بوتات الإنسان: من أحلام الخيال العلمي إلى التطبيقات الواقعية
تتحول الروبوتات البشرية العامة بسرعة من الأعمال الخيالية إلى الواقع. إن انخفاض تكاليف الأجهزة، وزيادة الاستثمارات، والانفجارات التقنية في قابلية الحركة والقدرة التشغيلية، هي العوامل الثلاثة التي تدفع بجولة جديدة من التحولات الكبرى في مجال الحوسبة.
على الرغم من أن توافر قدرات الحوسبة والأجهزة أصبح متزايدًا، مما يوفر مزايا تكلفة لهندسة الروبوتات، إلا أن هذه الصناعة لا تزال تواجه تحديات نقص بيانات التدريب. في هذا السياق، بدأت بعض المشاريع في الاستفادة من الذكاء الاصطناعي الفيزيائي اللامركزي (DePAI) لجمع بيانات الحركة الدقيقة والبيانات التركيبية، وبناء نماذج أساسية للروبوتات. وهذا يمنحها ميزة فريدة في دفع نشر الروبوتات البشرية.
من شكل وظيفة واحدة إلى شكل متعدد الوظائف
تجارية تكنولوجيا الروبوتات ليست أمراً جديداً. الأجهزة المنزلية مثل روبوتات التنظيف وكاميرات الحيوانات الأليفة التي نعرفها جميعاً، تنتمي إلى روبوتات ذات وظيفة واحدة. مع تقدم الذكاء الاصطناعي، تتطور الروبوتات نحو أشكال متعددة الوظائف لتناسب عمليات العمل في بيئات مفتوحة أكثر تعقيداً.
يتوقع أنه خلال السنوات الخمس إلى الخمس عشرة القادمة، ستتطور الروبوتات البشرية من المهام الأساسية إلى مهام أكثر تعقيدًا، بحيث ستكون قادرة في النهاية على أداء خدمات الاستقبال، وإنقاذ الحرائق، وحتى العمليات الجراحية.
ديناميات السوق والاختراقات التكنولوجية
حالياً، هناك أكثر من 100 شركة تستثمر في مجال الروبوتات البشرية. تُظهر الجيل الجديد من الروبوتات البشرية حركات سلسة وطبيعية، مما يسمح لها بالتفاعل البشري في البيئات الواقعية. تصل سرعة المشي لبعض الروبوتات إلى 3.3 متر في الثانية، وهو ما يتجاوز بكثير متوسط سرعة المشي البشري البالغة 1.4 متر في الثانية.
بالإضافة إلى ذلك، فإن تكلفة بوتات البشر تتناقص باستمرار. من المتوقع أنه بحلول عام 2032، ستنخفض تكلفتها عن مستوى الرواتب البشرية في الولايات المتحدة.
عقبات التنمية: بيانات التدريب في العالم الحقيقي
على الرغم من وجود العديد من العوامل الإيجابية في مجال بوتات البشر، إلا أن مشكلة جودة البيانات غير الكافية ونقصها لا تزال تعيق نشرها على نطاق واسع. مقارنةً بتقنية القيادة الذاتية، تواجه بوتات البشر تحديات أكبر في جمع البيانات.
من غير المرجح أن يقبل المستهلكون بوجود "بوتات مربية"، مما يعني أن الروبوتات يجب أن تتمتع بأداء عالي جاهز للاستخدام. لذلك، تصبح جمع البيانات قبل النشر أمرًا بالغ الأهمية. يجب أن تتم جميع التدريبات قبل الإنتاج التجاري، بينما تظل حجم البيانات وجودتها تحديًا مستمرًا.
حاليًا، تحتوي أكبر مجموعة بيانات بوتات على حوالي 2.4 مليون سجل تفاعل، وهو ما يمثل فجوة ضخمة مقارنة بـ 15 تريليون علامة نصية لـ GPT-4 أو المليارات من أزواج الفيديو والنص المسمى التي تستخدمها Midjourney و Sora. تفسر هذه النقص في الأساس البيانات لماذا لم تحقق تقنية البوتات نموذجًا أساسيًا حقيقيًا كما هو الحال مع نماذج اللغة الكبيرة.
طريقة جديدة لتجاوز عنق الزجاجة البيانات
تواجه طرق جمع البيانات التقليدية صعوبة في تلبية احتياجات حجم بيانات تدريب الروبوتات البشرية. تعد المحاكاة منخفضة التكلفة ولكنها تفتقر إلى سيناريوهات الحدود الحقيقية، بينما لا يمكن لمقاطع الفيديو على الإنترنت توفير الإحساس الجسدي الضروري وبيئة ردود الفعل القوية، وعلى الرغم من أن بيانات العالم الحقيقي دقيقة، إلا أنها مكلفة للغاية وتفتقر إلى القابلية للتوسع.
لحل هذه المشكلة، اقترحت بعض المشاريع حلولًا جديدة. من خلال بناء منصة برمجيات وبيانات متكاملة رأسياً موجهة لتطبيقات الروبوتات الذكية المتجسدة، تهدف هذه المشاريع إلى معالجة مشكلة اختناق البيانات في مجال الروبوتات البشرية.
حل شامل
تشمل هذه الحلول الشاملة عادةً أجهزة التقاط الحركة الخاصة بالمستهلك، ونظام ألعاب الواقع المعزز والواقع الافتراضي، ومنصات البيانات متعددة الوسائط، ونماذج الروبوتات الأساسية. يقوم المستخدمون بتقديم بيانات حركة عالية الدقة مقابل مكافآت تحفيزية عبر الإنترنت، مما يدفع المنصة إلى التطور المستمر.
تتمكن هذه الطريقة ليس فقط من جمع بيانات العالم الحقيقي على نطاق واسع، بل أيضاً من بناء بيئات محاكاة لدفع تدريب النماذج، مما يظهر القوة الحقيقية للشبكات الذكية الفيزيائية الموزعة. تعمل هذه المنصة على إنشاء نظام بيئي لمطوري الذكاء الاصطناعي الفيزيائي يتجاوز مجرد الحصول على البيانات، حيث تمتد وظائفها إلى نشر النماذج الفعلية ومجالات الترخيص التجاري.
تعمل تقنية التشفير على بناء مجموعة عمودية كاملة للذكاء الاصطناعي في العالم المادي. من خلال حوافز الرموز التي تمر عبر مجموعة التقنية بأكملها، تقوم هذه المشاريع بإنشاء آلية توسيع مفتوحة وقابلة للتجميع وغير مرخصة، مما يجعل التطور اللامركزي للذكاء الاصطناعي المادي ممكنًا.
عندما يبدأ نظام تحفيز الرموز بشكل رسمي، من المتوقع أن يرتفع مستوى المشاركة في الشبكة. يمكن للمستخدمين الحصول على تحفيز من الجهة المشروعة عند شراء الأجهزة، بينما تدفع شركات تطوير الروبوتات مكافآت للمساهمين في الأجهزة، مما سيحفز المزيد من الأشخاص على المشاركة في جمع البيانات. في الوقت نفسه، ستقوم الجهة المشروعة بتحفيز ديناميكي لجمع بيانات سلوكية مخصصة ذات قيمة عالية، وبالتالي سد الفجوة التكنولوجية بشكل أكثر فعالية بين المحاكاة والتطبيقات الواقعية.
آفاق المستقبل
قد لا يتم تحفيز "لحظة ChatGPT" في مجال الروبوتات من قبل شركات الروبوتات نفسها، لأن نشر الأجهزة أكثر تعقيدًا بكثير من البرمجيات. إن النمو المتفجر لتكنولوجيا الروبوتات مقيد بشكل طبيعي بالتكاليف، وتوافر الأجهزة، وتعقيد النشر.
إن نقطة التحول في الروبوتات البشرية لا تكمن في مدى روعة النماذج الأولية، بل في انخفاض التكلفة إلى مستوى يمكن للجمهور تحمله، تمامًا كما كان الحال مع انتشار الهواتف الذكية أو أجهزة الكمبيوتر في الماضي. عندما تنخفض التكلفة، ستصبح الأجهزة تذكرة دخول، وستكون الميزة التنافسية الحقيقية في البيانات والنماذج: وبالتحديد، في حجم وجودة وتنوع الذكاء الحركي المستخدم لتدريب الآلات.
مع تقدم ثورة منصات الروبوتات، ستصبح البيانات الداعمة أمرًا حاسمًا. من المتوقع أن تسد حلول الذكاء الاصطناعي الفيزيائي اللامركزي (DePAI) الفجوة الأكثر أهمية في تقنية الروبوتات الذكية، مما يمهد الطريق للروبوتات البشرية للانتقال من الخيال العلمي إلى الواقع.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تطور روبوتات البشر يحقق اختراقًا كبيرًا DePAI قد تحل أزمة البيانات
بوتات الإنسان: من أحلام الخيال العلمي إلى التطبيقات الواقعية
تتحول الروبوتات البشرية العامة بسرعة من الأعمال الخيالية إلى الواقع. إن انخفاض تكاليف الأجهزة، وزيادة الاستثمارات، والانفجارات التقنية في قابلية الحركة والقدرة التشغيلية، هي العوامل الثلاثة التي تدفع بجولة جديدة من التحولات الكبرى في مجال الحوسبة.
على الرغم من أن توافر قدرات الحوسبة والأجهزة أصبح متزايدًا، مما يوفر مزايا تكلفة لهندسة الروبوتات، إلا أن هذه الصناعة لا تزال تواجه تحديات نقص بيانات التدريب. في هذا السياق، بدأت بعض المشاريع في الاستفادة من الذكاء الاصطناعي الفيزيائي اللامركزي (DePAI) لجمع بيانات الحركة الدقيقة والبيانات التركيبية، وبناء نماذج أساسية للروبوتات. وهذا يمنحها ميزة فريدة في دفع نشر الروبوتات البشرية.
من شكل وظيفة واحدة إلى شكل متعدد الوظائف
تجارية تكنولوجيا الروبوتات ليست أمراً جديداً. الأجهزة المنزلية مثل روبوتات التنظيف وكاميرات الحيوانات الأليفة التي نعرفها جميعاً، تنتمي إلى روبوتات ذات وظيفة واحدة. مع تقدم الذكاء الاصطناعي، تتطور الروبوتات نحو أشكال متعددة الوظائف لتناسب عمليات العمل في بيئات مفتوحة أكثر تعقيداً.
يتوقع أنه خلال السنوات الخمس إلى الخمس عشرة القادمة، ستتطور الروبوتات البشرية من المهام الأساسية إلى مهام أكثر تعقيدًا، بحيث ستكون قادرة في النهاية على أداء خدمات الاستقبال، وإنقاذ الحرائق، وحتى العمليات الجراحية.
ديناميات السوق والاختراقات التكنولوجية
حالياً، هناك أكثر من 100 شركة تستثمر في مجال الروبوتات البشرية. تُظهر الجيل الجديد من الروبوتات البشرية حركات سلسة وطبيعية، مما يسمح لها بالتفاعل البشري في البيئات الواقعية. تصل سرعة المشي لبعض الروبوتات إلى 3.3 متر في الثانية، وهو ما يتجاوز بكثير متوسط سرعة المشي البشري البالغة 1.4 متر في الثانية.
بالإضافة إلى ذلك، فإن تكلفة بوتات البشر تتناقص باستمرار. من المتوقع أنه بحلول عام 2032، ستنخفض تكلفتها عن مستوى الرواتب البشرية في الولايات المتحدة.
عقبات التنمية: بيانات التدريب في العالم الحقيقي
على الرغم من وجود العديد من العوامل الإيجابية في مجال بوتات البشر، إلا أن مشكلة جودة البيانات غير الكافية ونقصها لا تزال تعيق نشرها على نطاق واسع. مقارنةً بتقنية القيادة الذاتية، تواجه بوتات البشر تحديات أكبر في جمع البيانات.
من غير المرجح أن يقبل المستهلكون بوجود "بوتات مربية"، مما يعني أن الروبوتات يجب أن تتمتع بأداء عالي جاهز للاستخدام. لذلك، تصبح جمع البيانات قبل النشر أمرًا بالغ الأهمية. يجب أن تتم جميع التدريبات قبل الإنتاج التجاري، بينما تظل حجم البيانات وجودتها تحديًا مستمرًا.
حاليًا، تحتوي أكبر مجموعة بيانات بوتات على حوالي 2.4 مليون سجل تفاعل، وهو ما يمثل فجوة ضخمة مقارنة بـ 15 تريليون علامة نصية لـ GPT-4 أو المليارات من أزواج الفيديو والنص المسمى التي تستخدمها Midjourney و Sora. تفسر هذه النقص في الأساس البيانات لماذا لم تحقق تقنية البوتات نموذجًا أساسيًا حقيقيًا كما هو الحال مع نماذج اللغة الكبيرة.
طريقة جديدة لتجاوز عنق الزجاجة البيانات
تواجه طرق جمع البيانات التقليدية صعوبة في تلبية احتياجات حجم بيانات تدريب الروبوتات البشرية. تعد المحاكاة منخفضة التكلفة ولكنها تفتقر إلى سيناريوهات الحدود الحقيقية، بينما لا يمكن لمقاطع الفيديو على الإنترنت توفير الإحساس الجسدي الضروري وبيئة ردود الفعل القوية، وعلى الرغم من أن بيانات العالم الحقيقي دقيقة، إلا أنها مكلفة للغاية وتفتقر إلى القابلية للتوسع.
لحل هذه المشكلة، اقترحت بعض المشاريع حلولًا جديدة. من خلال بناء منصة برمجيات وبيانات متكاملة رأسياً موجهة لتطبيقات الروبوتات الذكية المتجسدة، تهدف هذه المشاريع إلى معالجة مشكلة اختناق البيانات في مجال الروبوتات البشرية.
حل شامل
تشمل هذه الحلول الشاملة عادةً أجهزة التقاط الحركة الخاصة بالمستهلك، ونظام ألعاب الواقع المعزز والواقع الافتراضي، ومنصات البيانات متعددة الوسائط، ونماذج الروبوتات الأساسية. يقوم المستخدمون بتقديم بيانات حركة عالية الدقة مقابل مكافآت تحفيزية عبر الإنترنت، مما يدفع المنصة إلى التطور المستمر.
تتمكن هذه الطريقة ليس فقط من جمع بيانات العالم الحقيقي على نطاق واسع، بل أيضاً من بناء بيئات محاكاة لدفع تدريب النماذج، مما يظهر القوة الحقيقية للشبكات الذكية الفيزيائية الموزعة. تعمل هذه المنصة على إنشاء نظام بيئي لمطوري الذكاء الاصطناعي الفيزيائي يتجاوز مجرد الحصول على البيانات، حيث تمتد وظائفها إلى نشر النماذج الفعلية ومجالات الترخيص التجاري.
! [روبوت بشري + عملة مشفرة: كيف يبني Reborn دولاب الموازنة DePAI؟] ](https://img-cdn.gateio.im/webp-social/moments-6141c7f6e1234bedbc593c2e1c7d30df.webp)
دور تقنية العملات المشفرة
تعمل تقنية التشفير على بناء مجموعة عمودية كاملة للذكاء الاصطناعي في العالم المادي. من خلال حوافز الرموز التي تمر عبر مجموعة التقنية بأكملها، تقوم هذه المشاريع بإنشاء آلية توسيع مفتوحة وقابلة للتجميع وغير مرخصة، مما يجعل التطور اللامركزي للذكاء الاصطناعي المادي ممكنًا.
عندما يبدأ نظام تحفيز الرموز بشكل رسمي، من المتوقع أن يرتفع مستوى المشاركة في الشبكة. يمكن للمستخدمين الحصول على تحفيز من الجهة المشروعة عند شراء الأجهزة، بينما تدفع شركات تطوير الروبوتات مكافآت للمساهمين في الأجهزة، مما سيحفز المزيد من الأشخاص على المشاركة في جمع البيانات. في الوقت نفسه، ستقوم الجهة المشروعة بتحفيز ديناميكي لجمع بيانات سلوكية مخصصة ذات قيمة عالية، وبالتالي سد الفجوة التكنولوجية بشكل أكثر فعالية بين المحاكاة والتطبيقات الواقعية.
آفاق المستقبل
قد لا يتم تحفيز "لحظة ChatGPT" في مجال الروبوتات من قبل شركات الروبوتات نفسها، لأن نشر الأجهزة أكثر تعقيدًا بكثير من البرمجيات. إن النمو المتفجر لتكنولوجيا الروبوتات مقيد بشكل طبيعي بالتكاليف، وتوافر الأجهزة، وتعقيد النشر.
إن نقطة التحول في الروبوتات البشرية لا تكمن في مدى روعة النماذج الأولية، بل في انخفاض التكلفة إلى مستوى يمكن للجمهور تحمله، تمامًا كما كان الحال مع انتشار الهواتف الذكية أو أجهزة الكمبيوتر في الماضي. عندما تنخفض التكلفة، ستصبح الأجهزة تذكرة دخول، وستكون الميزة التنافسية الحقيقية في البيانات والنماذج: وبالتحديد، في حجم وجودة وتنوع الذكاء الحركي المستخدم لتدريب الآلات.
مع تقدم ثورة منصات الروبوتات، ستصبح البيانات الداعمة أمرًا حاسمًا. من المتوقع أن تسد حلول الذكاء الاصطناعي الفيزيائي اللامركزي (DePAI) الفجوة الأكثر أهمية في تقنية الروبوتات الذكية، مما يمهد الطريق للروبوتات البشرية للانتقال من الخيال العلمي إلى الواقع.