مانند شستن ظروف و لباس‌ها در خانه‌های مراقبتی ژاپن است که با کمبود پرسنل مواجه‌اند. هدف اصلی، آزاد کردن وقت پرستاران مجرب برای تمرکز بر مراقبت‌های تخصصی و تعامل انسانی با سالمندان است، نه انجام کارهای پیش‌پا افتاده.

دستگاه‌های آموزشی AI فیزیکی این شرکت، موسوم به OpenArm، برای جمع‌آوری داده و آموزش ربات‌ها استفاده میشوند. یاماموتو تاکید میکند که این ربات‌ها قرار است در محیط‌های بسیار آشفته زندگی کند. محیط‌های انسانی، برخلاف کارخانه‌ها، پر از موقعیت‌های غیرقابل پیش‌بینی، اشیاء در مکان‌های نامنظم، و تعاملات ناخواسته هستند؛ این وضعیت نیازمند یک “پوست بیرونی نرم” و طراحی ایمن است که به کسی آسیب نرساند.

نکته جالب اینجاست که برای تنظیم دقیق مدل‌های AI “بینایی-زبان-عمل” تنها به 30 تا 50 مورد نمایش هر وظیفه نیاز است تا ربات‌ها از طریق تله‌آپریشن (Teleoperation) یا کنترل از راه دور توسط اپراتور انسانی آموزش ببینند.

این روش، داده‌های باکیفیت و با برچسب‌گذاری دقیق را با سرعت بسیار بالا برای مدل‌های هوش مصنوعی فراهم میکند. در نهایت، این تجربه “در حین کار” و جمع‌آوری داده‌ها در محیط‌های واقعی، به مدل‌های Physical AI کمک میکند تا در آینده به‌طور مستقل عمل کند و نیاز به دخالت انسان به حداقل برسد.

رقابت داغ چین، استفاده از مزیت زنجیره تأمین

در شهر گوانگژو، شرکت تولیدکننده خودروهای برقی XPeng نیز با رونمایی از جدیدترین ربات انسان‌نمای خود، وارد این رقابت شده است.

در حالی که شرکت‌های آمریکایی مانند Boston Dynamics با ربات‌های سگ‌مانند و تمرکز بر جابجایی (Locomotion) شناخته شده‌اند، رقبای چینی مانند Unitree Robotics و EngineAI با حمایت‌های دولتی و بهره‌گیری از زنجیره تأمین قوی داخلی (که در تولید انبوه قطعات الکترونیکی و موتورهای الکتریکی تخصص دارد)، با سرعت در حال پیشروی در حوزه ربات‌های انسان‌نما با هدف ایفای نقش‌های عمومی هستند.

هه شیائوپنگ، مدیرعامل XPeng، ابراز امیدواری کرده است که تا 10 سال آینده، تعداد ربات‌هایی که خواهند فروخت، بیشتر از تعداد خودروها باشد. این جاه‌طلبی نشان‌دهنده دیدگاه استراتژیک چین در مورد ربات‌ها به عنوان یک کالای مصرفی در آینده است.

اگرچه ربات‌های XPeng راه می‌روند و حتی به‌طور مستقل می‌رقصند، اما مدیریت و دست‌کاری اجسام (Dexterous Manipulation) توسط آن‌ها (که یک کار پیچیده و نیازمند حسگرهای ظریف است) هنوز به‌طور گسترده نمایش داده نشده است. با این حال، کارشناسان پیش‌بینی میکنند با جمع‌آوری داده‌های کافی، این ربات‌ها بتوانند در آینده نزدیک “تقریباً هر نقش انسانی”، از پرستار بچه تا آشپز خانه یا باغبان، را ایفا کند.

اسپیکر ادیفایر مدل G1500 SE

5,800,000 تومان مشاهده و خرید

چالش‌های کلیدی، هزینه، فیزیک سخت‌افزار، و ملاحظات اخلاقی

با وجود این پیشرفت‌ها، نگرانی‌ها و موانع متعددی بر سر راه بلوغ این صنعت وجود دارد:

1. هزینه بالا و دوام پایین: تولید اندام‌هایی با دقت و قدرت انسان، نیازمند محرک‌ها (Actuators) و حسگرهای گران‌قیمت است. هزینه 1 دست رباتیک به‌تنهایی (که برای کارهای سنگین باید مرتباً تعویض شود)، میتواند دستمزد چندین سال یک کارگر چینی را بپردازد. این امر، پذیرش گسترده در محیط‌های صنعتی یا خانگی کم‌توان را به تأخیر می‌اندازد، هرچند انتظار میرود با مقیاس‌بندی تولید، این هزینه‌ها کاهش یابد.
2. شکاف فیزیکی و سخت‌افزاری: سارا آدلا آباد گومان، استادیار رباتیک در دانشگاه کالج لندن (UCL)، به وجود “شکاف بزرگی” بین سیستم‌های AI پیشرفته و توانایی‌های فیزیکی آن‌ها اشاره میکند. در حالی که الگوریتم‌های هوش مصنوعی در حال بهبودند، سخت‌افزار (بدن ربات) هنوز برای سازگاری کامل با محیط عقب‌تر است. نمونه این مسئله را میتوان در ویدئویی مشاهده کرد که ربات خانگی NEO (ساخت استارتاپ آمریکایی-نروژی 1X با قیمت $20,000) حتی در حالت کنترل از راه دور نیز در بستن درب ماشین ظرفشویی مشکل دارد. این نشان میدهد که وظایف ساده انسانی مانند اعمال نیروی صحیح یا درک بافت اشیاء برای سخت‌افزار کنونی هنوز دشوار است. علاوه بر این، وقایعی مانند سقوط شرم‌آور یک ربات انسان‌نمای روسی در حین اولین نمایش خود، نشان‌دهنده شکنندگی و عدم پایداری ربات‌های کنونی در محیط‌های واقعی است.
3. نگرانی‌های اجتماعی و حریم خصوصی: دغدغه‌هایی درباره از دست رفتن شغل و حفظ حریم خصوصی نیز با ورود این ربات‌های چندمنظوره وجود دارد. با توجه به اینکه این ربات‌ها به داده‌های بصری و محیطی وسیعی نیاز دارند تا در خانه‌ها و محیط‌های خصوصی کار کنند، بحث جمع‌آوری و امنیت داده‌ها (به‌ویژه در نقش‌هایی مانند پرستار یا همکار خانگی) به یک مسئله اخلاقی و قانونی حیاتی تبدیل خواهد شد.

آینده‌ای که در راه است، از تله‌آپریشن تا استقلال کامل

با وجود چالش‌ها و افت‌وخیزهای اولیه، سرمایه‌گذاری‌ها همچنان ادامه دارد، چرا که مزایای بلندمدت Physical AI بسیار بزرگ است. مسیر کنونی این است که از طریق عملیات از راه دور (تله‌آپریشن) و جمع‌آوری داده در محیط‌های واقعی، مدل‌های AI آموزش ببینند تا ربات‌ها در نهایت به استقلال کامل دست یابند. هوش مصنوعی فیزیکی در حال تبدیل شدن از یک وعده علمی-تخیلی به یک واقعیت مادی است که به‌زودی بر روی نحوه کار، زندگی، و مراقبت از یکدیگر تأثیر خواهد گذاشت.