DePIN و الذكاء الجسدي: التحديات التقنية وآفاق المستقبل

في الآونة الأخيرة، أثارت مناقشة حول "بناء الذكاء الاصطناعي الفيزيائي اللامركزي" اهتمام الصناعة. شارك Michael Cho، المؤسس المشارك لمختبر FrodoBot، التحديات والفرص التي تواجه شبكة البنية التحتية الفيزيائية اللامركزية (DePIN) في مجال تكنولوجيا الروبوتات. على الرغم من أن هذا المجال لا يزال في مراحله الأولى، إلا أن إمكاناته هائلة، وقد يغير تمامًا طريقة عمل روبوتات الذكاء الاصطناعي في العالم الحقيقي. ومع ذلك، فإن تقنية الذكاء الاصطناعي الروبوتي في DePIN تواجه مشاكل أكثر تعقيدًا مقارنة بالذكاء الاصطناعي التقليدي الذي يعتمد على كميات كبيرة من بيانات الإنترنت، بما في ذلك جمع البيانات، قيود الأجهزة، اختناقات التقييم، واستدامة نماذج الاقتصاد.

ستتناول هذه المقالة القضايا الرئيسية التي تواجه تقنية الروبوتات DePIN بعمق، وتحلل العقبات الرئيسية التي تعوق توسيع الروبوتات اللامركزية، بالإضافة إلى المزايا التي تتمتع بها DePIN مقارنة بالطرق المركزية. وأخيرًا، سنناقش أيضًا آفاق التطور المستقبلية لتقنية الروبوتات DePIN.

ز bottleneck الروبوتات الذكية DePIN

عنق الزجاجة 1: البيانات

على عكس نماذج الذكاء الاصطناعي "الخطية" التي تعتمد على تدريب كميات كبيرة من بيانات الإنترنت، يحتاج الذكاء الاصطناعي المجسد إلى التفاعل مع العالم الحقيقي لتطوير الذكاء. حتى الآن، لم يتم إنشاء بنية تحتية واسعة النطاق لجمع هذه الأنواع من البيانات على مستوى العالم، ولا يوجد إجماع في الصناعة حول كيفية جمع هذه البيانات. يتم تقسيم جمع البيانات للذكاء الاصطناعي المجسد بشكل رئيسي إلى ثلاث فئات:

1. بيانات العمليات البشرية: عالية الجودة، قادرة على التقاط تدفقات الفيديو وعلامات الحركة، ولكنها مكلفة وتحتاج إلى جهد كبير.
2. البيانات المركبة (البيانات المحاكية): مناسبة لتدريب الروبوتات على التحرك في التضاريس المعقدة، ولكن من الصعب محاكاة سيناريوهات المهام المتغيرة.
3. التعلم عبر الفيديو: التعلم من خلال مشاهدة مقاطع الفيديو من العالم الحقيقي، ولكن يفتقر إلى ردود الفعل الفيزيائية المباشرة.

عنق الزجاجة الثاني: مستوى الاستقلالية

تحقيق مستوى عالٍ من الاستقلالية هو تحدٍ كبير. على سبيل المثال، في توصيل الميل الأخير، تبدو نسبة النجاح البالغة 90% جيدة في بيئة المختبر، لكنها غير مقبولة في الحياة الواقعية. لجعل تكنولوجيا الروبوتات عملية حقًا، يجب أن تقترب نسبة النجاح من 99.99% أو حتى أعلى. ومع ذلك، فإن كل زيادة بنسبة 0.001% في الدقة تتطلب وقتًا وجهدًا متزايدًا بشكل أساسي.

عنق الزجاجة الثالث: القيود المتعلقة بالأجهزة

حتى مع تقدم نماذج الذكاء الاصطناعي، لا تزال الأجهزة الروبوتية الحالية تواجه صعوبة في تحقيق الاستقلالية الحقيقية. تشمل المشكلات الرئيسية ما يلي:

• نقص في أجهزة استشعار اللمس عالية الحساسية
• صعوبة التعرف على العوائق
• تصميم المشغلات ليس إنسانيًا بما فيه الكفاية، مما يؤدي إلى حركات جامدة وخطر محتمل

عنق الزجاجة الرابع: صعوبة توسيع الأجهزة

يتطلب تحقيق تقنية الروبوتات الذكية نشر أجهزة مادية في العالم الحقيقي، مما يطرح تحديات كبيرة من حيث رأس المال. حالياً، تصل تكلفة الروبوتات الشبيهة بالبشر الفعالة إلى عشرات الآلاف من الدولارات، مما يجعل من الصعب تحقيق الانتشار على نطاق واسع.

عنق الزجاجة الخامس: تقييم الفعالية

تتطلب تقييمات الذكاء الاصطناعي الفيزيائي نشرًا طويل الأمد في العالم الحقيقي، وهي عملية تستغرق وقتًا طويلاً ومعقدة. على عكس نماذج الذكاء الاصطناعي عبر الإنترنت التي يمكن اختبارها بسرعة، يتطلب التحقق من تقنيات الذكاء الاصطناعي الروبوتي نشرًا واسع النطاق وطويل الأمد في الوقت الحقيقي.

عنق الزجاجة السادس: الموارد البشرية

لا يزال تطوير الذكاء الاصطناعي للروبوتات يتطلب استثمارًا كبيرًا في القوى العاملة، بما في ذلك توفير بيانات التدريب من المشغلين، وفريق الصيانة للحفاظ على تشغيل الروبوتات، وأيضًا الباحثين الذين يقومون بتحسين نموذج الذكاء الاصطناعي بشكل مستمر. هذه التدخلات البشرية المستمرة تمثل تحديًا رئيسيًا يجب على DePIN مواجهته.

آفاق المستقبل:突破 تقنية الروبوتات

على الرغم من أن التبني الواسع للذكاء الاصطناعي للروبوتات العامة لا يزال بعيدًا، فإن تقدم تقنية الروبوتات DePIN يبعث على الأمل. يمكن لحجم الشبكات اللامركزية وتنسيقها أن يخفف من عبء رأس المال، ويسرع من عملية جمع البيانات وتقييمها.

تظهر النقاط التالية إمكانيات DePIN في دفع تطوير تكنولوجيا الروبوتات:

1. تسريع جمع البيانات وتقييمها: يمكن للشبكات اللامركزية العمل بشكل متوازي، وجمع البيانات، وزيادة الكفاءة.

2. تحسين تصميم الأجهزة المدعوم بالذكاء الاصطناعي: يمكن استخدام الذكاء الاصطناعي لتحسين تصميم الشرائح وهندسة المواد، مما قد يقلل بشكل كبير من وقت التطوير.

3. بنية تحتية للحوسبة اللامركزية: تتيح للباحثين في جميع أنحاء العالم تدريب وتقييم النماذج دون قيود رأس المال.

4. نموذج الربح الجديد: مثل نموذج التشغيل الذاتي المعروض بواسطة وكيل الذكاء الاصطناعي، من خلال ملكية لامركزية وتحفيزات رمزية للحفاظ على المالية.

ملخص

تتضمن تطورات الذكاء الاصطناعي للروبوتات جوانب متعددة مثل الخوارزميات، وتحديث الأجهزة، وتراكم البيانات، والدعم المالي، ومشاركة الأفراد. يعني إنشاء شبكة الروبوتات DePIN أنه يمكن الاستفادة من قوة الشبكة اللامركزية للتعاون في جمع بيانات الروبوتات، ومشاركة موارد الحوسبة، والاستثمار المالي على مستوى عالمي. لم يسرع ذلك فقط من تدريب الذكاء الاصطناعي وتحسين الأجهزة، بل خفض أيضًا العوائق أمام التطوير، مما أتاح لعدد أكبر من الباحثين، ورواد الأعمال، والمستخدمين الأفراد المشاركة في ذلك.

في المستقبل، نتوقع أن يعتمد قطاع الروبوتات على مجتمع عالمي يعمل معًا بدلاً من الاعتماد على عدد قليل من عمالقة التكنولوجيا، مما يمهد الطريق نحو بيئة تقنية مفتوحة ومستدامة حقًا. قد يصبح تطوير DePIN القوة الدافعة الرئيسية وراء اختراقات تكنولوجيا الروبوتات، مما يمهد الطريق لتطبيقات روبوتية أكثر ذكاءً وانتشارًا.