داخل مركز هانغتشو الذي ينتج بيانات تدريب الروبوتات بملايين الساعات

يتطلب تدريب روبوت على طي الملابس أو رصّ الرفوف قدرًا هائلًا من الفيديو وبيانات الحركة — ذلك النوع من لقطات التفاعل متعدد الوسائط التي تعلّم النموذج كيف تتصرف الأجسام حين تلمسها آلة. والإجماع في الصناعة أن نموذج الذكاء الاصطناعي المُجسَّد القابل للاستخدام يحتاج إلى عشرات ملايين الساعات منها. أما ما هو موجود فعليًا، بعد عامين من الجهد عبر القطاع بأكمله، فهو نحو مليون ساعة، وحين تُستبعد المقاطع منخفضة الجودة يبقى القابل للاستخدام الحقيقي أقل بكثير.

هذه الفجوة هي الأساس التجاري لمركز جديد في هانغتشو، يُوصف بأنه أول مركز لجمع بيانات المحاكاة المُجسَّدة في البلاد، وتديره شركة تُدعى Yingsu. وحجتها أن عنق الزجاجة لم يكن يومًا في البيانات بحد ذاتها. بل في المنهج: كانت المعادلة القديمة هي الأشخاص مضروبين في الساعات، حيث يقود مشغّلون بشريون أذرع الروبوت أو يرتدون أجهزة التقاط الحركة لتوليد كل دقيقة صالحة للاستخدام.

أما المعادلة الجديدة، كما تصوغها الشركة، فهي إعدادات البيئة مضروبة في قوة الحوسبة المتوازية. فبدلًا من تصوير روبوت واحد ينفّذ مهمة واحدة في غرفة واحدة، يبني المركز بيئات محاكاة ويشغّل كثيرًا منها في آن واحد، مولّدًا مشاهد وإضاءة ومواضع أجسام وتفاعلات فيزيائية متنوعة على نحو متوازٍ. ويصف تقرير في القطاع نهجًا ذا صلة قادرًا على إنتاج ثلاثة ملايين بيئة اختبارية يوميًا. وتنتقل وحدة القدرة من وردية المشغّل إلى إنتاجية عنقود وحدات معالجة الرسوميات.

هذا التحول مهم لأنه يغيّر من يستطيع المنافسة. فالجمع الذي يديره البشر رخيص في بدايته لكنه يتوسّع خطيًا ويصعب الحفاظ على اتساقه؛ أما المحاكاة فتتوسّع مع العتاد لكنها تتطلب فيزياء دقيقة وعشوائية مدروسة للنطاق وسبيلًا لسدّ الفجوة بين اللقطات الاصطناعية والحقيقية. فمع الإفراط في المحاكاة يتعلّم الروبوت فيزياء نظيفة متعاونة لا توفّرها أي مطبخ أو مستودع. والهدف المعلن للمركز هو كسر عنق الزجاجة الجوهري هذا لا مجرد إضافة كومة أخرى من الساعات.

ويعكس التوقيت مزاجًا أوسع في الذكاء الاصطناعي المُجسَّد الصيني، حيث جذبت شركات الروبوتات البشرية استثمارات ضخمة واهتمامًا عامًا كثيفًا. فقد تقدّم العتاد أسرع من البرمجيات التي تجعله مفيدًا، وأصبحت البيانات القيد المعترف به. والمنشأة التي تتعامل مع إنتاج البيانات كعملية صناعية — قابلة للضبط والتوازي والتكرار — هي رهان على أن الفائزين سيكونون من يستطيعون تصنيع الخبرة لا مجرد تسجيلها.

السؤال المفتوح هو الجودة. فاللقطات الاصطناعية لا قيمة لها إلا إذا ظل نموذج دُرّب معظمه داخل محاكٍ يعمل حين يدخل روبوت مادي غرفة غير مألوفة. وهذه هي مشكلة الانتقال من المحاكاة إلى الواقع نفسها التي طاردها باحثو الروبوتات سنوات، ولم يحلّها الحجم وحده. والاختبار الحقيقي للمركز هو ما إذا كانت البيانات التي يضخّها تنتج روبوتات تتصرف بموثوقية خارج المختبر.

وبالنسبة للقراء حول العالم، الأمر يتعلق أقل بمنشأة واحدة وأكثر باتجاه المسار: فشركات الذكاء الاصطناعي المُجسَّد الصينية تحاول ضغط عقد من جمع البيانات في أشهر بالتعامل معه كمسألة حوسبة. وإذا نجح النهج، تنخفض بشدة كلفة تدريب دماغ روبوت كفؤ، ويصبح القيد التالي هو العتاد والنشر والسلامة لا اللقطات.