«الشرق الأوسط» تزور أول مصنع لـ«بي إم دبليو» بالمجر يعمل بالكهرباء المتجددة بالكامل

من التوأم الرقمي إلى الطلاء الأخضر

المصنع صُمِّم وبُني وفق استراتيجية «iFACTORY» ليكون رقمياً من البداية مع نسخة توأم رقمي اختُبرت قبل البناء الفعلي (بي إم دبليو)
المصنع صُمِّم وبُني وفق استراتيجية «iFACTORY» ليكون رقمياً من البداية مع نسخة توأم رقمي اختُبرت قبل البناء الفعلي (بي إم دبليو)
TT

«الشرق الأوسط» تزور أول مصنع لـ«بي إم دبليو» بالمجر يعمل بالكهرباء المتجددة بالكامل

المصنع صُمِّم وبُني وفق استراتيجية «iFACTORY» ليكون رقمياً من البداية مع نسخة توأم رقمي اختُبرت قبل البناء الفعلي (بي إم دبليو)
المصنع صُمِّم وبُني وفق استراتيجية «iFACTORY» ليكون رقمياً من البداية مع نسخة توأم رقمي اختُبرت قبل البناء الفعلي (بي إم دبليو)

على أطراف سهل شاسع في شمال شرقي المجر، تنهض مبانٍ بيضاء لامعة، حيث كانت قبل أعوام قليلة حقولاً زراعية هادئة. في مصنع مجموعة «بي إم دبليو» بمدينة دبرتسن، تدخل الشركة «المرحلة النهائية» قبل انطلاق الإنتاج المتسلسل لسيارة «BMW iX3»، أول طراز من جيل «نويه كلاسه» (Neue Klasse)، المقرر خروجها إلى العالم في أواخر أكتوبر (تشرين الأول) المقبل.

لكن ما يتبلور في دبرتسن ليس مجرد «خط إنتاج» جديد؛ بل قالبٌ تصنيعي يعيد تعريف بناء السيارة من جذوره بدءاً من هندسة المنصّة، إلى تشغيل المصنع بالاعتماد الكامل على الكهرباء المتجددة، وصولاً إلى منصّات ذكاء اصطناعي. وإلى جانب ذلك، سجّلت المجموعة براءات لعدد كبير من الأنظمة والعمليات المبتكرة في هذا الموقع، بما يرسّخ تفرّده داخل شبكة إنتاج «بي إم دبليو عالمياً».

الحقل الشمسي الذي تبلغ مساحته 50 هكتاراً يوفّر نحو ربع احتياجات المصنع من الكهرباء مع نظام تخزين حراري متقدم (بي إم دبليو)

خلال دعوة خاصة لـ«الشرق الأوسط» إلى المصنع، يقول ميلان نيدلجوفيتش، عضو مجلس إدارة مجموعة «بي إم دبليو» والمسؤول عن الإنتاج إن «انطلاق الإنتاج المتسلسل لـ(iX3) يعلن حقبةً جديدة في صناعة السيارات».

صُمّم مصنع دبرتسن وبُني وفق رؤيتنا الاستراتيجية (iFACTORY،) وهو مصنع رقمي منذ اللحظة الأولى وخالٍ من الوقود الأحفوري. ويضيف نيدلجوفيتش: «هذه ليست لغة دعائية، بل هدفٌ لتصنيع سيارة كهربائية بمتطلبات الجودة الفاخرة، لكن بتكلفة وتعقيد أقل، وببصمة كربونية أدنى جذرياً». ومع أي طراز جديد، ستُرفع القدرة الإنتاجية تدريجياً وعلى مراحل بعد بدء التشغيل المتسلسل.

ميلان نيدلجوفيتش عضو مجلس إدارة مجموعة «بي إم دبليو» والمسؤول عن الإنتاج (بي إم دبليو)

لماذا دبرتسن؟

بدأت القصة عام 2018، عندما قررت «بي إم دبليو» إضافة مصنع أوروبي جديد يتبع قاعدة «الإنتاج يتبع السوق». فاز الموقع المجري بسباق ضمّ عشرات الخيارات. يشرح نيدلجوفيتش أن «القرار لم يُبنَ على الإعفاءات أو المنح، بل اختارت الشركة المجر لأن البنية التحتية قوية، والتعليم رفيع، والجامعات قريبة، ونوعية العيش جيّدة».

لم يبدأ المصنع على أرض الواقع، بل بدأ افتراضياً عبر «المصنع الرقمي» لدى الشركة، حيث جرى بناء نسخة رقمية كاملة لكل المباني والخطوط ومسارات الروبوتات. أُجريت «انطلاقة إنتاج افتراضية» مبكراً في مارس (آذار) 2023، فاختُبرت كل مهمة قبل التنفيذ؛ ما أتاح تركيب الخطوط داخل المباني مطابقةً للتوأم الرقمي.

تقليل التعقيد

على مدى أجيال، تضخّم تعقيد السيارة الفاخرة من حيث تنويعات المواد والمثبتات وخطوات التجميع. توضح «بي إم دبليو» أن فلسفة «نويه كلاسه» تقوم على إعادة التفكير في السيارة نفسها؛ كيف تُبنى على مستوى كفاءة مختلف. في دبرتسن، انخفض عدد «تركيبات التثبيت» من نحو 3000 إلى 250 فقط، وتم تقليص عدد «طرق الوصل» نفسها على نحو ملموس لخفض التعقيد، إلى جانب توحيد وحدات كاملة، مثل الواجهة الأمامية من 17 جزءاً إلى 12، وتقليل تنوّع المواد، حيث لا تضيف قيمة للزبون.

المحصلة هي خفض تكلفة التصنيع بنحو 20 في المائة مع إبقاء «التنوع الذكي» الذي يريده العميل. كما تظهر تفاصيل التصميم المبكّرة في «الختم غير المرئي» للأبواب الذي يصل بصرياً بين الزجاج والباب، وفي تعظيم حيز البطارية داخل الهيكل لزيادة المدى والأداء.

مصنع «بي إم دبليو» في دبرتسن هو أول موقع إنتاج متسلسل للمجموعة يعمل بالكامل بالكهرباء المتجددة (بي إم دبليو)

طلاء «أخضر بالكامل»

تاريخياً، «الطلاء» هو الأكثر استهلاكاً للطاقة، ببلوغ الأفران حتى 180°م وغالباً بالغاز. هنا يختلف كل شيء، حيث سيكون مصنع دبرتسن أول مصنع سيارات للمجموعة يعمل بالكهرباء المتجددة فقط في الظروف التشغيلية الطبيعية. وفي ورشة الطلاء وحدها، يؤدي التحول إلى الكهرباء المتجددة إلى خفض سنوي يصل إلى 12 ألف طن «مكافئ ثاني أكسيد الكربون» ( CO₂e). كما جرى تنفيذ «شبكة حرارة» تسترد طاقة من الهواء المضغوط والأفران وأنظمة التبريد، بما يحقق توفيراً إضافياً يصل 10 في المائة. ويؤمّن الحقل الشمسي على مساحة 50 هكتاراً (نحو نصف كيلومتر مربع تقريباً) نحو ربع احتياجات الطاقة السنوية للمصنع، مع تخزين حراري مائي بسعة 1,800م³ (قدرة 130م.و.س) لاستغلال الفائض أيام التوقف وضخّه عند ذروة الطلب.

إجمالاً، يبلغ الأثر الكربوني لإنتاج «iX3» نحو 80 كغم «CO₂e» بينما ينخفض بصمة موقع دبرتسن نفسه إلى نحو 34 كغم CO₂e لكل سيارة، شاملة البطارية، عند التشغيل بطاقته، أي انخفاض يقارب الثلثين مقارنة بمشتقات «بي إم دبليو» الحالية ونحو 90 في المائة للموقع نفسه بالمقارنة بمرافق المجموعة الأخرى.

ورشة الكبس والهياكل

يوفّر تدفق القيمة المحسّن وأنظمة الكبس كفاءة عالية؛ إذ تتبع المجموعة استراتيجيتها المعهودة باستخدام الأدوات والمكابس نفسها عبر مواقعها عالمياً.

هذا يعظّم استغلال القدرة ويتيح تدوير القوالب وتدريب الطواقم داخل الشبكة. وفي ورشة الهياكل، أتاحت المحاكاة الرقمية المسبقة تحديد القيمة المثلى للتدفق وتموضع قرابة ألف روبوت بأفضل شكل.

رشة الطلاء تعمل بالطاقة المتجددة حصراً ما يقلل انبعاثات ثاني أكسيد الكربون بنحو 12 ألف طن سنوياً (بي إم دبليو)

من الاستشعار إلى القرار

خلال تجوال «الشرق الأوسط» في أقسام المصنع، تم فهم طريقة عمل منصة AIQX» (Artificial Intelligence Quality Next)» التي طورتها «بي إم دبليو» داخلياً. إنها عبارة عن كاميرات ومستشعرات على طول الخط تُغذي خوارزميات تتحقق من المطابقة في الزمن الفعلي وتعيد ملاحظات فورية للعامل. وتتجه الرؤية إلى أبعد من ذلك؛ إذ ستغدو السيارة نفسها «عنصراً متصلاً» في إنترنت الأشياء الصناعي، تُجري تحليلاً ذاتياً، وتتفاعل مع المشغّلين، وتُشارك رسائل موثّقة تلقائياً عبر أنظمة وكاميرات على متنها. وبالفعل، فإن المعدات والأدوات والمكونات وكل مركبة داخل صالات التجميع مرتبطة رقمياً بمنظومة إنتاج «بي إم دبليو».

لوجيستيات «هيكل الأصابع»

تتبنّى مباني التجميع بنية «الأصابع» وهي نسخة مُحسّنة عن تصميم مصنع الشركة في مدينة لايبتسيغ في شرق ألمانيا بحيث يُسلَّم 80 في المائة من القطع مباشرةً إلى نقطة التركيب الصحيحة على الخط. وتستفيد اللوجيستيات الكهربائية الداخلية من قطارات سحب ذاتية تنقل البطاريات عالية الجهد من الإنتاج إلى التركيب، ومن روبوتات نقل ذكية توصل المكونات الصغيرة إلى الخط. كما يتيح ربط قواعد البيانات الداخلية والخارجية أتمتة تحليلات مترابطة كانت تُجرى يدوياً، لتصبح «بضغطة زر» وبمعلومة مُهيكلة متاحة دائماً.

المشروع يرسخ نموذجاً مستقبلياً لصناعة سيارات منخفضة الكربون ورقمية يمكن توسيعه عالمياً لعقود مقبلة (بي إم دبليو)

بطاريات الجيل السادس

ابتكرت المجموعة عمليات شديدة الذكاء لإنتاج بطارياتها عالية الجهد المطوَّرة داخلياً؛ وسيكون دبرتسن أول خمسة مواقع عالمياً يبدأ إنتاج «الجيل السادس» (Gen6) على نطاق متسلسل. طُوِّرت العمليات واختُبرت في مواقع تجريبية، وتدعمها توأمات رقمية وقواعد بيانات ذكاء اصطناعي تُحسّن الضبط وتُسرِّع تدريب العاملين. وتتبنّى الفلسفة «صفر عيوب» عبر فحوص مضمّنة على الخط ورصد 100 في المائة في نهاية الخط. ووفق مبدأ (local for local)، يجري تجميع البطاريات في الموقع نفسه لاستغلال كفاءة البنية التحتية وقِصر المسافات.

مصنع «شبكي» داخل المنظومة

يُعدّ دبرتسن أول موقع إنتاج في شبكة المجموعة لا يتبع مصنعاً «أُمّاً» بعينه؛ بل يعمل بصفته مصنعاً شبكياً يجمع أفضل الممارسات من مواقع متعددة حول العالم. وتكمن ميزة ذلك في قدرة القوى العاملة الحالية وهم أكثر من 2000 موظف، على التدريب ضمن الشبكة، ومشاركة الخبرات مع مواقع في الصين وجنوب أفريقيا والمكسيك والولايات المتحدة وألمانيا، ثم إعادة نقل خبرة «نويه كلاسه» (Neue Klasse) إلى مواقعهم، في معادلة تصفها الشركة بـ«ربح للجميع».

تعتزم «بي إم دبليو» طرح نحو 40 طرازاً جديداً أو محدَّثاً ضمن «نويه كلاسه» بحلول 2027 (بي إم دبليو)

ما بعد «iX3»

ستكون سيارة «iX3» مجرد البداية. فبحلول عام 2027 تعتزم «بي إم دبليو» دمج «تقنيات» «Neue Klasse» في 40 طرازاً جديداً أو محدثاً، على أن يصبح مصنع دبرتسن مختبراً حياً لأساليب التصنيع المستقبلية. وستصبح السيارات نفسها عناصر فاعلة في «إنترنت الأشياء» الصناعي، قادرة على تحليل ذاتها ومشاركة البيانات مع المصنع في الوقت الفعلي. ورغم الجدل الأوروبي حول حظر محركات الاحتراق بحلول 2035، يتوقع نيدلجوفيتش أن يواصل الطلب على السيارات الكهربائية صعوده قائلاً: «تكنولوجيا البطاريات ناضجة ولها مستقبل، لكن الانفتاح التكنولوجي أمر حاسم. يذكر: «نحتاج إلى بنية تحتية وأسعار طاقة تنافسية إذا أردنا المضي في هذا المسار».

نموذج يُحتذى في الصناعة

من يقف على أرض المصنع، يدرك أن دبرتسن أكبر من مجرد موقع إنتاج. فهو بمثابة قالب لما يمكن أن تكون عليه صناعة السيارات عالمياً وهي تواجه تحديات إزالة الكربون والتحول الرقمي وخفض التكاليف. كل عنصر، من الحقل الشمسي إلى منصة الجودة المعززة بالذكاء الاصطناعي، صُمم ليكون قابلاً للتوسع. ويختم نيدلجوفيتش حديثه لـ«الشرق الأوسط» قائلاً إن «البساطة قد تبدو سهلة، لكنها الأصعب. لقد قللنا التعقيد، وحققنا التحقق الرقمي لكل عملية، واستفدنا من خبرات شبكتنا العالمية. اليوم نحن مستعدون للإطلاق».

ومع خروج أولى سيارات «Neue Klasse iX3» من خطوط التجميع في الأسابيع المقبلة، سيخضع رهان «بي إم دبليو» على مصنع كهربائي ورقمي بالكامل لاختبار حقيقي. نجاح هذا المشروع قد يحدد ملامح صناعة السيارات لعقود مقبلة.


مقالات ذات صلة

«المركزي الأوروبي»: المستهلكون والمستوردون الأميركيون الأكبر تضرراً من «الرسوم»

الاقتصاد مبنى «البنك المركزي الأوروبي» في فرنكفورت بألمانيا (رويترز)

«المركزي الأوروبي»: المستهلكون والمستوردون الأميركيون الأكبر تضرراً من «الرسوم»

يتحمل المستهلكون والمستوردون الأميركيون الجزء الأكبر من الخسائر المالية الناتجة عن الرسوم الجمركية، فيما يتأثر حجم التجارة سلباً أيضاً.

«الشرق الأوسط» (فرنكفورت (ألمانيا) )
تكنولوجيا قد تعيد السيارات ذاتية القيادة تشكيل أنماط التنقل اليومية من حيث التوقيت والمكان وطريقة الاستخدام (شاترستوك)

السيارات ذاتية القيادة… هل تجعل التنقل أسهل أم المدن أكثر ازدحاماً؟

تكشف دراسة أن السيارات ذاتية القيادة قد تسهّل التنقل الفردي وتقلل الحاجة للمواقف، لكنها قد تزيد الازدحام وتغيّر سلوك التنقل وتخطيط المدن مستقبلاً.

نسيم رمضان (لندن)
عالم الاعمال مبيعات «فورد» ترتفع 10 % في الشرق الأوسط وشمال أفريقيا خلال 2025

مبيعات «فورد» ترتفع 10 % في الشرق الأوسط وشمال أفريقيا خلال 2025

سجّلت شركة «فورد» الشرق الأوسط وشمال أفريقيا أعلى أداء لمبيعاتها خلال عقد من الزمن، بعدما حققت نمواً سنوياً بنسبة 10 % في عام 2025 مقارنة بالعام السابق.

«الشرق الأوسط» (الرياض)
يوميات الشرق التكنولوجيا تتقدّم لكنَّ انتباه الإنسان ليس آلة (رويترز)

تحذير: القيادة الذاتية تتجاوز قدرة البشر

السيارات ذاتية القيادة «تفرض متطلّبات نفسية غير مسبوقة على السائقين، وهي متطلّبات لسنا مستعدّين لها حالياً على الإطلاق».

«الشرق الأوسط» (لندن)
خاص الرئيس التنفيذي لشركة «نيسان» إيفان إسبينوسا (الشرق الأوسط) p-circle 01:35

خاص رئيس «نيسان»: السعودية «جوهرة ذهبية» تقود نمونا في المنطقة

شدد الرئيس التنفيذي لشركة «نيسان» للسيارات، إيفان إسبينوسا، أن منطقة الشرق الأوسط، والسعودية تحديداً، تمثل إحدى أهم الركائز الاستراتيجية في خطط الشركة العالمية.

مساعد الزياني (جدة)

لم يعد الطبيب وحده… كيف يشارك الذكاء الاصطناعي في القرار الطبي؟

تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)
تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)
TT

لم يعد الطبيب وحده… كيف يشارك الذكاء الاصطناعي في القرار الطبي؟

تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)
تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)

لم يعد الحديث عن الذكاء الاصطناعي في قطاع الرعاية الصحية يدور حول وعود مستقبلية أو تحولات مفاجئة، بل بات أقرب إلى مسار تطور تدريجي يعيد تعريف كيفية فهم المرض وعلاجه وإدارة الأنظمة الصحية. ففي عام 2026، تتجه الصناعة نحو مرحلة أكثر نضجاً، حيث تتحول البيانات من مجرد مورد داعم إلى بنية أساسية تقود القرارات والابتكار.

هذا التحول لا يقوم على تقنية واحدة، بل على تقاطع عدة اتجاهات كتكامل البيانات وتطور النماذج التحليلية وتوسع استخدام الذكاء الاصطناعي في العمليات اليومية، وظهور بيئات تنظيمية تسمح بتجريب هذه التقنيات دون الإخلال بالمعايير.

يتوسع دور الذكاء الاصطناعي ليصبح جزءاً من دعم القرار السريري وتحسين دقة التشخيص والعلاج

من بيانات متفرقة إلى منظومات متكاملة

أحد أبرز التغيرات يتمثل في كيفية التعامل مع البيانات الصحية. فبدلاً من الاعتماد على مصادر منفصلة، يتجه القطاع نحو دمج تدفقات متعددة تشمل الجينوم، والتصوير الطبي والسجلات السريرية والبيانات الناتجة عن الأجهزة القابلة للارتداء.

هذا التحول نحو البيانات المتعددة الوسائط لا يهدف فقط إلى زيادة حجم المعلومات، بل إلى وضعها في سياق متكامل يسمح بفهم أعمق للحالة الصحية لكل مريض. ومع تزايد هذا التكامل، تصبح هندسة البيانات نفسها عاملاً حاسماً في نجاح التحليل، وليس مجرد خطوة تقنية في الخلفية.

في الوقت نفسه، يتوسع دور الذكاء الاصطناعي من كونه أداة تحليل إلى شريك في اتخاذ القرار. فأنظمة دعم القرار السريري المدعومة بالذكاء الاصطناعي أصبحت قادرة على تحسين دقة التشخيص وتقديم توصيات علاجية أكثر تخصيصاً، مدعومة ببيانات واسعة النطاق. لكن هذا لا يعني استبدال الطبيب، بل إعادة توزيع الأدوار. فالأنظمة الذكية تبرز المخاطر وتقدم الخيارات، بينما يبقى القرار النهائي بيد الإنسان. هذا التوازن بين الأتمتة والحكم البشري يشكل أحد ملامح المرحلة الحالية في تطور الرعاية الصحية.

الرعاية تتجاوز المستشفى

من التحولات اللافتة أيضاً انتقال الرعاية الصحية تدريجياً من المؤسسات إلى المنازل. فمع تزايد استخدام أجهزة إنترنت الأشياء وتقنيات المراقبة عن بُعد، أصبح من الممكن متابعة المرضى بشكل مستمر، خصوصاً في حالات الأمراض المزمنة. هذه النماذج الجديدة لا تقتصر على تقليل التكاليف، بل تهدف إلى تحسين النتائج الصحية من خلال التدخل المبكر. ومع ذلك، لا تزال هذه المقاربات في مراحل التوسع التدريجي، حيث يتم اختبارها عبر مشاريع تجريبية قبل تعميمها على نطاق واسع.

يساهم الذكاء الاصطناعي في تسريع اكتشاف الأدوية وتحسين كفاءة التجارب السريرية (شاترستوك)

تسريع الابتكار عبر بيئات تنظيمية مرنة

في موازاة ذلك، بدأت الجهات التنظيمية تلعب دوراً أكثر مرونة في دعم الابتكار. إذ ظهرت بيئات تجريبية تسمح باختبار نماذج الذكاء الاصطناعي باستخدام بيانات اصطناعية أو محاكاة، ما يسرّع عملية التحقق دون تعريض خصوصية المرضى للخطر. هذا النهج يعكس تحولاً في طريقة تنظيم القطاع، من نموذج يعتمد على الموافقة المسبقة فقط، إلى نموذج يوازن بين التجريب والرقابة.

على مستوى البحث العلمي، تبرز تقنيات جديدة مثل التعلم الآلي الكمي، التي تُستخدم لتحسين التنبؤ بسلامة الأدوية في مراحل مبكرة. هذه الأدوات قد تقلل من معدلات الفشل في التجارب ما قبل السريرية، وهو أحد أكبر التحديات في تطوير الأدوية. إلى جانب ذلك، يساهم الذكاء الاصطناعي في تحليل التفاعلات الجزيئية وتسريع اكتشاف المركبات الدوائية، ما يقلص الوقت والتكلفة في المراحل الأولى من البحث.

بعيداً عن الاستخدامات الطبية المباشرة، يتوسع حضور الذكاء الاصطناعي في العمليات الإدارية والتشغيلية. فبحلول عام 2026، يُتوقع أن تعتمد المؤسسات الصحية بشكل متزايد على أنظمة ذكاء اصطناعي لإدارة مهام مثل الفوترة، وسير العمل، وتحسين الكفاءة. هذا التوجه يشير إلى أن الذكاء الاصطناعي لم يعد مجرد أداة متخصصة، بل أصبح جزءاً من البنية التشغيلية اليومية، على غرار الأنظمة السحابية أو إدارة علاقات العملاء.

تتزايد أهمية الرعاية الصحية المنزلية المدعومة بالمراقبة عن بُعد وتقنيات إنترنت الأشياء (شاترستوك)

جودة البيانات... العامل الحاسم

رغم هذا التوسع، تبرز حقيقة أساسية: نجاح الذكاء الاصطناعي في الرعاية الصحية يعتمد بدرجة كبيرة على جودة البيانات. فحتى أكثر النماذج تقدماً لا يمكنها تقديم نتائج دقيقة إذا كانت البيانات غير مكتملة أو غير متسقة. وفي هذا السياق، تصبح القدرة على جمع بيانات عالية الجودة، وربطها بشكل متكامل، عاملاً حاسماً في تحديد الجهات القادرة على تحقيق قيمة حقيقية من هذه التقنيات.

وكما هو الحال في أي تحول رقمي، لا تخلو هذه التطورات من تحديات. فزيادة الاعتماد على البيانات تثير قضايا تتعلق بالخصوصية، وأمن المعلومات، وإمكانية إساءة الاستخدام. ولهذا، يترافق التوسع في استخدام الذكاء الاصطناعي مع استثمارات موازية في الحوكمة والامتثال، لضمان تحقيق الفوائد دون تعريض النظام لمخاطر جديدة.

نحو نموذج جديد للرعاية الصحية

ما يتضح من هذه الاتجاهات هو أن قطاع الرعاية الصحية لا يشهد ثورة مفاجئة، بل تحولاً تدريجياً يعيد بناء أسسه. فبدلاً من الاعتماد على تدخلات متأخرة، يتجه النظام نحو الوقاية والتنبؤ، مدعوماً ببيانات متكاملة ونماذج تحليلية متقدمة.

في هذا النموذج، لا تكون البيانات مجرد سجل للماضي، بل أداة لتوقع المستقبل. ولا يكون الذكاء الاصطناعي بديلاً عن الإنسان، بل امتداد لقدراته.

وبينما لا تزال العديد من هذه التحولات في مراحلها الأولى، فإن الاتجاه العام يبدو واضحاً: مستقبل الرعاية الصحية سيُبنى على البيانات، لكن قيمته الحقيقية ستعتمد على كيفية استخدامها.


تعليم روبوت بشري مهارات لعب التنس… من بيانات غير كاملة

يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)
يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)
TT

تعليم روبوت بشري مهارات لعب التنس… من بيانات غير كاملة

يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)
يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)

في مسار تطوير الروبوتات البشرية، ظل التحدي الأكبر يتمثل في تعليم الآلات مهارات حركية معقدة تحاكي الإنسان. فالمهام التي تبدو طبيعية للبشر، مثل الجري أو القفز أو حتى لعب التنس، تتطلب تنسيقاً دقيقاً بين التوازن، والتوقيت، واتخاذ القرار في أجزاء من الثانية. تقليد هذه القدرات آلياً لم يكن ممكناً إلا في بيئات محدودة، وغالباً عبر بيانات مثالية يصعب الحصول عليها في الواقع.

لكن دراسة حديثة تقترح مساراً مختلفاً: ماذا لو لم تعد الحاجة إلى بيانات مثالية شرطاً أساسياً لتعليم الروبوتات؟

يركز البحث على تطوير نموذج لتعليم روبوت بشري مهارات لعب التنس، باستخدام بيانات حركة بشرية غير مكتملة أو غير دقيقة. وبدلاً من الاعتماد على تسجيلات كاملة ومضبوطة للحركات، يعمل النظام على استغلال مقاطع جزئية من البيانات، ثم إعادة تركيبها لبناء سلوك حركي متكامل.

يعتمد النموذج على تقسيم الحركات إلى مقاطع صغيرة وإعادة تركيبها لتكوين سلوك متكامل (المصدر)

من البيانات المثالية إلى البيانات الواقعية

تقليدياً، تعتمد أنظمة التعلم الحركي للروبوتات على بيانات عالية الجودة، يتم التقاطها باستخدام أنظمة متقدمة لتتبع الحركة. هذه البيانات توفر وصفاً دقيقاً لكل حركة، لكنها مكلفة وصعبة التوسّع، كما أنها لا تعكس دائماً تعقيد العالم الحقيقي. في المقابل، ينطلق هذا البحث من فرضية مختلفة، حيث إن البيانات الواقعية حتى وإن كانت غير كاملة، يمكن أن تكون كافية لتعليم مهارات معقدة، إذا تم التعامل معها بطريقة مناسبة.

وهنا، لا يحاول النموذج «تنقية» البيانات بقدر ما يعمل على فهم الأنماط الكامنة فيها، واستنتاج كيفية تحويلها إلى حركات قابلة للتنفيذ.

نموذج يتعلم من أجزاء متفرقة

يعتمد النظام المقترح على تقسيم البيانات الحركية إلى مقاطع صغيرة، تمثل كل منها جزءاً من حركة أكبر. ثم يقوم بربط هذه الأجزاء معاً داخل بيئة محاكاة، بحيث يتعلم الروبوت كيفية الانتقال من حركة إلى أخرى بسلاسة. هذه المقاربة تشبه إلى حد ما الطريقة التي يتعلم بها الإنسان مهارة جديدة، حيث يتم الجمع بين تجارب جزئية لتشكيل أداء متكامل. والنتيجة هي نموذج قادر على توليد حركات ديناميكية، دون الحاجة إلى مسار واحد محدد مسبقاً.

التنس كنموذج لاختبار التعقيد

اختار الباحثون لعبة التنس كبيئة اختبار، نظراً لما تتطلبه من تنسيق بين الحركة والإدراك. فالتعامل مع كرة متحركة يستدعي تقدير السرعة والاتجاه، واتخاذ قرار فوري بشأن كيفية الرد، ثم تنفيذ الحركة بدقة. في التجارب، تمكّن الروبوت من تعلم ضرب الكرة والتفاعل مع مواقف مختلفة، بما في ذلك الحفاظ على تبادل الكرات في بعض الحالات. ويشير ذلك إلى أن النموذج لا يقتصر على تكرار حركات محفوظة، بل يطوّر استجابة قابلة للتكيف مع السياق.

اختيار التنس كنموذج يبرز قدرة النظام على التنسيق بين الإدراك والحركة في بيئة ديناميكية (المصدر)

فجوة بين المحاكاة والواقع

كما هو الحال في كثير من أبحاث الروبوتات، يعتمد جزء كبير من التدريب على بيئات محاكاة. هذه البيئات تتيح تسريع عملية التعلم وتقليل المخاطر، لكنها لا تعكس دائماً تعقيدات العالم الحقيقي.

لذلك، يمثل نقل المهارات من المحاكاة إلى الواقع أحد التحديات الأساسية. وقد عمل الباحثون على تقليل هذه الفجوة عبر تصميم النموذج بحيث يأخذ في الاعتبار التباين وعدم الدقة في البيانات، وهو ما يجعله أكثر قدرة على التكيف عند التطبيق العملي.

ما الذي يتغير فعلاً؟

لا تكمن أهمية هذا البحث في قدرة الروبوت على لعب التنس بحد ذاتها، بل في ما تشير إليه من تحول أوسع في منهجية التعلم. فإذا كان بالإمكان تدريب الأنظمة على مهارات معقدة باستخدام بيانات غير مثالية، فإن ذلك يفتح الباب أمام استخدام مصادر بيانات أكثر تنوعاً، مثل الفيديوهات العامة أو التسجيلات غير المنظمة. وهذا بدوره قد يسرّع تطوير ما يُعرف بـ«الذكاء الاصطناعي المجسّد»، حيث تتفاعل الأنظمة مع العالم الفيزيائي بشكل مباشر.

حدود وتحديات قائمة

مع ذلك، لا تزال هذه المقاربة في مراحلها الأولى. فالروبوت لا يصل إلى مستوى الأداء البشري، ولا تزال قدرته على التعامل مع مواقف غير متوقعة محدودة. كما أن الاعتماد على المحاكاة يفرض قيوداً على مدى تعميم النتائج. لكن رغم هذه التحديات، يقدم البحث دليلاً على أن الطريق نحو تعليم الروبوتات قد لا يمر عبر الكمال، بل عبر القدرة على الاستفادة من النقص.

يشير هذا التوجه إلى إعادة التفكير في العلاقة بين البيانات والتعلم. فبدلاً من السعي إلى جمع بيانات مثالية ومكتملة، قد يكون التركيز مستقبلاً على تطوير نماذج قادرة على التعلم من الواقع كما هو بما يحمله من نقص وتباين. وفي هذا السياق، لا يمثل التنس سوى مثال تجريبي. أما الهدف الأوسع، فهو تمكين الروبوتات من اكتساب مهارات حركية متنوعة، تتراوح بين العمل الصناعي والخدمات اليومية.


الذكاء الاصطناعي وواقع البيانات... هل تواكب البنية التحتية هذا التسارع؟

النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)
النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)
TT

الذكاء الاصطناعي وواقع البيانات... هل تواكب البنية التحتية هذا التسارع؟

النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)
النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)

مع تسارع الذكاء الاصطناعي في توليد البيانات واستخدامها، يؤدي تزايد أهمية البنية التحتية إلى تحول أقل وضوحاً، لكنه أكثر عمقاً. فبينما يتركّز جزء كبير من النقاش العام حول الذكاء الاصطناعي على قوة الحوسبة وأداء النماذج، يشير قادة الصناعة بشكل متزايد إلى كيفية تخزين البيانات والوصول إليها وتوسيعها على نطاق واسع.

في إحاطة إعلامية خاصة حضرتها «الشرق الأوسط»، قدّم مسؤولون في شركة «سي غيت تكنولوجي» (Seagate Technology) هذا التحول بوصفه تغيراً هيكلياً، لا مجرد تحديث تقني. فالتحدي لم يعد يقتصر على إنتاج البيانات أو معالجتها، بل بات يتمحور حول القدرة على الحفاظ عليها وتوسيعها بكفاءة واستدامة وعلى نحو يمكن التنبؤ به. يقول ديف موسلي، الرئيس التنفيذي للشركة إن «ما نعلنه اليوم ليس مجرد إنجاز على مستوى المنتج، بل يعكس كيف يجب أن تتطور البنية التحتية لمواكبة التسارع غير المسبوق في نمو البيانات عالمياً».

ديف موسلي الرئيس التنفيذي لشركة «سي غيت تكنولوجي»

يصعب المبالغة في حجم هذا النمو. فحسب موسلي، انتقل حجم البيانات العالمية من نحو زيتابايت واحد في عام 2005 إلى أكثر من 70 زيتابايت في عام 2020، مع توقع إضافة مئات الزيتابايت في السنوات المقبلة. ورغم أن الذكاء الاصطناعي يعدّ محركاً رئيسياً لهذا التوسع، فإنه ليس العامل الوحيد؛ إذ تسهم خدمات الحوسبة السحابية والفيديو والأتمتة والمتطلبات التنظيمية في تشكيل منظومة بيانات أكثر تعقيداً واتساعاً.

هذا التداخل يعيد صياغة طريقة تقييم البنية التحتية. ويضيف موسلي أن «القصة لم تعد تتعلق بتقنية واحدة، بل بالبنية التحتية وتخصيص رأس المال». بمعنى آخر، لم يعد السؤال هو ما إذا كان بالإمكان إنتاج البيانات أو معالجتها، بل ما إذا كانت الأنظمة الداعمة قادرة على التوسع بكفاءة لمواكبة هذا النمو.

ما بعد الحوسبة

أحد أبرز الاستنتاجات هو أن مسار الذكاء الاصطناعي لا يمكن فهمه من خلال الحوسبة وحدها. فرغم أهمية المعالجات والمسرّعات، فإنها تعتمد بشكل أساسي على توفر البيانات.

ويشير موسلي إلى أنه «عندما يتحدث الناس عن بنية الذكاء الاصطناعي، يركّزون على الحوسبة التي لا يمكن أن تعمل دون بيانات. ماذا يحدث عندما تنفد البيانات من منصات الحوسبة؟ هذه مشكلة».

هذا الطرح يعيد وضع التخزين في قلب أنظمة الذكاء الاصطناعي. فالبيانات لا يكفي أن تكون موجودة، بل يجب الاحتفاظ بها وحمايتها وإمكانية استرجاعها على نطاق واسع. وفي بيئات الحوسبة فائقة الحجم، حيث تُتخذ القرارات على مدى خمس أو سبع أو حتى عشر سنوات، تتحول هذه المتطلبات معادلةً اقتصادية بقدر ما هي تقنية.

تكلفة التخزين لكل تيرابايت واستهلاك الطاقة وكثافة السعة لكل رفّ، كلها أصبحت عوامل حاسمة. وكما أفاد موسلي: «الذكاء الاصطناعي لا يتوسع بالحوسبة فقط، بل يعتمد على اقتصاديات مستدامة، والتخزين هو ما يحدد هذه الاقتصاديات».

الذكاء الاصطناعي لا يستهلك البيانات فقط... بل يضاعفها عبر النسخ وإعادة التدريب والاستخدام المستمر (غيتي)

من النمو إلى التراكم

جزء من هذا التحول يرتبط بطبيعة البيانات نفسها. فالذكاء الاصطناعي لا يستهلك البيانات فحسب، بل يضاعفها. ويصرح بي إس تيه، الرئيس التجاري للشركة بأن «الذكاء الاصطناعي لا يستهلك البيانات فقط، بل يراكمها». عملياً، يعني ذلك أن البيانات تُنسخ وتُوزَّع وتُحفظ ويُعاد استخدامها لتدريب النماذج وإعادة تدريبها. ونتيجة لذلك؛ لم يعد نمو البيانات خطياً، بل أصبح متسارعاً ومتراكماً.

ويظهر هذا الواقع في توسّع مراكز البيانات عالمياً. فهناك اليوم أكثر من 11 ألف مركز بيانات، مع توقع ارتفاع العدد إلى نحو 15 ألفاً خلال السنوات المقبلة. لكن الأهم هو حجم هذه المراكز. فما كان يُعدّ مركزاً ضخماً سابقاً بقدرة 10 ميغاواط تحل محله اليوم مراكز «عملاقة» تصل إلى 100 أو حتى 300 ميغاواط.

ويذكر تيه أنه «لا يكاد يمر يوم دون الإعلان عن بناء مركز بيانات جديد في مكان ما من العالم». لكن التحول الحقيقي لا يكمن في العدد فقط، بل في الحجم والضغط المتزايد على البنية التحتية.

التوسع دون اضطراب

مع هذا النمو، لا يتمثل التحدي في زيادة السعة فقط، بل في تحقيق ذلك دون إحداث اضطراب. فمشغلو البنية التحتية الضخمة لا يمكنهم تحمل تغييرات جذرية متكررة. ويلفت موسلي إلى أن بعض العملاء يتخذون قرارات تمتد لخمس أو سبع أو حتى عشر سنوات، ويحتاجون إلى ثقة بأن كثافة التخزين ستستمر في التوسع دون تغييرات معمارية معطِّلة.هذا التركيز على القابلية للتنبؤ أصبح بحد ذاته ميزة أساسية. فالتطور يجب أن يكون تدريجياً ومستمراً، لا أن يفرض إعادة تصميم مكلفة في كل مرحلة.

من جانبه، يوضح جون موريس، المدير التقني، أن التقنيات التقليدية لزيادة الكثافة وصلت إلى حدودها ويتابع: «تقنية التسجيل المغناطيسي التقليدية اقتربت من حدودها، ونحتاج إلى ابتكارات جديدة لدفع الجيل القادم من التخزين».

ولهذا؛ طوّرت الشركة تقنية التسجيل المغناطيسي بمساعدة الحرارة (HAMR)، التي تستخدم تسخيناً دقيقاً بالليزر لزيادة كثافة البيانات دون تغيير الحجم الفيزيائي للأقراص. ويشرح موريس بأن «الزيادة في السعة تتحقق من خلال الفيزياء الأساسية للتسجيل؛ ما يتيح اقتصاديات أفضل من حيث التكلفة لكل تيرابايت والاستثمار المطلوب». الأهم أن هذه التقنية لم تعد في مرحلة التجارب، بل انتقلت إلى بيئات الإنتاج الفعلية، حيث تم اعتمادها من قِبل عملاء في قطاع الحوسبة السحابية واسعة النطاق.

من الابتكار إلى الإنتاج الصناعي

تحويل الابتكار منتجاً فعلياً يتطلب أكثر من اختراق تقني، بل يحتاج إلى قدرة على التصنيع على نطاق واسع بدقة عالية. وحول ذلك يقول موريس إن «نقل هذه التقنية من البحث إلى الإنتاج تطلب تطوير تقنيات جديدة بالكامل»، مشيراً إلى التقدم في المواد والفوتونيات وعمليات التصنيع الدقيقة. وهذا ما يتيح التوسع التدريجي دون انقطاع. فكل جيل جديد يبني على السابق؛ ما يسمح بزيادة السعة دون الحاجة إلى إعادة تصميم الأنظمة بالكامل.

التحدي الأساسي لم يعد سرعة النماذج... بل قدرة البنية التحتية على التوسع بشكل مستدام وموثوق (غيتي)

اقتصاديات الحجم

على مستوى البنية التحتية الضخمة، حتى التحسينات الصغيرة تُحدِث فرقاً كبيراً. ويفسر موسلي بأنه في بيئة تخزين بحجم إكسابايت واحد، يمكن تحقيق تحسن في كفاءة الطاقة بنحو 47 في المائة مقارنة بالأنظمة السابقة، مع تقليل عدد الأقراص من نحو 50 ألفاً إلى نحو 22 ألفاً؛ ما يؤدي إلى تقليل المساحة والتبريد والتعقيد التشغيلي.

هذه ليست تحسينات هامشية، بل تغييرات تؤثر مباشرة على التكلفة والبنية.

وأشار تيه إلى أن الاستدامة أصبحت عاملاً مؤثراً في قرارات الشراء، قائلاً: «لم تعد الاستدامة مسألة ثانوية»، في إشارة إلى أهمية استهلاك الطاقة والبصمة الكربونية. كما أن نظرة المؤسسات إلى البيانات تغيّرت، حيث إنه «في السابق كانت البيانات تُعدّ تكلفة، أما اليوم فهي أصل استراتيجي يتراكم بمرور الوقت».

السؤال الحاسم

تشير هذه التطورات إلى تحول أوسع في تصميم بنية الذكاء الاصطناعي. فالتخزين الذي كان في الخلفية، أصبح اليوم في صميم التخطيط. في السابق، كانت الأولوية للحوسبة والذاكرة والشبكات. أما اليوم، فأصبح التخزين عاملاً حاسماً في قدرة الأنظمة على التوسع. وكما وصفه تيه: «كان التخزين مثل الهواء أو الماء أساسي، لكنه غير مرئي... إلى أن يغيب». اليوم، لم يعد كذلك، بل أصبح محورياً في بناء القدرات الرقمية.

بالنسبة لقيادة الشركة، يتجاوز هذا التحول حدود التقنية ليطرح سؤالاً أساسياً حول مستقبل الذكاء الاصطناعي. وباعتقاد موسلي أن «السؤال الأهم لهذا العقد ليس مدى سرعة تدريب النماذج، بل مدى قدرة البنية التحتية للبيانات على التوسع بشكل مستدام».

هذا الطرح يعيد توجيه النقاش، حيث إن مستقبل الذكاء الاصطناعي قد لا يعتمد فقط على تطور النماذج، بل على القدرة على إدارة البيانات على نطاق غير مسبوق بكفاءة واستقرار ودون انقطاع. وبهذا المعنى، قد لا يُقاس تقدم الذكاء الاصطناعي بذكائه فقط، بل بالبنية التحتية التي تجعله ممكناً.