تصور کنید رباتی وارد خانه‌ای ناآشنا می‌شود، به یک دستور کوتاه گوش می‌دهد و بدون آموزش مفصل، بیشتر کارها را کامل می‌کند. به نظر داستان علمی-تخیلی می‌آید؟ از دید بنیان‌گذار یون‌تری این‌طور نیست.
وانگ شین‌شینگ از صحنهٔ یک کنفرانس رباتیک بزرگ در پکن استفاده کرد تا استدلال کند که هوش مجسّم، ترکیب ادراک پیشرفته، مدل‌سازی جهان و کنترل فیزیکی در درون ربات‌ها، در حال نزدیک شدن به چیزی است که او آن را «لحظهٔ چت‌جی‌پی‌تی» نامید. پس از عرضهٔ اخیر یون‌تری در شانگهای، سخنان او وزن بیشتری پیدا کردند؛ عرضه اولیه معمولاً برنامه‌ها را به نقشهٔ راه تبدیل می‌کند.
او یک نقطهٔ عطف کاربردی را تصویری کرد. یک انسان‌نمای تولیدی باید قادر باشد وارد یک محیط ناشناس شده و تقریباً ۸۰ درصد وظایف روتین را تنها با فرمان صوتی یا متنی ساده با موفقیت انجام دهد. اگر آن آستانه محقق شود، پذیرش می‌تواند به سرعت شتاب بگیرد. جملهٔ کوتاه. تأثیر بزرگ.
یون‌تری بازیگری کوچک نیست. داده‌های صنعت شرکت را به‌عنوان بزرگ‌ترین سازندهٔ سگ‌های رباتی جهان و دومین ارسال‌کنندهٔ ربات‌های انسان‌نما بر اساس حجم محموله قرار می‌دهند. ماشین‌هایش به‌واسطهٔ ویدیوها در شبکه‌های اجتماعی پدیده شدند؛ ربات‌هایی که می‌رقصند، حرکات کونگ‌فو انجام می‌دهند و چابکی با سرعت بالا نشان می‌دهند. بیشتر مشتریان اولیهٔ یون‌تری دانشگاه‌ها و مراکز پژوهشی بودند، اما نقشهٔ راه روشن می‌کند که هدف استفادهٔ مصرفی و صنعتی در مقیاس بزرگ است.
با این حال، مدیرعامل مراقب بود خوش‌بینی را از تعارف و اغراق جدا کند. او به حضار گفت که پیشرفتی نرم‌افزاری از آن نوع که او تصور می‌کند می‌تواند در سناریویی مساعد ظرف دو تا سه سال رخ دهد، در حالی که چشم‌اندازی محافظه‌کارانه‌تر ممکن است به پنج تا ده سال کشیده شود. دیگر بنیان‌گذاران در صحنهٔ رباتیک چین جدول زمانی‌های مشابهی را مطرح می‌کنند. وانگ هه، بنیان‌گذار گالبوت، سال محوری نزدیک به ۲۰۲۸ را پیش‌بینی می‌کند که در آن ربات‌ها ۷۰ تا ۸۰ درصد وظایف روزمره را بدون آموزش تخصصی انجام خواهند داد.
چرا باید منتظر بود؟ یون‌تری به‌طور گسترده در آنچه مدل‌های جهان نامیده می‌شوند سرمایه‌گذاری می‌کند، یعنی شبیه‌سازهای فیزیکی درونی که به ربات اجازه می‌دهند پیامدها را پیش‌بینی کرده و در محیط‌های واقعی و پیچیده عمل‌ها را برنامه‌ریزی کند. به گفتهٔ وانگ، مدل‌های تصمیم‌گیری همچنان تنگناترین گلوگاه صنعت هستند. ادراک به‌سرعت پیش می‌رود. حرکت و مهارت در جابجایی قوی است. اما تبدیل داده‌های حسی به برنامه‌های عملی ایمن و قابل تعمیم هنوز یک معمای مهندسی حل‌نشده است.
یون‌تری می‌گوید بخش اعظم تحقیق و توسعه و استخدام فعلی‌اش بر روی آن مدل‌های جهان متمرکز است و اعتراف می‌کند که از اهداف ایده‌آل برای پیاده‌سازی در دنیای واقعی عقب مانده است.
زمینهٔ کل ماجرا هم به اندازهٔ مسائل فنی جنبه‌های ژئوپلیتیکی دارد. چین در نیمهٔ اول امسال بیش از ۴۰٬۰۰۰ ربات انسان‌نما صادر کرد و حدود ۹۷ درصد سهم ارسال جهانی را به خود اختصاص داد، که تا حد زیادی با تشویق دولت برای به‌کارگیری ماشین‌ها در نقش‌های تکراری یا خطرناک به‌عنوان پاسخی به کاهش جمعیت هدایت شده است. آن شتاب تجاری با نگرانی‌های امنیت ملی در خارج مواجه شده است: ناظران ایالات متحده اخیراً به دلایل امنیتی واردات برخی ربات‌های خارجی را محدود کرده‌اند و ربات‌های انسان‌نما را به صحنه‌ای دیگر از رقابت فناورانه میان چین و آمریکا تبدیل کرده‌اند.
اگر جدول زمانی وانگ محقق شود، پویایی صنعت می‌تواند از پیروزی‌های تدریجی آزمایشگاهی به موجی از ربات‌های کاربردی و خدماتی در خرده‌فروشی، لجستیک، مراقبت از سالمند و کمک‌های خانگی تبدیل شود. سرمایه‌گذاران وارد میدان خواهند شد. زنجیره‌های تأمین مقیاس خواهند یافت. و کاربران روزمره شروع به دیدن ربات‌های انسان‌نما به‌عنوان ابزارهایی کاربردی به‌جای کنجکاوی خواهند کرد. اگر جدول زمانی به تعویق بیفتد چه؟ پژوهشگران به کار روی مدل‌های تصمیم‌گیری و انتقال از شبیه‌سازی به دنیای واقعی ادامه خواهند داد و پیاده‌سازی‌های تجاری کندتر پیش خواهند رفت، اما پیشرفت مداوم ادامه خواهد یافت.
در هر صورت، گفتگو فراتر از پیشرفت‌های صرفاً مکانیکی رفته است. میدان نبرد واقعی اکنون نرم‌افزاری است که به ماشین امکان می‌دهد فهمی عملی از یک جهان سه‌بعدی و نامنظم به‌دست آورد و بر اساس آن به‌طور قابل‌اعتماد عمل کند. انتظار داشته باشید که سال‌های آینده پرهیاهو، آزمایشی و گاه چشمگیر باشد، زیرا تیم‌ها برای رساندن آن نقطهٔ عطف شبیه به چت‌جی‌پی‌تی برای هوش مجسّم رقابت می‌کنند.
نظر بگذارید
نظرات
هنوز نظری ثبت نشده. اولین نفر باشید.