«آبل» تستكشف روبوتات للأفراد ذاتية التحكم تعمل بالذكاء الاصطناعيhttps://aawsat.com/%D8%AA%D9%83%D9%86%D9%88%D9%84%D9%88%D8%AC%D9%8A%D8%A7/4949481-%D8%A2%D8%A8%D9%84-%D8%AA%D8%B3%D8%AA%D9%83%D8%B4%D9%81-%D8%B1%D9%88%D8%A8%D9%88%D8%AA%D8%A7%D8%AA-%D9%84%D9%84%D8%A3%D9%81%D8%B1%D8%A7%D8%AF-%D8%B0%D8%A7%D8%AA%D9%8A%D8%A9-%D8%A7%D9%84%D8%AA%D8%AD%D9%83%D9%85-%D8%AA%D8%B9%D9%85%D9%84-%D8%A8%D8%A7%D9%84%D8%B0%D9%83%D8%A7%D8%A1-%D8%A7%D9%84%D8%A7%D8%B5%D8%B7%D9%86%D8%A7%D8%B9%D9%8A
«آبل» تستكشف روبوتات للأفراد ذاتية التحكم تعمل بالذكاء الاصطناعي
مصادر في «آبل»: يجري استكشاف روبوت متنقل يمكنه متابعة المستخدمين في جميع أنحاء منازلهم (شاترستوك)
تسعى «آبل» إلى تنويع منتجاتها من خلال قطاع الروبوتات المنزلية، إذ تدرس الآن مشاريع روبوتات ذاتية التحكم للأفراد، وفقاً لمقال نشرته «بلومبرغ»، الأربعاء، بعدما صرفت النظر عن تصنيع سيارة وتركيزها، كما يبدو على السيارات، والمنزل، والواقع الافتراضي.
ويعمل مهندسو الشركة الأميركية على روبوت متنقل قادر على متابعة المستخدمين في منازلهم، وفق ما نقلت «بلومبرغ» عن مصادر لم تُسمّها، وأن المهندسين يتطلعون أيضاً إلى ابتكار «جهاز متطور يثبت على المكتب يستطيع نقل شاشة»، لكنّ هذا المشروع «أُضيف وأزيل من خريطة طريق الشركة على مر السنين».
ويفيد تقرير «بلومبرغ» بأن تطوير الروبوتات يحدث تحت قيادة جون جياناندريا، نائب الرئيس الأول لقسم التعلم الآلي واستراتيجية الذكاء الاصطناعي في «آبل»، الذي قاد سابقاً فِرق الذكاء الآلي والأبحاث والبحث في «غوغل».
واكتسبت «آبل» مكانتها في المنازل والمؤسسات أولاً بفضل أجهزة الكمبيوتر التي تنتجها، ثم بفضل أجهزة «آيباد» و«آيفون» التي تهيمن إلى حد كبير على سوق الهواتف الذكية بالولايات المتحدة. كذلك حققت أجهزتها اللوحية وساعاتها الذكية وسماعاتها نجاحاً واسعاً أيضاً، خصوصاً لدى المستهلكين الذين يملكون أصلاً أحد منتجاتها. لكن الشركة العملاقة لم تصدر أي جهاز جديد رائد منذ «آبل ووتش». وتأتي خوذة الواقع المختلط (الافتراضي والمعزز) «آبل فيجن برو» التي طرحتها، هذه السنة، بعد منافساتها، وتستهدف، في الوقت الراهن، جمهوراً محترفاً.
إلغاء خطط السيارة الكهربائية
وكانت «آبل» قد صرفت النظر، بداية هذا العام، عن طموحاتها إلى تصنيع سيارة كهربائية، واضعةً بذلك حداً لمشروع شهد تقلبات وتحولات كثيرة، طوال عشر سنوات. وعمل نحو ألفيْ موظف في الشركة على هذا المشروع السري، وفق «بلومبرغ»، وعُهِد إلى قسم كبير منهم تصميم ونشر أدوات الذكاء الاصطناعي التوليدي الذي طغى إلى حد كبير على قطاع التكنولوجيا بالولايات المتحدة، السنة الفائتة.
روبوتات لشركات منافسة
وقبل «آبل»، بدأت شركات عدة؛ من بينها «سامسونغ»، تصنيع الروبوت المسمى «Ballie»؛ وهو روبوت يمكنه العمل بصفته جهازاً للعرض، ومركزاً للمنزل الذكي. ومن المتوقع أن يصل إلى السوق في عام 2024. وهذا العام، كشفت مواطِنتها «إل جي» عن روبوت صغير على عجلات، قادر على التفاعل مع أفراد الأسرة جميعاً؛ من بالغين وأطفال وحيوانات أليفة. وفي عام 2021، أطلقت «أمازون» الروبوت المنزلي «أسترو» المسؤول خصوصاً عن تنفيذ دوريات بالمنازل في غياب أصحابها.
دراسة جديدة: نماذج الذكاء الاصطناعي اللغوية تفتقر لفهم حقيقي للعالم
بحسب الدراسة أظهرت نماذج الذكاء الاصطناعي أنها لا تتعلم بالفعل الحقائق الكامنة عن العالم (أدوبي)
أظهرت نماذج اللغة الكبيرة (LLMs)، مثل النماذج التي يقوم عليها نموذج «GPT-4»، قدرات مذهلة في توليد النصوص، سواء أكان ذلك في كتابة الشعر، أو تأليف المقالات، حتى تقديم حلول برمجية. تُدرَّب هذه النماذج، المعتمدة على بنى معمارية متقدمة تُعرف باسم «المحوّلات» (Transformers)، على توقع تسلسل الكلمات، ما يمكّنها من الاستجابة للمطالبات بطرق تحاكي فهماً يشبه البشري. ومع ذلك، تشير أبحاث حديثة إلى أن هذه النماذج، على الرغم من قدراتها المثيرة للإعجاب، قد لا تتعلم بالفعل الحقائق الكامنة عن العالم.
التنقل في مدينة نيويورك دون خريطة
في دراسة حديثة قادها آشِش رامباتشان، أستاذ مساعد في الاقتصاد وباحث في مختبر نظم المعلومات واتخاذ القرار بمعهد ماساتشوستس للتكنولوجيا (LIDS)، قام الباحثون باختبار مدى قدرة نموذج لغوي مبني على «المحوّلات» على التنقل في مدينة نيويورك. وبينما أظهر النموذج دقة عالية في تقديم توجيهات دقيقة خطوة فخطوة عبر شبكة شوارع المدينة، تراجع أداؤه بشكل كبير عندما تمت إضافة عراقيل مثل إغلاق بعض الشوارع والتحويلات.
وعندما حلّل الباحثون أنماط التنقل التي أنتجها النموذج، اكتشفوا أن «خرائط» مدينة نيويورك التي كوّنها النموذج كانت تحتوي على مسارات غير واقعية، مثل شوارع غير موجودة وروابط غير دقيقة بين تقاطعات متباعدة. هذا الاكتشاف أثار تساؤلات حول حدود هذه النماذج، خاصة في البيئات التي تتطلب دقة كبيرة.
التداعيات في العالم الحقيقي
تنطوي هذه القيود على تداعيات هامة. فعلى الرغم من أن نماذج الذكاء الاصطناعي تبدو قادرة على التعامل مع مهام معقدة، فإن أداءها قد يتراجع بشكل كبير عندما تتغير المتغيرات البيئية، ولو بشكل بسيط. على سبيل المثال، قد يتمكن النموذج من التنقل في خريطة ثابتة لمدينة نيويورك، لكنه يتعثر عند مواجهة تحديات غير متوقعة، مثل إغلاق الشوارع. ويحذر فريق البحث من أن استخدام هذه النماذج في تطبيقات حقيقية قد يؤدي إلى فشل غير متوقع إذا واجهت سيناريوهات خارجة عن بيانات التدريب.
مقاييس لتقييم الفهم
لمزيد من التعمق في مدى قدرة نماذج الذكاء الاصطناعي على تكوين «نماذج للعالم»، أي تمثيلات داخلية للقواعد والهيكليات، طوّر الفريق مقياسين جديدين للتقييم، هما «تمييز التسلسل» و«ضغط التسلسل».
يقيس «تمييز التسلسل» قدرة النموذج على التمييز بين سيناريوهات مختلفة، مثل تمييز موضعين مختلفين على لوحة لعبة «أوثيللو». ويقيّم المقياس ما إذا كان النموذج يفهم أن مدخلات مختلفة تحمل دلالات مختلفة.
أما مقياس «ضغط التسلسل» فيقيّم قدرة النموذج على إدراك الحالات المتطابقة، مثل وضعين متطابقين على لوحة لعبة «أوثيللو»، ويفهم أن خطوات التحرك التالية من كل وضع يجب أن تكون متشابهة.
قام الفريق باختبار هذه المقاييس على فئة معينة من المسائل تشمل تسلسلاً محدداً من الحالات والقواعد، مثل التنقل في شبكة شوارع أو لعب «أوثيللو». من خلال هذه التقييمات، سعى الباحثون لفهم ما إذا كانت النماذج قد طوّرت بالفعل نماذج منطقية للعالم.
العشوائية قد تؤدي إلى فهم أعمق
كشف البحث عن نتيجة غير متوقعة، حيث أظهرت النماذج التي دربت على تسلسلات عشوائية قدرة أكبر على بناء نماذج داخلية دقيقة مقارنة بتلك التي دربت على بيانات منظمة. على سبيل المثال، في لعبة «أوثيللو»، كانت النماذج المدربة على حركات عشوائية قادرة على التعرف على جميع الحركات الممكنة، حتى الحركات غير المثلى التي لا يلجأ إليها اللاعبون المحترفون.
وأوضح كيون فافا، الباحث الرئيسي وأستاذ زائر في جامعة هارفارد، أنه «من الناحية النظرية، عندما يتم تدريب النموذج على حركات عشوائية، فإنه يرى مجموعة كاملة من الاحتمالات، بما في ذلك الخيارات غير المحتملة». ويبدو أن هذا التعرض الواسع «يساعد النموذج في تكوين نموذج أكثر دقة للعالم، وإن لم يلتزم بالأسلوب الأمثل».
ورغم هذه النتائج، لم يستطع أي من النماذج تكوين نموذج منطقي متكامل للعالم في مهمة التنقل. وعندما أضاف الباحثون تحويلات إلى خريطة نيويورك، فشلت جميع النماذج في التكيف. وأشار فافا إلى أن «التراجع في الأداء كان مفاجئاً؛ إغلاق واحد في المائة فقط من الشوارع تسبب في انخفاض الدقة بشكل حاد، من أداء شبه مثالي إلى 67 بالمائة فقط».
بناء نماذج للعالم موثوقة
تسلط نتائج هذه الدراسة الضوء على تحدٍ كبير، يتمثل في أنه عندما تبدو المحوّلات قادرة على أداء مهام معينة، فإنها قد تفتقر إلى الفهم الأساسي للقواعد. وشدّد رامباتشان على ضرورة الحذر، قائلاً: «غالباً ما يفترض الناس أنه بما أن هذه النماذج تحقق نتائج رائعة، فلا بد أنها طوّرت فهماً جوهرياً للعالم. لكن دراستنا تشير إلى أننا بحاجة إلى النظر في هذا الافتراض بعناية وعدم الاعتماد على الحدس فقط».
ويخطط الباحثون لتوسيع دراستهم لتشمل تحديات أكثر تعقيداً حيث قد تكون القواعد غير معروفة كلياً أو متغيرة. وباستخدام مقاييسهم التقييمية على هذه المجالات، يأملون في فهم حدود نماذج الذكاء الاصطناعي بشكل أفضل وتوجيه تطويرها في المستقبل.
تداعيات أوسع وأهداف مستقبلية
تتجاوز تداعيات هذا البحث فهم العالم الافتراضي، وتمس التطبيقات العملية. إذا كانت نماذج الذكاء الاصطناعي غير قادرة على تكوين نماذج داخلية دقيقة للعالم، فإن ذلك يثير تساؤلات حول استخدامها في مجالات تتطلب منطقاً دقيقاً، مثل القيادة الذاتية، والأبحاث العلمية، والتخطيط اللوجستي. ويقول الباحثون إن الحاجة ملحة لإعادة التفكير في كيفية تدريب هذه النماذج وتقييمها لتكون أكثر تكيفاً وموثوقية.
هذا البحث مدعوم من قبل عدة مؤسسات، بما في ذلك مبادرة علوم البيانات في جامعة هارفارد، ومؤسسة العلوم الوطنية، ومؤسسة ماك آرثر. سيتم عرض الدراسة في مؤتمر نظم معالجة المعلومات العصبية، حيث سيواصل الباحثون مناقشة تعقيدات نماذج الذكاء الاصطناعي واستكشاف مسارات جديدة لتطويرها.