دمج DePIN والذكاء الجسدي: التحديات التقنية وآفاق المستقبل

في بودكاست بتاريخ 27 فبراير، ناقش المؤسس المشارك لـ FrodoBot Lab، مايكل تشو، التحديات والفرص التي تواجه الشبكات اللامركزية للبنية التحتية الفيزيائية (DePIN) في مجال الروبوتات. على الرغم من أن هذا المجال لا يزال في مراحله الأولى، إلا أن لديه إمكانات هائلة قد تغير طريقة عمل الروبوتات الذكية في العالم الحقيقي بشكل جذري. ومع ذلك، فإن تقنيات الذكاء الاصطناعي للروبوتات DePIN تواجه مشاكل أكثر تعقيدًا مقارنة بالذكاء الاصطناعي التقليدي الذي يعتمد على كميات كبيرة من بيانات الإنترنت، بما في ذلك جمع البيانات، والقيود على الأجهزة، واختناقات التقييم، واستدامة النماذج الاقتصادية.

ستحلل هذه المقالة النقاط الرئيسية في المناقشة الحالية، وتستكشف المشكلات التي تواجه تكنولوجيا الروبوتات DePIN، وتوسع العقبات الرئيسية أمام الروبوتات اللامركزية، بالإضافة إلى مزايا DePIN مقارنة بالأساليب المركزية. أخيراً، سنستشرف مستقبل تكنولوجيا الروبوتات DePIN، ونتساءل عما إذا كنا على وشك مواجهة "لحظة ChatGPT" في هذا المجال.

عنق الزجاجة لروبوتات DePIN الذكية

عنق الزجاجة 1: البيانات

على عكس نماذج AI "الخطية" التي تعتمد على كميات كبيرة من بيانات الإنترنت، يحتاج الذكاء الاصطناعي المدمج إلى التفاعل مع العالم الحقيقي لتطوير الذكاء. في الوقت الحالي، يفتقر العالم إلى هذه البنية التحتية على نطاق واسع، ولا يوجد توافق حول كيفية جمع هذه البيانات. يمكن تقسيم جمع بيانات الذكاء الاصطناعي المدمج إلى ثلاث فئات رئيسية:

1. بيانات العمليات البشرية: جودة عالية، قادرة على التقاط تدفقات الفيديو وعلامات الحركة، ولكن التكلفة عالية وشاقة من الناحية العمالية.
2. البيانات التركيبية (بيانات المحاكاة): مناسبة لتدريب الروبوتات على التنقل في التضاريس المعقدة، ولكنها ليست فعالة في المهام المتغيرة.
3. التعلم من خلال الفيديو: التعلم من خلال مشاهدة مقاطع الفيديو من العالم الحقيقي، ولكن تفتقر إلى التفاعل الفيزيائي الحقيقي المطلوب للذكاء.

عنق الزجاجة الثاني: مستوى الاستقلالية

لجعل تكنولوجيا الروبوتات عملية حقًا، يجب أن تقترب نسبة النجاح من 99.99% أو حتى أعلى. ومع ذلك، فإن زيادة دقة بنسبة 0.001% تتطلب جهدًا ووقتًا كبيرين بشكل أساسي. تقدم تكنولوجيا الروبوتات ليس خطيًا، بل له طبيعة أسية، مع كل خطوة للأمام، تزداد الصعوبة بشكل كبير.

عنق الزجاجة الثالث: قيود الأجهزة

حتى لو كانت نماذج الذكاء الاصطناعي متقدمة، فإن الأجهزة الروبوتية الحالية لا تزال غير مستعدة لتحقيق الاستقلالية الحقيقية. تشمل المشكلات الرئيسية ما يلي:

• حساسية أجهزة الاستشعار اللمسية غير كافية: لا تزال التكنولوجيا الأكثر تقدمًا الحالية بعيدة عن حساسية أطراف الأصابع البشرية.
• مشكلة الحجب: من الصعب على الروبوتات التعرف على التفاعل مع بعض الأجسام المحجوبة.
• تصميم المشغل: يتم وضع معظم مشغلات الروبوتات الشبيهة بالبشر مباشرة على المفاصل، مما يؤدي إلى حركات ثقيلة وخطرة محتملة.

عنق الزجاجة 4: صعوبة توسيع الأجهزة

يتطلب تحقيق تقنية الروبوتات الذكية نشر الأجهزة الفيزيائية في العالم الحقيقي، مما يطرح تحديات كبيرة من حيث رأس المال. حاليًا، حتى أكثر الروبوتات الشبيهة بالبشر كفاءة، تكلفتها تصل إلى عشرات الآلاف من الدولارات، مما يجعل من الصعب تحقيق الانتشار على نطاق واسع.

عنق الزجاجة الخامسة: تقييم الفعالية

تتطلب تقييم الذكاء الاصطناعي الفيزيائي نشرًا طويل الأمد وواسع النطاق في العالم الحقيقي، وهي عملية تستغرق وقتًا طويلاً ومعقدة. الطريقة الوحيدة للتحقق من تقنية الذكاء الاصطناعي الروبوتية هي ملاحظة المكان الذي تفشل فيه، مما يعني الحاجة إلى نشر طويل الأمد في الوقت الحقيقي.

عنق الزجاجة 6: الطلب على العمالة

في تطوير الذكاء الاصطناعي للروبوتات، تظل القوة العاملة البشرية لا غنى عنها. تحتاج الروبوتات إلى مشغلين بشر لتوفير بيانات التدريب، وفرق الصيانة للحفاظ على التشغيل، بالإضافة إلى الباحثين والمطورين لتحسين نماذج الذكاء الاصطناعي بشكل مستمر. تعتبر هذه التدخلات البشرية المستمرة واحدة من التحديات الرئيسية التي يجب على DePIN حلها.

آفاق المستقبل: لحظة ChatGPT لتكنولوجيا الروبوتات

على الرغم من أن الذكاء الاصطناعي للروبوتات العامة لا يزال بعيدًا عن الاعتماد الواسع النطاق، فإن تقدم تقنية روبوتات DePIN يبعث على الأمل. يمكن أن تساعد نطاق الشبكات اللامركزية وتنسيقها في توزيع عبء رأس المال وتسريع عملية جمع البيانات وتقييمها.

تشمل مزايا DePIN في مجال تكنولوجيا الروبوتات:

1. تسريع جمع البيانات وتقييمها: يمكن أن تعمل الشبكات اللامركزية على نطاق أوسع وبشكل متوازي لجمع البيانات.
2. تحسين تصميم الأجهزة المدفوعة بالذكاء الاصطناعي: من خلال تحسين الرقائق وهندسة المواد باستخدام الذكاء الاصطناعي، قد يتم تقصير وقت التطوير بشكل كبير.
3. بنية تحتية للحوسبة اللامركزية: تسمح للباحثين العالميين بتدريب وتقييم النماذج دون قيود رأس المال.
4. نماذج الربح الجديدة: مثل التشغيل الذاتي ونموذج تحفيز الرموز المميزّة الذي تعرضه الوكالات الذكية.

الخاتمة

إن تطوير الذكاء الاصطناعي للروبوتات لا يعتمد فقط على الخوارزميات، بل يتضمن أيضًا ترقية الأجهزة، وتراكم البيانات، ودعم الأموال، ومشاركة الأفراد. يعني إنشاء شبكة الروبوتات DePIN أنه بفضل قوة الشبكة اللامركزية، يمكن جمع بيانات الروبوتات، وموارد الحساب، والاستثمار الرأسمالي أن تتم بالتعاون على مستوى عالمي. هذا لا يسرع فقط من تدريب الذكاء الاصطناعي وتحسين الأجهزة، بل يقلل أيضًا من عتبة التطوير، مما يسمح لمزيد من الباحثين، ورواد الأعمال، والمستخدمين الأفراد بالمشاركة.

نتطلع إلى أن لا تعتمد صناعة الروبوتات على عدد قليل من عمالقة التكنولوجيا، بل مدفوعة من قبل المجتمع العالمي نحو تقنية مفتوحة ومستدامة حقًا. على الرغم من التحديات العديدة، فإن مستقبل تقنية الروبوتات DePIN مليء بالأمل، ومن المتوقع أن يغير تمامًا طريقة تفاعل الذكاء الاصطناعي مع العالم المادي.