هل يُحاول رئيس شركة يوشو (شركة إعلامية تقنية) تهدئة الأمور؟ متى سنشهد لحظة "ChatGPT" للذكاء المُجسّد؟

هناك اتجاه متزايد يتمثل في أن صناعة الذكاء المجسد تعمل على ضغط الجدول الزمني البعيد سابقاً لـ "الروبوتات متعددة الأغراض" إلى دورة تكنولوجية واحدة في المستقبل.

في الوقت الذي تحظى فيه الروبوتات الشبيهة بالبشر بشعبية كبيرة، يبدو أن رئيس "أول سهم للروبوتات الشبيهة بالبشر" في سوق الأسهم من الفئة "أ" قد خيب آمال هذه الصناعة.

في 20 أغسطس، وخلال مؤتمر الروبوتات العالمي لعام 2026، أقرّ وانغ شينغشينغ، مؤسس شركة يونيتري روبوتيكس، في أول خطاب علني له بعد طرح الشركة للاكتتاب العام، بأن لحظة ظهور تقنية تشات جي بي تي، أي الذكاء المتجسد، لم تحن بعد. وقد يكون ذلك في غضون سنتين أو ثلاث سنوات، أو في وقت متأخر يصل إلى خمس أو عشر سنوات.

على مدى العامين الماضيين، أصبحت الروبوتات الشبيهة بالبشر أحدث صيحات التكنولوجيا. وتتزايد مشاهدتها على منصات الحفلات الكبرى، وفي معارض شركات الألعاب، وحتى عند مداخل مراكز التسوق والمتاجر. ترقص وتمشي وتلوح، أحيانًا برشاقة وأحيانًا أخرى بحركات غير متقنة، تتفاعل مع الجمهور وتصافحهم، لتنتقل بسرعة من المختبر إلى دائرة الضوء.

لكن وراء العروض الصاخبة، تبدو القدرات الحقيقية لهذه الروبوتات بعيدة كل البعد عن تصور الناس لـ"روبوتات المستقبل". ففي التوقع الشائع، لا ينبغي أن تقتصر وظيفة الروبوتات على العروض المسرحية أو خدمة أغراض التسويق، بل يجب أن تدخل المصانع والمنازل، لتتولى مهام النقل والتنظيم وتشغيل الأدوات، أو القيام ببعض الأعمال المنزلية ومهام الرعاية. ويبقى سؤال الجمهور محدداً ومباشراً: متى ستتمكن الروبوتات من العمل فعلاً؟

في مجال نماذج اللغة الضخمة، قدّم ChatGPT إجابة رمزية للغاية. ورغم أنه لم يكن أول نموذج لغة، إلا أنه كان الأول الذي جعل عددًا كبيرًا من المستخدمين العاديين يدركون بديهيًا أن الذكاء الاصطناعي قد تجاوز عتبة معينة من القدرات. ويُعدّ موعد حدوث لحظة مماثلة في مجال الذكاء المُجسّد أحد أكثر الأسئلة إلحاحًا في صناعة الروبوتات.

يكمن سر دخول الروبوتات إلى كل منزل في قدرتها على التعميم.

في مؤتمر الروبوتات العالمي الذي عقد في 20 أغسطس، أشار وانغ شينغشينغ، مؤسس شركة يونيتري للروبوتات، إلى مشكلة تمت مناقشتها مرارًا وتكرارًا في الصناعة باعتبارها أكبر عقبة أمام الذكاء المجسد.

يرى أن العديد من نماذج الروبوتات قادرة على تحقيق نسبة نجاح تقارب 100% في سيناريوهات محددة، شريطة توفر بيانات كافية وتدريب مناسب. مع ذلك، قد تنخفض نسبة النجاح بشكل ملحوظ إذا تغير الجسم الذي يتم التعامل معه أو طرأ تغيير طفيف على البيئة المحيطة.

وهذه أيضاً هي العقبة الأهم قبل أن تتمكن الروبوتات من دخول حياتنا ومنازلنا بشكل كامل.

قدّم وانغ شينغشينغ معياراً محدداً إلى حد ما: إذا أمكن في يوم من الأيام إدخال روبوت إلى منزل أو بيئة غير مألوفة تماماً وإنجاز ما يقرب من 80% من المهام باستخدام الأوامر الصوتية أو اللفظية فقط، فإن الذكاء المجسد سيكون قد وصل إلى "لحظة ChatGPT". من حيث التوقيت، يعتقد أن الأمر قد يستغرق من سنتين إلى ثلاث سنوات كحد أقصى، ومن خمس إلى عشر سنوات كحد أبطأ.

أكد وانغ شينغشينغ بشكل خاص أن الصعوبة الحقيقية لا تكمن في جعل الروبوت "يعرف بشكل عام ما يجب فعله"، ولكن في السنتيمترات القليلة الأخيرة أو حتى المليمترات الأخيرة.

على سبيل المثال، إذا طلبت من روبوت التقاط جسم ما، فقد يكون النموذج قد خطط للحركة بأكملها بشكل صحيح، وقد يكون ذراع الروبوت قد تحرك إلى جوار الجسم. ومع ذلك، إذا لم يتم تصحيح الخطأ النهائي في تحديد الموضع، أو التغذية الراجعة اللمسية، أو قوة الإمساك بشكل صحيح، فقد تفشل المهمة بأكملها.

وهنا أيضاً يكمن الاختلاف الكبير بين الروبوتات ونماذج اللغة الكبيرة.

يحدث إدخال وإخراج نموذج اللغة دائمًا في الفضاء الرقمي، بينما يتفاعل كل إدراك وفعل للروبوت مع العالم المادي الحقيقي. تعاني المستشعرات من التشويش، وتواجه المحركات أخطاءً، ويتغير موضع الأشياء ومادتها ووزنها باستمرار؛ وتتراكم هذه الأخطاء مع أداء المهام. لذلك، بالنسبة للذكاء المجسد، قد يكون الانتقال من "القدرة على فعل شيء ما بشكل أساسي" إلى "أدائه بشكل صحيح ومتسق" أصعب من تعلم مهمة ما في البداية.

بالتزامن تقريبًا مع تقييم وانغ شينغشينغ المذكور آنفًا، قدّم وانغ هي، مؤسس شركة غالاكسي جنرال ومديرها التقني، تقديرًا أكثر تحديدًا للسنة. وأوضح وانغ هي أنه مع التراكم المستمر للبيانات والمزيد من التطورات التكنولوجية، من المتوقع أن يصل الذكاء المُجسّد إلى "لحظة تشات جي بي تي" في عام 2028. ويُعرّف هذه اللحظة الفارقة بأنها: قدرة الروبوتات على إنجاز ما يقارب 70% إلى 80% من المهام اليومية دون تدريب مُحدد لأي مهمة بعينها.

في الواقع، تتشابه أحكامهما إلى حد كبير. يركز وانغ شينغشينغ على معدل إنجاز الروبوت للمهام بعد دخوله بيئة غير مألوفة، بينما يركز وانغ هي على قدرة النموذج الأساسي على التعميم المباشر دون تدريب محدد. ومع ذلك، يحدد كلاهما النقطة الحرجة عند معدل نجاح يتراوح بين 70% و80% للمهام غير المعروفة.

هذا يعني أيضاً أن "لحظة ChatGPT" التي يتحدثون عنها لا تتمثل في القدرة على الحركة التي تُظهرها الروبوتات الشبيهة بالبشر اليوم، ولا في نسبة النجاح البالغة 99% التي يحققها نموذج تجريبي مُدرَّب جيداً وثابت. يجب أن يحدث التغيير الحقيقي بعد أن تبدأ الروبوتات بالتحرر من اعتمادها على المشاهد الثابتة والأشياء الثابتة والتدريب المتخصص.

متى ستفهم الروبوتات الأمر حقاً؟ الإجماع هو من سنتين إلى خمس سنوات.

قبل شهر واحد فقط، في المؤتمر العالمي للذكاء الاصطناعي لعام 2026 (WAIC)، طرحت جلسة نقاش مستديرة نفس السؤال على ستة من رواد الأعمال والباحثين البارزين في مجال الذكاء المجسد.

في 19 يوليو، وخلال "منتدى التجسيد الذكي" الذي استضافته شركتا Zhiyuan Robotics وMifeng Technology، طرح المضيف على الضيوف الستة سؤالاً مباشراً للغاية خلال جلسة النقاش الأخيرة: كم سنة حتى لحظة ChatGPT للروبوتات؟

كانت النتائج متقاربة بشكل لافت. فقد توقع ياو ماو تشينغ، الشريك في شركة تشي يوان للروبوتات ورئيس مجلس الإدارة والرئيس التنفيذي لشركة ميفنغ للتكنولوجيا، أن يستغرق الأمر عامين؛ بينما رأى توني تشاو، المؤسس المشارك والرئيس التنفيذي لشركة صنداي للروبوتات، أنه سيستغرق في غضون ثلاث سنوات؛ وتوقع تشانغ تشنغ يو، كبير العلماء في شركة تينسنت ومدير مختبر روبوتيكس إكس، أن يستغرق الأمر من ثلاث إلى خمس سنوات؛ وتوقع ما يي تشنغ، المؤسس المشارك وكبير العلماء في شركة داينا للروبوتات، أن يستغرق الأمر حوالي أربع سنوات؛ وقدر رن تشي يي، الباحث العلمي في مجال الذكاء الفيزيائي، أن يستغرق الأمر من أربع إلى خمس سنوات؛ وتوقع شو دان فاي، الأستاذ في معهد جورجيا للتكنولوجيا، أن يستغرق الأمر خمس سنوات.

جاء الأفراد الستة من شركات ومؤسسات بحثية مختلفة تمامًا، كما اختلفت مناهجهم التقنية أيضًا، لكن إجاباتهم النهائية ركزت جميعها على السنتين إلى الخمس سنوات القادمة.

من بينهم، يُعدّ ياو ماوكينغ الأكثر تفاؤلاً. يستند حكمه بشكل أساسي إلى نمو حجم البيانات. ويرى ياو ماوكينغ أن العوامل الرئيسية التي تُعيق حاليًا تطور الذكاء الاصطناعي الفيزيائي يُمكن تلخيصها في ثلاثة عوائق: "البيانات، والتمثيل، والحلقة المغلقة". فمقارنةً بالكميات الهائلة من النصوص والصور التي يُمكن الحصول عليها بسهولة عبر الإنترنت، فإن بيانات تفاعل الروبوتات في العالم الحقيقي ليست باهظة الثمن فحسب، بل إنها محدودة أيضًا بسبب الاختلافات في الروبوت نفسه، والمهمة، والسيناريو.

يحتاج الروبوت الجاهز للاستخدام حقًا إلى فهم أوامر اللغة الطبيعية المفتوحة وتحقيق معدل نجاح أساسي يتراوح بين 70% و80% تقريبًا في المهام الشائعة. ولتحقيق ذلك، يتطلب الذكاء المتجسد بيانات على نطاق يتجاوز بكثير المستويات الحالية. بل إنه أشار إلى أنه في المستقبل، قد يتطلب الأمر بيانات على نطاق مئات الملايين من الساعات.

وبعبارة أخرى، في إطار حكم ياو ماوكينغ، فإن "لحظة ChatGPT" هي إلى حد كبير مشكلة قياس: فمع وصول بيانات العالم الحقيقي وبيانات المحاكاة ومقاطع الفيديو على الإنترنت وبيانات منظور الشخص الأول والبيانات المتدفقة بعد نشر الروبوت تدريجيًا إلى حجم معين، قد تتجاوز قدرات النموذج أيضًا النقطة الحرجة.

من جهة أخرى، حدد تشاو زيهاو من شركة صنداي روبوتيكس إطارًا زمنيًا لا يتجاوز ثلاث سنوات. فبدلًا من التركيز على تطوير هياكل روبوتية أكثر تعقيدًا، يهتم تشاو أكثر بموعد نضوج "عقل" الروبوت. لطالما ركزت صنداي روبوتيكس على الروبوتات المنزلية والنماذج الأساسية. وينطلقون من فكرة أنه إذا استطاع نموذج روبوت أساسي قوي بما فيه الكفاية فهم البيئات والمهام المعقدة، حتى لو استخدم الروبوت أذرعًا بسيطة نسبيًا ومنخفضة التكلفة، فقد يتمكن من حل عدد كبير من المشكلات العملية أولًا.

كان موقف تشانغ تشنغيو أكثر حذرًا. فقد أشار إلى فترة تتراوح بين ثلاث وخمس سنوات، لكنه أكد أن هذه الفترة لا تعني أن على الصناعة ببساطة انتظار ظهور نموذج أكبر فجأة. إن أحد الشروط الأساسية للتوسع السريع لنماذج اللغة الكبيرة هو أن يصبح نموذج Transformer تدريجيًا بنيةً أكثر تكاملًا. مع ذلك، لم يتبلور بعد نموذج تكنولوجي واضح كهذا في مجال ذكاء الروبوتات.

من الإدراك عالي المستوى، والإدراك البصري، وتخطيط المهام، إلى التحكم في الحركة في الوقت الفعلي، وردود فعل الجسم، واستجابات السلامة، يحتاج الروبوت إلى معالجة المشكلات على نطاقات زمنية مختلفة في آنٍ واحد. لذا، قد تتطلب الإنجازات الحقيقية تطويرات في جمع البيانات، والمحاكاة، والتطبيق العملي، واستعادة النظام بعد الأعطال، والتطوير المتزامن للأجهزة والنماذج، بدلاً من مجرد محاكاة قانون التوسع لنماذج اللغة الكبيرة. لهذا السبب، أكد تشانغ تشنغيو، عند تقييمه، على ضرورة أن "يعمل القطاع بجدٍّ واجتهادٍ وبأسلوب عملي".

يُقدّر ما ييتشنغ من شركة داينا روبوتيكس الإطار الزمني بنحو أربع سنوات. ويستند تقييمه بشكل كبير إلى التطبيق التجاري. ففي عرض تجريبي في المختبر، قد يكون معدل نجاح 80% أو 90% كافيًا لإثبات فعالية التقنية؛ إلا أنه بالنسبة للمصانع أو شركات الخدمات التي تشتري الروبوتات فعليًا، غالبًا ما تكون هذه الموثوقية غير كافية. لذا، فإنّ "لحظة ChatGPT" للذكاء المُجسّد لا تعني فقط قدرة الروبوت على فهم المزيد من المهام، بل تعني أيضًا ضرورة تطويره بشكل أكبر للوصول إلى مستوى موثوقية مقبول في بيئات العمل التجارية الواقعية.

حدد رن تشي يي من شركة "فيزيكال إنتليجنس" إطاراً زمنياً يتراوح بين 4 و 5 سنوات. وذكر أنه قبل انضمامه إلى الشركة، كان يعتقد أن هذه العملية قد تستغرق 10 سنوات، ولكن مع تطوير نماذج الروبوتات الأساسية خلال العام الماضي، انخفضت توقعاته بشكل ملحوظ.

تُعدّ شركة Physical Intelligence من الشركات الرائدة في مجال "نموذج أساس الروبوت"، حيث تهدف إلى تمكين النموذج نفسه من اكتساب قدرات تشغيلية أوسع تدريجيًا من خلال تدريب البيانات عبر مختلف الأنطولوجيات والمهام. ويكمن الجانب الأهم في هذا النهج في إمكانية ظهور قدرات الروبوت باستمرار مع توسع نطاق النموذج والبيانات، مما يُنتج في نهاية المطاف تأثيرًا مشابهًا للتعلم النقل بدون أمثلة في نماذج اللغة الكبيرة.

قدّم البروفيسور شو دانفي من معهد جورجيا للتكنولوجيا الإجابة الأكثر تحفظاً، ولكن حتى تلك الإجابة كانت لخمس سنوات فقط. وبدلاً من المراهنة على نهج نموذجي محدد، ركّز أكثر على ثلاثة معايير أساسية: ما إذا كان النموذج قادراً على التعلّم فعلاً من البيانات، وما إذا كانت القدرات المكتسبة قابلة للتعميم على بيئات ومهام جديدة، وما إذا كانت سرعة الاستدلال تلبي متطلبات التشغيل في الوقت الفعلي للروبوت في العالم الحقيقي.

عندما جمعنا بين قول وانغ شينغشينغ "في أسرع وقت من سنتين إلى ثلاث سنوات"، وقول وانغ هي "2028"، وإجابات الضيوف الستة في مؤتمر WAIC، ظهرت ظاهرة واضحة بشكل متزايد: صناعة الذكاء المجسد تضغط الجدول الزمني البعيد سابقًا لـ "الروبوتات العامة" إلى دورة تكنولوجية مستقبلية.

هل هي علامة فارقة تاريخية واضحة، أم عملية تدريجية؟

ومع ذلك، على الرغم من أن هؤلاء رواد الأعمال والباحثين يقتربون أكثر في توقعاتهم بشأن التوقيت، إلا أنهم لا يستخدمون في الواقع نفس مجموعة المعايير لمناقشة "لحظة ChatGPT".

يركز وانغ هي على القفزة النوعية في قدرات النموذج الأساسي نفسه. ففي تعريفه، يتجاوز الذكاء المتجسد نقطة حرجة مماثلة لنموذج ChatGPT، حيث لا يعود الروبوت بحاجة إلى إعادة تدريب لكل مهمة جديدة، ويستطيع إنجاز ما بين 70% و80% من المهام اليومية باستخدام النموذج الأساسي فقط. يقيس هذا المعيار بشكل أساسي قدرة النموذج على الانتقال من "الذكاء المتخصص" لمهام محددة إلى ذكاء عام ذي قابلية نقل قوية.

يُعدّ معيار وانغ شينغشينغ أقرب إلى أداء الروبوتات في العالم الحقيقي. كما يعتبر معدل إنجاز المهام بنسبة 80% تقريبًا عتبةً مهمة، لكنه يُشدد على قدرة الروبوت على إنجاز معظم المهام بالاعتماد فقط على الأوامر اللغوية عند دخوله بيئة غير مألوفة. ويرى أن العديد من الروبوتات اليوم قادرة على تحقيق معدل نجاح عالٍ في بيئات ثابتة ومُدرّبة جيدًا. ويكمن التحدي الحقيقي في قدرة النموذج على الاستمرار في العمل بعد حدوث تغييرات في البيئة أو الأشياء أو المهام.

يبدو هذان التعريفان متشابهين، لكنهما في الواقع يركزان على مستويين مختلفين. فحتى لو كان لدى نموذج ما قدرات جيدة في التدريب بدون تدريب مسبق أو في مهام متعددة، فهذا لا يعني أن الروبوت المُجهز به قد أصبح أداة إنتاج موثوقة. وقد ذكر وانغ شينغشينغ في المؤتمر العالمي للروبوتات أن شركة يونيتري قد نشرت بالفعل روبوتات في مصانع السيارات ومصانعها الخاصة، وأنها قادرة على إنجاز بعض مهام التجميع البسيطة، لكن نشرها على نطاق واسع لا يزال غير ممكن. أحد الأسباب المهمة هو أن كفاءة الروبوتات لا تزال أقل من كفاءة البشر، وغالبًا ما تحتاج إلى إعادة تدريب لمواجهة مهام جديدة.

قدّم الرئيس التنفيذي لشركة شينغهايتو، غاو جييانغ، تقييمًا مزدوجًا مثيرًا للاهتمام لهذه المسألة. ففي خارطة طريق الصناعة التي عُرضت في مؤتمر الاتصالات العالمي لهذا العام، حددت شينغهايتو عام 2027 صراحةً باعتباره "لحظة التحول" من الناحية التقنية، معتقدةً أنه بعد أن يدفع قانون التوسع قدرات النموذج الأساسية إلى تجاوز نقطة التحول، ستبدأ سيناريوهات التطبيق الرأسي في التسارع؛ ومع ذلك، فإن "نقطة التحول التجارية" الحقيقية تقع في عام 2028، تليها عملية اختراق عميقة في عام 2029 وانتشار واسع النطاق في عام 2030.

ومع ذلك، عند مناقشة ما إذا كان الذكاء المجسد سيُعيد إنتاج لحظة تاريخية مثل ChatGPT، صرّح غاو جيانغ صراحةً بأنه يعتقد أن "هناك احتمالًا كبيرًا ألا تحدث مثل هذه اللحظة". والسبب هو أن الذكاء المجسد لن ينتشر على الفور من خلال منتج برمجي متاح للجميع، بل من المرجح أن يبدأ في سيناريوهات الأعمال بين الشركات (B2B)، ليُطلق العنان لنفسه تدريجيًا قطاعًا تلو الآخر ومهمة تلو الأخرى.

من غير المرجح أن تحدث اختراقات تكنولوجية ووعي عام فوري في آن واحد. ويعود ذلك إلى أن النمو الهائل لتقنية التعلم الآلي يعتمد على قدرة الجميع على تجربتها بشكل مباشر باستخدام الهاتف المحمول أو الحاسوب، بينما تقتصر التطبيقات الأولية للذكاء المجسد على بيئات الإنتاج كالمصانع والمستودعات، مما يصعب على عامة الناس إدراكها بشكل مباشر. لذا، ستظهر نقاط التحول في الصناعة تدريجيًا وبشكل تدريجي وشامل، لتصبح منتشرة في كل مكان قبل أن يدركها الناس فجأة.

لا يتعارض هذان البيانان تماماً. في الواقع، يميز غاو جييانغ بين نقطة التحول التكنولوجي لقدرات النموذج ونقطة التحول الاجتماعي للانتشار الصناعي: قد تظهر الأولى بوضوح نسبي في عام معين، بينما تتطلب الثانية التحقق من السيناريو، والإنتاج على نطاق واسع، وخفض التكاليف، ونضج نموذج الأعمال لتنتشر تدريجياً في العالم الحقيقي.

يُعدّ هذا أيضًا أحد أبرز الفروقات بين الروبوتات ونماذج اللغة الكبيرة. فبعد إطلاق ChatGPT في نوفمبر 2022، أمكن إبلاغ المستخدمين حول العالم بالتغييرات في قدرات النموذج في يوم واحد تقريبًا. بالنسبة لمنتج برمجي، طالما أن الخادم وقوة الحوسبة قادران على استيعاب ذلك، فإن تكلفة إضافة مستخدم جديد محدودة نسبيًا. يستطيع المستخدمون ملاحظة التحسن الكبير في قدرات النموذج فورًا بمجرد فتح صفحة ويب وطرح سؤال. ولذلك، تضافرت الإنجازات التقنية وإطلاق المنتجات وانتشارها الواسع بين المستخدمين في ChatGPT في فترة زمنية واحدة تقريبًا.

مع ذلك، يجب أن تدخل الروبوتات إلى العالم المادي من خلال جسم حقيقي. فحتى لو اكتسب نموذج أساسي فجأةً قدرات تعميم أقوى بكثير غدًا، فلا يزال يتعين ترجمة هذه القدرات إلى حركات حقيقية من خلال الرقائق الإلكترونية، وأجهزة الاستشعار، والمفاصل، والأيدي الدقيقة، والمحركات، مع مواجهة سلسلة من التحديات الهندسية مثل الدقة، والاستقرار، والسلامة، والعمر الافتراضي، والصيانة، والتكلفة.

لذا، قد يجد الذكاء المتجسد صعوبة في تكرار حدث تاريخي بارز كهذا، مثل 30 نوفمبر 2022. والأرجح أن يتجلى كسلسلة من نقاط التحول التدريجية. وربما، حتى لو نظر الناس إلى الماضي لتأكيد "لحظة الذكاء المتجسد" التي ظهرت في ChatGPT، فلن يجدوا نقطة واحدة يتفق عليها الجميع.