به گزارش خبرگزاری ایمنا به نقل از رویترز، شرکت‌های رباتیک چین پس از سال‌ها سرمایه‌گذاری برای ساخت ربات‌های انسان‌نمایی که قادر به دویدن، رقصیدن و اجرای حرکات آکروباتیک هستند، اکنون تمرکز خود را به توسعه هوش مصنوعی و توانایی شناختی این ماشین‌ها معطوف کرده‌اند؛ رقابتی که می‌تواند آینده صنعت رباتیک و موازنه فناوری میان چین و آمریکا را تحت تأثیر قرار دهد.
این تغییر رویکرد، موج تازه‌ای از سرمایه‌گذاری در حوزه «هوش مصنوعی تجسم‌یافته» (Embodied AI) ایجاد کرده است؛ شاخه‌ای از هوش مصنوعی که بر توسعه نرم‌افزارهایی متمرکز است که به ربات‌ها امکان می‌دهد محیط اطراف خود را درک کنند، مهارت‌های جدید بیاموزند و بدون نیاز به برنامه‌نویسی جداگانه برای هر فعالیت، خود را با وظایف مختلف سازگار کنند.
بر اساس داده‌های شرکت پژوهشی ITjuzi، شرکت‌های فعال در حوزه هوش مصنوعی تجسم‌یافته چین در نیمه نخست سال ۲۰۲۶، از طریق ۳۲۲ معامله سرمایه‌گذاری، مجموعاً ۹۳.۵ میلیارد یوان، معادل ۱۳ میلیارد دلار، سرمایه جذب کرده‌اند؛ رقمی که پنج برابر مدت مشابه سال گذشته است.
در این میان، سرمایه‌گذاری‌ها به‌تدریج از تولیدکنندگان سخت‌افزار به شرکت‌های تخصصی توسعه هوش مصنوعی و مغز ربات‌ها نیز گسترش یافته است.
درموت مک‌گراث، بنیان‌گذار شرکت مشاوره فناوری ZenGen Labs در شانگهای، معتقد است با کاهش قیمت سخت‌افزار در نتیجه تشدید رقابت، شرکت‌های رباتیک به این نتیجه رسیده‌اند که حاشیه سود اصلی نه از ساخت بدنه ربات، بلکه از توسعه هوش مصنوعی آن به دست خواهد آمد.
این رقابت، جبهه تازه‌ای در منازعه فناوری چین و آمریکا گشوده است. شرکت‌های آمریکایی در برخی سامانه‌های پیشرفته هوش مصنوعی رباتیک پیشتاز هستند، اما توسعه‌دهندگان چینی امیدوارند با تکیه بر قدرت تولید صنعتی و دسترسی به داده‌های واقعی برای آموزش ربات‌ها، جایگاه رقبای آمریکایی را به چالش بکشند.
رقابت چین و آمریکا بر سر مغز ربات‌ها
کشوری که بتواند هوش مصنوعی را بهتر با ماشین‌ها ترکیب کند، احتمالاً در خودکارسازی کارخانه‌ها و زنجیره‌های لجستیکی برتری خواهد یافت؛ مزیتی که می‌تواند بهره‌وری صنعتی و بازار جهانی فناوری رباتیک را دگرگون کند.
گائو یانگ، هم‌بنیان‌گذار شرکت Spirit AI، معتقد است مغز هوشمند همچنان ضعیف‌ترین حلقه در زنجیره فناوری رباتیک است.
در آمریکا، شرکت‌های نوپایی مانند Physical Intelligence، Skild AI و Generalist در حال توسعه نرم‌افزارهایی هستند که به ربات‌ها امکان می‌دهد بدون نیاز به آموزش مجدد گسترده، مهارت‌های متنوعی کسب کنند.
شرکت Generalist اعلام کرده است مدل هوش مصنوعی GEN-1.5 این شرکت پس از مشاهده یک نمایش عملی به مدت سه تا ۱۲ ثانیه، توانسته حدود ۶۰ درصد از وظایف ساده را با موفقیت انجام دهد.
در چین نیز شرکت X Square پژوهشی منتشر کرده که نشان می‌دهد ربات‌های این شرکت می‌توانند تنها با مشاهده یک ویدئوی انسانی، مهارت‌های مربوط به جابه‌جایی و کار با اشیا را بیاموزند؛ بدون آنکه برای هر وظیفه به آموزش مجدد مدل نیاز باشد.
گئورگ استیلر، مشاور حوزه رباتیک، با اشاره به پیشرفت آزمایشگاه‌های آمریکایی گفت این مراکز معیارهای دشواری در زمینه سرعت یادگیری و استفاده مجدد ربات‌ها از مهارت‌های مختلف ایجاد کرده‌اند، اما قوی‌ترین شرکت‌های نوپای چینی نیز رقبایی جدی محسوب می‌شوند.
شرکت‌های آمریکایی از مزیت پژوهش‌های پیشرفته هوش مصنوعی و دسترسی بیشتر به تراشه‌های قدرتمند محاسباتی برخوردارند؛ در مقابل، شرکت‌های چینی می‌توانند همکاری نزدیکی با تولیدکنندگان ربات و مشتریان صنعتی داشته باشند و سامانه‌های خود را در محیط‌های واقعی آزمایش و اصلاح کنند.
بر اساس اطلاعات منتشرشده از سوی شرکت‌ها، ارزش‌گذاری برخی شرکت‌های تخصصی چینی از جمله X Square، Galaxea و Spirit AI به حدود سه میلیارد دلار رسیده است.
یانگ چیان، هم‌بنیان‌گذار و مدیر عملیات شرکت X Square، هدف این صنعت را عبور ربات‌ها از اجرای صرف دستورات برنامه‌نویسی و رسیدن به سطحی از هوشمندی مبتنی بر درک و منطق عمومی توصیف کرده است.
شرکت‌های باسابقه تولیدکننده ربات نیز به این رقابت پیوسته‌اند. شرکت هنگ‌کنگی UBTech برای جذب دانشمند ارشد در حوزه توسعه مدل‌های هوش مصنوعی، حقوق و مزایایی تا سقف ۱۲۴ میلیون یوان، معادل ۱۸ میلیون دلار، در نظر گرفته است.
همچنین شرکت Unitree مستقر در هانگژو که یکی از بزرگ‌ترین تولیدکنندگان ربات‌های انسان‌نما در جهان از نظر تعداد محموله‌های عرضه‌شده محسوب می‌شود، حدود ۳۰ پژوهشگر را برای توسعه هوش مصنوعی پیش‌بینی‌کننده رفتار اشیا به کار گرفته است.
آموزش ربات‌ها؛ از داده‌های انسانی تا محیط‌های شبیه‌سازی‌شده
برخلاف چت‌بات‌ها که با حجم عظیمی از متون اینترنتی آموزش می‌بینند، ربات‌ها برای یادگیری به نمونه‌های واقعی از تعاملات فیزیکی نیاز دارند؛ از گرفتن اشیا گرفته تا کار با سیم‌های انعطاف‌پذیر.
شرکت‌های چینی برای گردآوری این داده‌ها روش‌های متفاوتی را دنبال می‌کنند. برخی از نیروی انسانی برای نمایش فعالیت‌های روزمره و صنعتی استفاده می‌کنند، برخی دیگر به محیط‌های شبیه‌سازی‌شده رایانه‌ای متکی هستند و گروهی نیز این دو روش را با یکدیگر ترکیب می‌کنند.
گائو یانگ اعلام کرده است شرکت Spirit AI حدود هزار نفر را برای ثبت فعالیت‌های روزمره و صنعتی به کار گرفته است. شرکت ACE Robotics نیز از حسگرهای پوشیدنی برای ثبت حرکات کارکنان و میزان نیروی واردشده هنگام گرفتن اشیا در فروشگاه‌ها و هتل‌ها استفاده می‌کند.
واحد رباتیک گروه Ant به نام Robbyant نیز اعلام کرده است یک مدل هوش مصنوعی را با استفاده از ۱۶۰ هزار ساعت داده آموزشی توسعه داده که ۵۰ هزار ساعت آن شامل حرکات ربات‌ها با هدایت انسان بوده است. این شرکت همچنین نرم‌افزار خود را با ۲۰ پیکربندی رباتیک از ۱۷ برند مختلف آموزش داده تا یک هوش مصنوعی بتواند روی ماشین‌های متفاوت فعالیت کند.
شرکت DexForce مسیر دیگری را انتخاب کرده و از محیط‌های تولیدشده با رایانه برای آموزش ربات‌ها بهره می‌گیرد. نیکول یانگ، مدیر عملیات این شرکت، گفته است برخی فعالیت‌های صنعتی را می‌توان طی شش تا هشت ساعت برای اجرا آماده کرد و در عملیات دقیق و مشخص نیز نرخ موفقیت بیش از ۹۹.۹ درصد به دست آمده است.
با این حال، جری وانگ از شرکت Manycore Tech که در زمینه طراحی محیط‌های شبیه‌سازی‌شده برای آموزش هوش مصنوعی فعالیت می‌کند، هشدار داده است که شبیه‌سازی‌ها نمی‌توانند تعاملات فیزیکی دنیای واقعی را به‌طور کامل بازسازی کنند.
یانگ چیان از شرکت X Square نیز کیفیت داده‌ها را مهم‌تر از تنوع داده‌ها و حتی جمع‌آوری آن‌ها در مقیاس گسترده دانسته است.
محدودیت تراشه‌ها؛ چالش بزرگ صنعت رباتیک چین
شرکت‌های رباتیک چین در کنار رقابت فناورانه، با چالش‌هایی از جمله کمبود تراشه‌های پیشرفته انویدیا در پی محدودیت‌های صادراتی آمریکا روبه‌رو هستند.
همچنین نگرانی‌های نظارتی درباره ارزش‌گذاری‌های غیرواقعی و ازدحام شرکت‌ها در این بازار، جذب سرمایه از طریق عرضه اولیه سهام را دشوارتر کرده است.
ژو مینگ‌شوان، مسئول توسعه هوش مصنوعی ربات Aether در شرکت JoyIn Technology، معتقد است با افزایش توانایی ربات‌ها، کمبود تراشه‌های پیشرفته به مشکلی جدی برای صنعت هوش مصنوعی تجسم‌یافته چین تبدیل خواهد شد.
شرکت‌های چینی برای کاهش وابستگی به توان محاسباتی بالا، به توسعه مدل‌های کارآمدتر، داده‌های مصنوعی و شبیه‌سازی روی آورده‌اند. هم‌زمان تولیدکنندگان داخلی تراشه، از جمله هواوی، در حال توسعه جایگزین‌هایی برای سخت‌افزارهای انویدیا هستند؛ هرچند هنوز مشخص نیست این تلاش‌ها تا چه اندازه می‌تواند کمبود تراشه‌های پیشرفته را جبران کند.
از آموزش در آزمایشگاه تا فعالیت در دنیای واقعی
برخی توسعه‌دهندگان چینی اکنون در حال آزمایش توانایی نرم‌افزارهای خود برای حل مسائل ناآشنا توسط ربات‌ها هستند.
ژو مینگ‌شوان نمونه‌ای از آزمایش شرکت JoyIn را شرح داده است که در آن یک ربات بارها در تلاش برای قرار دادن هدفون در کمدی که خارج از دسترسش بود، شکست خورد.
پس از آنکه مهندسان ویدئوهایی از تلاش انسان‌ها برای انجام این کار به ربات نشان دادند، ربات جعبه‌ای را به سمت کمد حرکت داد و تلاش کرد روی آن بایستد. به گفته ژو، ربات در هر مرحله رفتار متفاوتی را برای حل مسئله امتحان می‌کرد.
در بخش صنعتی نیز برخی از این فناوری‌ها به مرحله بهره‌برداری رسیده‌اند. شرکت تولیدکننده باتری CATL اعلام کرده است ربات‌های Spirit AI در کارخانه این شرکت در ژونگژو، هنگام آزمایش بسته‌های باتری، سیم‌های انعطاف‌پذیر را متصل می‌کنند و میزان موفقیت آن‌ها در این فرایند بیش از ۹۹ درصد است.
شرکت Robbyant نیز اعلام کرده ربات‌های آن در دو داروخانه شانگهای سفارش‌ها را آماده می‌کنند و کارکنان پیش از ارسال، داروها را بررسی می‌کنند.
با این حال، هدف بلندمدت صنعت، توسعه نرم‌افزاری است که بتواند بدون نیاز به سازگارسازی گسترده، مشاغل و وظایف جدید را بیاموزد. دستیابی به این هدف به عملکرد یکسان هوش مصنوعی در محیط‌های کاری و نزد مشتریان مختلف وابسته است؛ موضوعی که به توسعه مدل‌های قدرتمندتر و دسترسی به تراشه‌های پیشرفته نیاز دارد.
آیا ربات‌ها به لحظه چت‌جی‌پی‌تی می‌رسند؟
وانگ شینگ‌شینگ، بنیان‌گذار شرکت Unitree، ماه گذشته اعلام کرد این شرکت مدل GPT-6 شرکت OpenAI را روی ربات‌ها آزمایش کرده و نتایج امیدوارکننده‌ای به دست آورده است.
او معتقد است عرضه احتمالی GPT-7 در سال آینده میلادی می‌تواند نقطه عطفی مشابه ظهور چت‌جی‌پی‌تی در سال ۲۰۲۲ برای صنعت رباتیک رقم بزند؛ تحولی که قابلیت‌های ربات‌ها را به سطح تازه‌ای ارتقا دهد.
وانگ زمانی را نقطه عطف این صنعت می‌داند که ربات‌ها بتوانند با دریافت دستورهای صوتی، ۸۰ درصد وظایف را در ۸۰ درصد محیط‌های ناآشنا با موفقیت انجام دهند.
با این حال، گئورگ استیلر، مشاور حوزه رباتیک، معتقد است موفقیت ربات‌ها در نمایش‌های آزمایشگاهی لزوماً به معنای آمادگی آن‌ها برای استفاده گسترده تجاری نیست.
وی تأکید کرده است اگر منظور از نقطه عطف، توانایی ربات‌ها در انجام طیف گسترده‌ای از وظایف ناآشنا در نمایش‌های آزمایشی باشد، ممکن است خوش‌بینی‌ها درست باشد؛ اما اگر معیار، قابلیت اتکای مشتریان در استفاده واقعی از این فناوری باشد، تحقق آن به چند سال زمان نیاز دارد، نه چند ماه.
نظر شما