الذكاء اللمسي: طبقة البنية التحتية المقبلة للذكاء الاصطناعي الفيزيائي

• يتفاعل الذكاء الاصطناعي بشكل متزايد مع العالم الحقيقي، ومن المتوقع أن يتجاوز عدد الروبوتات الصناعية التي يتم تركيبها سنوياً حول العالم 700 ألف وحدة اعتباراً من عام 2028.
• يواجه الذكاء الاصطناعي الفيزيائي حالياً قيوداً ناجمة عن قصور الإدراك البصري، إلا أن قدراته قد تتعزز بفضل الذكاء اللمسي الواعد، الذي يوفر تغذية راجعة مباشرة حول التلامس والقوة والتشوه.
• يمكن لبيانات التفاعل اللمسي عالية الجودة أن تساعد في تحسين قدرات الروبوتات وتوسيع نطاق استخداماتها في نهاية المطاف.

يقود الذكاء الاصطناعي الفيزيائي ثورة صناعية جديدة، إذ يحوّل الذكاء الاصطناعي من قدرة رقمية بحتة إلى قوة ذكية قادرة على إدراك العالم المادي والتفاعل معه والعمل داخله.

خلال السنوات الأخيرة، مكّنت نماذج الرؤية واللغة الآلات من التعرف على الصور وفهم التعليمات وإنشاء المحتوى.

لكن مع انتقال الروبوتات إلى البيئات الواقعية، من المصانع والمستودعات إلى المستشفيات والمنازل، يتحول التحدي الأساسي من مجرد قدرتها على «إدراك» العالم و«فهمه» إلى مدى قدرتها على التفاعل معه والعمل داخله بصورة موثوقة.

تحتاج الروبوتات إلى الإمساك بالأشياء وتجميعها ونقلها وفحصها والتعاون مع البشر. كما تحتاج إلى استشعار التلامس والضغط والاحتكاك والتشوه وحالة المواد. ولذلك، فإن المرحلة المقبلة من الذكاء الاصطناعي الفيزيائي لن تتحدد ببناء نماذج أكبر حجماً باستمرار، بل بتطوير قدرات أكثر ثراءً وشمولاً للإدراك الفيزيائي.

وتزداد أهمية هذا التحول بصورة ملحّة مع انتقال الروبوتات من المختبرات إلى عمليات النشر الصناعي واسعة النطاق.

ووفقاً لتقرير «الروبوتات العالمية 2025» الصادر عن الاتحاد الدولي للروبوتات، يوجد حالياً نحو 4.67 مليون روبوت صناعي قيد التشغيل حول العالم، ومن المتوقع أن يتجاوز عدد التركيبات السنوية 700 ألف وحدة اعتباراً من عام 2028.

كما يشير تقرير «مستقبل الوظائف 2025» الصادر عن المنتدى الاقتصادي العالمي إلى أنه من المتوقع أن تشهد 22% من الوظائف الحالية تحولات هيكلية بحلول عام 2030.

وعلى الرغم من هذا الطلب المتسارع، لا تزال الأتمتة الصناعية تواجه نقصاً حاداً في الأنظمة القادرة على العمل بأمان وموثوقية وبقدرة على التكيف داخل البيئات الواقعية المعقدة.

الروبوتات تحقق نتائج واعدة بفضل الذكاء اللمسي

تتمثل إحدى العقبات الأساسية التي تواجه أنظمة الروبوتات الحالية في اعتمادها الكبير على الإدراك البصري.

ففي السيناريوهات التي تتضمن حجب الرؤية، والأسطح العاكسة، وظروف الإضاءة المنخفضة، والأجسام الشفافة، والمواد المرنة، وعمليات التجميع الدقيقة، يمكن أن تتراجع موثوقية البيانات البصرية بشكل كبير، ما يجعل من الصعب تنفيذ عمليات المناولة بدقة.

أما الاستشعار اللمسي، فيوفر تغذية راجعة مباشرة حول التلامس والقوة والتشوه، ما يساعد على سد هذه الفجوات المهمة في الإدراك.

وقد أظهرت أبحاث مشروع ACTOR أيضاً أن الاستشعار اللمسي لا يتأثر بشفافية الأجسام، ويمكنه توفير معلومات أكثر موثوقية حول شكل الجسم واتجاهه. ولذلك، أصبح الإدراك اللمسي عنصراً أساسياً لتمكين الروبوتات من العمل بأمان وموثوقية وقدرة على التكيف في العالم الحقيقي.

وتثبت التطبيقات الصناعية بالفعل مدى أهمية الذكاء اللمسي. فقد صُمم روبوت المستودعات «فولكان» التابع لشركة أمازون لدمج الرؤية واللمس عند التعامل مع العناصر المعقدة الموجودة على الرفوف.

ويستخدم «فولكان» إشارات القوة لفهم طبيعة التلامس، وقد تم نشره في مراكز تنفيذ الطلبات في هامبورغ بألمانيا وسبوكان في الولايات المتحدة.

كما يستطيع «فولكان» التعامل مع نحو 75% من العناصر الموجودة في المستودعات. ويُظهر ذلك أن حاسة اللمس أصبحت قدرة ضرورية لتحسين موثوقية الروبوتات في البيئات الواقعية المزدحمة والمكتظة وغير القابلة للتنبؤ.

ولا يمثل الذكاء اللمسي تقنية استشعار واحدة، بل هو قدرة متكاملة على مستوى النظام تشمل الأجهزة والبيانات والنماذج.

تلتقط أجهزة الاستشعار اللمسية معلومات فيزيائية مثل قوة التلامس والتشوه وحالة المواد. وتحول منصات البيانات التفاعلات الحقيقية بين الإنسان والآلة وبين الآلة والأجسام إلى موارد يمكن استخدامها في التدريب والمحاكاة.

بعد ذلك، تستخدم النماذج المتجسدة البيانات اللمسية عالية الجودة لتعلّم استراتيجيات أكثر متانة وموثوقية في التعامل مع الأشياء.

البيانات عالية الجودة ستعزز الذكاء اللمسي وتوسع استخدام الروبوتات

تُظهر النماذج التأسيسية المخصصة للروبوتات، مثل نظام GR00T N1، أن تعلم الروبوتات أصبح يجمع بالفعل بين مسارات الحركة الواقعية ومقاطع الفيديو البشرية والبيانات الاصطناعية. وقد تصبح بيانات التفاعل اللمسي عالية الجودة مصدراً إضافياً أساسياً لتحسين قدرة الروبوتات على التعميم مستقبلاً.

ولا يزال الحصول على بيانات الذكاء الاصطناعي المتجسّد من خلال وسائل أكثر كفاءة وأقل تكلفة يمثل تحدياً تعمل شركة Xense Robotics وغيرها على معالجته. فعلى سبيل المثال، طورت Xense جهازاً قابلاً للارتداء لجمع البيانات، يمكنه خفض تكاليف جمعها بأكثر من 80%.

ولمعالجة مسألة جودة البيانات، وضعت الشركة معايير خاصة بها لجودة البيانات وطورت محركاً داخلياً لمعالجتها بعد جمعها، ما أدى أيضاً إلى خفض تكلفة تنظيف البيانات يدوياً بأكثر من 80%. ويساعد نموذجها الخاص للذكاء الاصطناعي المتجسّد VTLA، الذي يجمع بين الرؤية واللمس واللغة والفعل، على تحويل هذه البيانات إلى قدرات روبوتية قابلة للتطبيق عملياً.

وتكتسب الحلقة المتكاملة بين الأجهزة والبيانات والنماذج أهمية كبيرة، لأن الذكاء الاصطناعي الفيزيائي يحتاج إلى حل ثلاث مشكلات في الوقت نفسه: التلامس الموثوق، والمناولة المعقدة، والتكيف مع البيئة.

ويعني التلامس الموثوق معرفة ما إذا كان الجسم ينزلق، أو ما إذا كانت عملية الإمساك به مستقرة، أو ما إذا كانت القوة المطبقة عليه مفرطة.

أما المناولة المعقدة، فتعني القدرة على التعامل مع الأجسام التي تنحني أو تتحرك أو تنضغط أو تتشوه أثناء تنفيذ المهمة. ويعني التكيف البيئي الاستجابة للاختلافات في القطع والأدوات والأسطح والسلوك البشري من دون الاعتماد بالكامل على مسارات مبرمجة مسبقاً.

ويمكن لحاسة اللمس أن توفر التغذية الراجعة اللازمة لإغلاق هذه الحلقة.

وباعتبارها شركة ناشئة في مجال الروبوتات، تستكشف Xense Robotics هذه الحدود الجديدة انطلاقاً من رؤية مفادها أن «اللمس يشعل شرارة الذكاء الفيزيائي». ولا تكمن قيمة الإدراك اللمسي في استبدال أنظمة الرؤية أو النماذج اللغوية الكبيرة، بل في استكمال طبقة مفقودة في قدرة الذكاء الاصطناعي الفيزيائي على فهم العالم المادي الحقيقي.

ويتجاوز تأثيره الصناعي مجرد تحقيق مكاسب في الكفاءة؛ فالروبوتات الأكثر موثوقية يمكنها تقليل الحاجة إلى إعادة العمل والحد من هدر المواد، وتحسين جودة التصنيع، والمساعدة على معالجة نقص العمالة، والإسهام في تحويل التعاون بين البشر والروبوتات من نموذج «الأتمتة المعزولة» إلى مستقبل يعمل فيه البشر والآلات معاً لإنجاز المهام.

وإذا كانت الرؤية واللغة قد علّمتا الذكاء الاصطناعي كيفية فهم العالم، فقد يكون الذكاء اللمسي هو ما سيمكّنه من التفاعل معه فعلياً، بما يسمح للآلات بالعمل والتعلم والتحسن المستمر من خلال التغذية الراجعة القادمة من البيئة المادية. وقد يمثل ذلك المسار نحو الوصول بالذكاء الاصطناعي الفيزيائي إلى صورته الأكثر اكتمالاً.

وقد يبدأ التطور المقبل للذكاء الاصطناعي الفيزيائي بقدرة أساسية واحدة: تعليم الآلات كيفية «اللمس».

المصدر