روبوتات بعقل جديد: نموذج π0.7 من شركة Physical Intelligence

بقلم: فريق تحرير العلامة التقنية التصنيف: الذكاء الاصطناعي ١٧ أبريل ٢٠٢٦

Physical Intelligence، الشركة الناشئة في مجال الروبوتات التي تأسست قبل عامين في سان فرانسيسكو، حققت تقدماً كبيراً في مجال الذكاء الاصطناعي. حيث أصدرت مؤخراً بحثاً جديداً يُظهر أن نموذجها الأخير، المسمى π0.7، لديه القدرة على توجيه الروبوتات لأداء مهام لم يتم تدريبه عليها بشكل محدد. هذه القدرة، كما يقول الباحثون في الشركة، كانت مفاجأة لهم.

يمثل نموذج π0.7 خطوة مبكرة ولكن ذات مغزى نحو تحقيق الهدف المنشود لعقل روبوت عام، وهو عقل يمكن توجيهه لتنفيذ مهام غير مألوفة، وتدريبه على ذلك بلغة بسيطة، والقيام بها بنجاح. إذا ثبتت صحة النتائج، فإنها تشير إلى أن الذكاء الاصطناعي في مجال الروبوتات قد يقترب من نقطة تحول مشابهة لتلك التي شهدها مجال نماذج اللغة الكبيرة، حيث تبدأ القدرات في التراكم بطرق تفوق ما يمكن أن تتنبأ به البيانات الأساسية.

قدرة التعميم المركبة

النقطة الأساسية في البحث هي التعميم المركب، وهي القدرة على دمج المهارات المكتسبة في سياقات مختلفة لحل مشاكل لم يسبق للنموذج مواجهتها. حتى الآن، كانت الطريقة المتبعة في تدريب الروبوتات تعتمد بشكل أساسي على الحفظ الميكانيكي، حيث يتم جمع البيانات حول مهمة معينة، وتدريب نموذج متخصص على تلك البيانات، وتكرار ذلك مع كل مهمة جديدة. ولكن، كما تقول شركة Physical Intelligence، فإن نموذج π0.7 يكسر هذا النمط.

يقول سيرجي ليفين، أحد مؤسسي شركة Physical Intelligence وأستاذ في جامعة بيركلي، إن "القدرات تزداد أكثر من خطياً مع كمية البيانات. هذه الخاصية التوسعية الأكثر ملاءمة هي شيء شهدناه في مجالات أخرى، مثل اللغة والرؤية".

التجارب المدهشة

أحد أبرز العروض في البحث يتعلق بأداة الطهي الهوائية التي لم يرها النموذج تقريباً في التدريب. عندما قامت فريق البحث بالتحقيق، وجدوا فقط حلقتين ذات صلة في مجموعة بيانات التدريب الكاملة: واحدة حيث دفع روبوت آخر الأداة مغلقة، وأخرى من مجموعة بيانات مفتوحة يضع فيها روبوت آخر زجاجة بلاستيكية داخلها بناءً على تعليمات شخص ما. وقد استطاع النموذج بطريقة ما الجمع بين تلك الفقرات، بالإضافة إلى بيانات تدريبية من الإنترنت، إلى فهم وظيفي لكيفية عمل الأداة.

يُشير لوسي شي، الباحثة في Physical Intelligence وطالبة دكتوراه في علوم الكمبيوتر في ستانفورد، إلى أن "من الصعب جداً تتبع مصدر المعرفة، أو أين سينجح النموذج أو يفشل". ومع ذلك، استطاع النموذج، دون أي تدريب، أن يقوم بمحاولة مقبولة في استخدام الأداة لطهي بطاطا حلوة. وعندما قادته التعليمات الشفهية خطوة بخطوة، نجح في أداء المهمة.

الإمكانيات المستقبلية

تعتبر هذه القدرة على التدريب من قبل البشر ذات أهمية، حيث تشير إلى أن الروبوتات يمكن أن تُستخدم في بيئات جديدة وتحسينها في الوقت الحقيقي دون الحاجة لجمع بيانات إضافية أو إعادة تدريب النموذج.

ومع ذلك، يُحذر الباحثون من أن النموذج لا يزال لديه قيود، وهم حذرون في عدم الإفراط في التفاؤل. في إحدى الحالات، أشاروا مباشرة إلى فريقهم. تقول شي: "في بعض الأحيان، يكون وضع الفشل ليس على الروبوت أو النموذج، بل علينا. عدم التمكن من تنفيذ هندسة التوجيه بشكل جيد". وتصف تجربة مبكرة مع الأداة الهوائية التي أنتجت نسبة نجاح 5%. بعد قضاء حوالي نصف ساعة في تحسين كيفية شرح المهمة للنموذج، ارتفعت النسبة إلى 95%.

لا يزال النموذج غير قادر على تنفيذ مهام متعددة الخطوات بشكل مستقل من أمر واحد عالي المستوى. ويضيف ليفين: "لا يمكنك أن تقول له، 'اذهب واجعل لي خبزاً محمصاً'. ولكن إذا قمت بإرشاده من خلال المهمة خطوة بخطوة، فإنه يعمل بشكل جيد جداً".