تشتد المنافسة في مجال الروبوتات الشبيهة بالبشر مع تباين أساليب التدريب

يتسارع السباق لتطوير الروبوتات الشبيهة بالبشر ونشرها، مع تنافس كبرى شركات التكنولوجيا والشركات الناشئة الطموحة على حصة من سوق يُتوقع أن تبلغ قيمته 38 مليار دولار بحلول عام 2035. وتعمل شركات مثل Tesla و1X Technologies وFigure AI على زيادة وتيرة الإنتاج، مستهدفةً نشر ملايين الروبوتات في المصانع والمكاتب والمنازل. غير أن نجاح هذه القوة العاملة الروبوتية الجديدة يتوقف على عامل حاسم واحد: البيانات. وبالتحديد، الكم الهائل من البيانات المطلوبة لتعليم هذه الآلات كيفية التنقل في العالم المادي والتفاعل معه.

38 مليار دولار بحلول عام 2035

يساعد هذا الحجم المتوقع للسوق في تفسير سبب استثمار الشركات بكثافة في مسارات البيانات التي يقودها البشر لتدريب الروبوتات الشبيهة بالبشر.

العنصر البشري في تدريب الذكاء الاصطناعي

على خلاف النماذج اللغوية التي تتعلم من نصوص جُمعت من الإنترنت، يتعين على الروبوتات الشبيهة بالبشر إتقان المهام المادية. وهذا يتطلب نوعًا مختلفًا من التدريب، وهو تدريب يعتمد حاليًا على البشر. ففي منشآت تديرها شركات ناشئة مثل Encord وTutor Intelligence، يقضي «مشغلو الروبوتات» من البشر أيامهم في أداء أفعال متكررة عبر أنظمة التشغيل عن بُعد. وباستخدام حساسات لليد والذراع، يوجّهون أذرعًا روبوتية لصب القهوة، أو فرز الأشياء، أو توصيل الكابلات، مئات المرات.

ويُنتج هذا الإدخال البشري النوع من البيانات المادية المنظَّمة التي لا تستطيع الروبوتات الحصول عليها من النصوص الضخمة المتاحة على الإنترنت وحدها.

🤖

ما الذي تلتقطه بيانات التدريب فعليًا

تكمن القيمة في تسجيل الأفعال المرئية والمتغيرات المادية الخفية التي تجعل تلك الأفعال ناجحة.

تكرار المهام

يكرر المشغلون مهامًا مثل صب القهوة، وفرز الأشياء، وتوصيل الكابلات مرات كثيرة لتوليد أمثلة موثوقة.

الدقة المادية

تشمل البيانات عزم الدوران والقوة والإحكام في الإمساك، لا الحركة فقط، ما يمنح الروبوتات نموذجًا أكثر ثراءً بكثير لكيفية تنفيذ الأفعال في العالم الحقيقي.

القيمة التجارية

ولأن هذه البيانات نادرة ومفيدة لتعلّم الآلة الأكثر تقدمًا، تتقاضى بعض الشركات من العملاء ما يصل إلى 1,000 دولار في الساعة.

وتختلف مقاربة جمع هذه البيانات عالميًا. ففي الولايات المتحدة، تقود هذا الجهد إلى حد كبير منظومة شركات ناشئة تنافسية. وعلى النقيض من ذلك، أنشأت الصين أكثر من 40 منشأة مملوكة للدولة لجمع بيانات الروبوتات، وتوظف مئات الأشخاص لتدريب الروبوتات في الموقع.

ورغم التقدم الكبير، لا تزال التحديات قائمة. فبينما أتقن كثير من الروبوتات المشي، فإنها لا تزال تواجه صعوبة في التعامل مع تعقيدات البيئات غير المنظَّمة مثل المنزل. وما يزال تنفيذ مهام بسيطة بالنسبة إلى البشر، مثل فتح باب الثلاجة أو التعامل مع انسكاب غير متوقع، أمرًا صعبًا على الآلات بسلاسة. ويتمثل الحل الحالي في حذف سجلات المحاولات الفاشلة لضمان استخدام «بيانات جيدة» فقط في التدريب.

مقارنة بين نماذج التدريب عالميًا

الجانب	الولايات المتحدة	الصين
المحرّك الرئيسي	منظومة شركات ناشئة تنافسية	جهد مدعوم من الدولة لجمع البيانات
البنية التحتية	منشآت يقودها القطاع الخاص ومقدمو خدمات	أكثر من 40 منشأة مملوكة للدولة
نموذج العمل	خدمات تجارية للتدريب والتشغيل عن بُعد	مئات العاملين في الموقع لتدريب الروبوتات

وبالنظر إلى المستقبل، يبرز التشغيل عن بُعد بوصفه جزءًا أساسيًا من نموذج الأعمال. وحتى مع ازدياد استقلالية الروبوتات، فمن المرجح أنها ستظل تحتاج إلى إشراف بشري للتعامل مع «الحالات الاستثنائية» — أي التدخل عندما تواجه الآلة موقفًا جديدًا أو ترتكب خطأ. وقد أدى ذلك إلى ظهور مراكز تشغيل عن بُعد، فيما تستكشف بعض الشركات إمكانية الاستعانة بمشغلين في دول منخفضة الأجور لتنفيذ مهام في الولايات المتحدة عن بُعد، بما يخلق نموذجًا جديدًا للعمل العالمي. ويبدو أن مستقبل الروبوتات سيظل، في المستقبل المنظور، متشابكًا بعمق مع الذكاء البشري.

كيف قد يتطور التشغيل عن بُعد لاحقًا

اليوم

أصبح التشغيل عن بُعد بالفعل جزءًا محوريًا من الكيفية التي تجمع بها الشركات بيانات الأداء البشري اللازمة لتدريب الروبوتات.

مع تحسن الاستقلالية

قد ينتقل البشر من التحكم المستمر إلى التعامل مع الحالات الاستثنائية عندما تواجه الروبوتات مواقف جديدة أو ترتكب أخطاء.

نموذج عمل ناشئ

قد تتيح مراكز التشغيل عن بُعد للعمال في دول منخفضة الأجور مساعدة الروبوتات التي تؤدي مهامًا في الولايات المتحدة.