ملخص: يتناول هذا المقال كيف يمكن للذكاء الاصطناعي، عندما يكتسب شكلًا ماديًا في هيئة روبوتات، أن يتعلم الاندماج في المجتمع البشري بطريقة آمنة وأخلاقية. يسلّط الضوء على التحديات المعقدة التي تواجه تدريب الروبوتات مقارنة بالنماذج اللغوية مثل ChatGPT، موضحًا أهمية التعلم المتجسد والتفاعل الاجتماعي والتعليم النشط ليكتسب الروبوت فهمًا للعالم المادي والثقافي من حوله. ويدعو المقال إلى تبنّي مفهوم "الروبوتات الثقافية"، التي لا تكتفي بأداء المهام، بل تتعلم من البشر لتصبح جزءًا متكاملًا من نسيج الحياة الإنسانية.
- لقد استحوذت النماذج اللغوية الضخمة مثل ChatGPT على اهتمام العالم بقدرتها على كتابة المقالات وتلخيص الأبحاث وحتى برمجة الأكواد.
- لكن ماذا يحدث عندما لا يكتفي الروبوت المدعوم بالذكاء الاصطناعي بالرد بالنصوص فقط، بل يتفاعل معك بطريقة تراها طبيعية ومقبولة؟
- إن مستقبل الذكاء الاصطناعي "المتجسّد" – أي الموجود في شكل مادي مثل الروبوتات – يتطلب إعادة التفكير في كيفية تعلم الآلات، ليس فقط من الإنترنت، بل منا نحن البشر أيضًا.
الذكاء الاصطناعي عندما يكتسب جسدًا
لقد أظهرت النماذج اللغوية الضخمة مثل ChatGPT وClaude وDeepSeek مدى التقدم الذي أحرزه الذكاء الاصطناعي في معالجة النصوص وتوليدها. فهي تتنبأ بالكلمة التالية الأكثر احتمالًا لتتمكن من كتابة المقالات وتلخيص الأبحاث وكتابة الشيفرات البرمجية.
لكن ماذا لو امتلك الذكاء الاصطناعي جسدًا؟
تخيل روبوتًا مدعومًا بالذكاء الاصطناعي لا يتنبأ بالكلمة التالية، بل بالفعل التالي المناسب. بدلًا من الرد بالنص، يمكنه أن يحيّيك، يناولك شيئًا، أو يرافقك إلى قاعة الاجتماعات بطريقة تبدو لك طبيعية ومريحة.
هذا التصور لما يُعرف بـ"الذكاء الاصطناعي المتجسد" يثير أسئلة جديدة:
كيف يمكن للروبوتات أن تتعلم السلوك في عالم أكثر تعقيدًا وتنوعًا من النصوص؟ وكيف نضمن اندماجها في المجتمع البشري بطريقة آمنة وأخلاقية وشاملة؟
لماذا تدريب الروبوتات أصعب من تدريب روبوتات المحادثة
تُدرَّب النماذج اللغوية الضخمة اليوم على تريليونات من الكلمات المستخرجة من الإنترنت والكتب والمحادثات.
تتعلم هذه النماذج الأنماط الإحصائية في اللغة، ثم تُحسَّن من خلال ملاحظات البشر لجعلها أكثر أمانًا ودقة. ويُقال إن تدريب ChatGPT-4 تطلّب نحو بيتابايت من البيانات — أي ما يعادل مشاهدة أكثر من 13 عامًا من الفيديو عالي الدقة بشكل متواصل.
ومع ذلك، فإن هذا الكمّ من البيانات لا يكفي لتدريب الروبوتات. فالعالم المادي أكثر تعقيدًا من النصوص، والروبوت يحتاج إلى التنبؤ ليس فقط بالكلمة التالية، بل بالحدث أو الإحساس الحسيّ التالي أيضًا.
على سبيل المثال، إذا واجه الروبوت بابًا، فيجب أن يعرف أن الأبواب تُفتح بالمفصلات، وأن الجرس ثابت، وأن الجدران لا تختفي.
هذا يتطلب نموذجًا للعالم يستند إلى قوانين الفيزياء وفهم الأشياء والمعايير الاجتماعية.
ورغم إمكانية بناء مثل هذه النماذج في بيئات منظمة مثل المصانع أو المستودعات، فإنها تنهار في الحياة اليومية التي تتميز بعدم اليقين والتنوع اللامحدود.
للمقارنة، فإن الطفل البشري بعمر أربع سنوات يكون قد عالج ما يعادل 10 تيرابايت من المدخلات البصرية وحدها — وهو تقريبًا حجم البيانات التي استُخدمت لتدريب ChatGPT-4.
وذلك قبل أن نضيف الحواس الأخرى مثل السمع واللمس والتذوق والإدراك الجسدي والرائحة.
هذا التعلم المتجسد هو ما يمكّن الأطفال من فهم العالم بطرق لا تزال بعيدة عن متناول أنظمة الذكاء الاصطناعي الحالية.
ما الذي يمكن أن يعلّمنا إياه البشر عن تعلم الروبوتات
يتعلم البشر بفعالية ليس فقط بسبب عقولهم وأجسادهم، بل لأنهم يتعلمون من ثقافاتهم أيضًا.
جادل الفيلسوف دانيال دينيت بأن "التثقيف الثقافي" — أي تعلم القيم والمعايير والسلوكيات من خلال الملاحظة والتجربة والتعليم — هو ما يجعل البشر يستخدمون أدوات التفكير في عقولهم بكفاءة تفوق الأنواع الأخرى.
فالقردة، مثل الشمبانزي، تتعلم اجتماعيًا ولكن من دون تعليم مباشر.
فعلى سبيل المثال، يستغرق صغير الشمبانزي سنوات ليتعلم كيفية كسر الجوز بحجر، لأنه يعتمد على الملاحظة والتقليد فقط، إذ لا يقوم الكبار بتعليمه مباشرة.
أما الأطفال البشر فيتعلمون بسرعة أكبر بفضل التعليم المقصود من الآخرين.
ومع مرور الأجيال، تُراكم هذه المعارف والثقافات، مما يؤدي إلى التقدم الحضاري الهائل للبشرية.
لذلك، إذا أردنا أن تتعلم الروبوتات بفعالية، فعلينا الاستفادة من قدرتنا على التعلم الاجتماعي والتعليم النشط، ودمج التعلم المتجسد مع التفاعل الاجتماعي والنقل الثقافي من خلال التعليم المباشر.
من الإشارات الاجتماعية إلى التعليم النشط
يبرز نهجان رئيسيان يمكن الجمع بينهما لتعليم الروبوتات:
التعلم الاجتماعي المعزز (SRL):
يمكن للروبوتات أن تتعلم من التغذية الراجعة الاجتماعية في الوقت الفعلي، مثل الابتسامات، العبوس، النظرات المتفاجئة، نبرة الصوت المرتفعة أو ابتعاد الأشخاص عنها.
هذه الإشارات يمكن أن توجه الروبوتات نحو سلوكيات أكثر قبولًا، تمامًا كما يتعلم الأطفال من رضا أو عدم رضا الآخرين.التعليم النشط:
بدلاً من المراقبة السلبية، يمكن للبشر أن يلعبوا دورًا فاعلًا في تعليم الروبوتات.
قد يشمل ذلك أساليب تقليدية مثل "التعلم بالمحاكاة"، أو أساليب أكثر تطورًا مثل تصحيح الأخطاء بطريقة اجتماعية غير مباشرة، أو اختيار الفعل الأنسب من مجموعة خيارات يقدمها الروبوت في سياق معين.
يمكن أن يحدث هذا التدريب في بيئات واقعية مثل المستشفيات أو المدارس، أو في محاكاة رقمية.
ومع مرور الوقت، ستساعد هذه الأساليب الروبوتات على تطوير أنماط سلوك مناسبة لكل بيئة عمل.
فعلى سبيل المثال، يمكن لروبوت المستشفى أن يتعلم تدريجيًا آداب التعامل مع المرضى، بينما يتعلم روبوت الخدمات اللوجستية كيفية التفاعل بفعالية مع العمال في المستودعات.
تحدي التخطيط والتعقيد
حتى مع التعلم الاجتماعي، تواجه الروبوتات تحديًا إضافيًا: التخطيط الهرمي.
فكر في الهدف البسيط المتمثل في إيصال شخص إلى محطة القطار.
يتطلب ذلك إدارة عدة أهداف فرعية: مغادرة الشقة، قفل الباب، ركوب الحافلة، والوصول إلى الرصيف الصحيح.
كل خطوة تنطوي على عقبات غير متوقعة مثل حركة المرور أو تفاعلات البشر.
لا يمكن للروبوت أن يخطط لكل حركة تفصيلية مسبقًا وصولًا إلى تحكمه بعضلاته الافتراضية.
بل يجب أن يجمع بين التدريب المسبق والقدرة على التكيف مع المواقف أثناء تطورها.
وقد يكون التعليم النشط من البشر – سواء عبر العروض أو التغذية الراجعة المباشرة أو غير المباشرة – عنصرًا أساسيًا لمساعدة الروبوتات على التعامل مع هذا التعقيد.
لماذا يهمنا هذا الآن؟
الروبوتات لم تعد خيالًا علميًا. فهي اليوم توصل الطعام في المدن، وتساعد في المستودعات، وتوفر الرفقة في دور الرعاية.
ومع بدء الذكاء الاصطناعي التوليدي بالاندماج في الأجسام المادية، تتضاعف الآثار المترتبة على ذلك:
الفرص: يمكن للروبوتات أن تنفذ مهامًا خطرة في البناء أو التعدين، وتدعم رعاية المسنين، وتشارك في الاستجابة للكوارث المناخية.
المخاطر: إذا لم تُصمم بعناية، فقد تحل محل الوظائف، أو تعمّق الفجوات الاجتماعية، أو تُستخدم في أغراض عسكرية. كما تُطرح قضايا الخصوصية والسلامة والثقة.
الخيارات: على القادة أن يقرروا أين يجب أن تعمل الروبوتات، ومن المستفيد من انتشارها، وكيفية بناء أنظمة تكسب ثقة المجتمع.
نحو "الروبوتات الثقافية"
إن مستقبل الذكاء الاصطناعي المتجسد لا يمكن تحقيقه بمجرد زيادة حجم البيانات.
بل يتطلب إعادة التفكير في كيفية تعلم الآلات – ليس فقط من الإنترنت، بل منّا نحن البشر.
فإذا كانت الروبوتات ستعيش بيننا في المنازل وأماكن العمل والطرق، فعليها أن تتثقف ثقافيًا: أن تتعلم من خلال التفاعل الجسدي والإشارات الاجتماعية والتعليم النشط، تمامًا كما يفعل البشر.
إنها مهمة صعبة، لكنها أيضًا فرصة هائلة.
من خلال دمج التعلم الثقافي في تدريب الروبوتات، يمكننا بناء أنظمة مستقلة لا تقتصر على أداء المهام فحسب، بل تندمج بمسؤولية في نسيج حياتنا الاجتماعية.
فالسؤال لم يعد: "هل سيكتسب الذكاء الاصطناعي جسدًا؟"
بل أصبح: "كيف سنعلّمه أن ينتمي إلى عالمنا؟"
