Rea Stark
AR

مقالات

أندر البيانات فيها شخصان

بقلم ،‏ ، حُدّث في

البيانات هي التي تحسم من يفوز في الروبوتات والذكاء الاصطناعي المادي. وأثمن أنواعها يُظهر أناساً يعملون معاً، من كل الجهات. ولا يكاد يوجد منه شيء.

يد في قفاز تمسك مقص خياط من شفرتيه، ومقبضاه موجهان نحو يد ثانية تمتد عبر طاولة عمل

ناول أحدهم مقصاً. ستدير المقبضين نحوه دون أن تفكر في ذلك. ويبدأ هو بمد يده قبل أن تكمل الدوران، وتفلت المقص في اللحظة التي تشعر فيها بقبضته. لا أحد ينطق بكلمة. يستغرق التبادل نحو ثانية، وما زال صعباً على الروبوت.

الآلة تتعلم ما يُعرض عليها، ولم يكد أحد يعرض عليها هذا. شركات الذكاء الاصطناعي تدفع اليوم المليارات ثمناً للبيانات، وكلما كانت أدق دفعت أكثر. وأثمن أنواعها فيه أكثر من شخص واحد، ويُرى من كل الجهات. ومن الناحية العملية، هذا النوع لا وجود له بعد.

ما يقوله المال

في يونيو 2025 دفعت Meta مبلغ 14.3 مليار دولار مقابل 49% من Scale AI. لا تصنع Scale رقائق ولا تملك نموذجاً شهيراً. إنها تُعد بيانات التدريب.

في مارس 2026 جمع يان لوكون، الذي قاد أبحاث الذكاء الاصطناعي في Meta أكثر من عقد، 1.03 مليار دولار لشركته الجديدة AMI Labs. كانت أكبر جولة تمويل تأسيسية شهدتها أوروبا، بتقييم قبل التمويل بلغ 3.5 مليارات دولار، وكان من بين الداعمين Nvidia وSamsung وصندوق جيف بيزوس. تبني AMI نماذج العالم، وهي أنظمة تتعلم كيف يتصرف العالم المادي من الكاميرات وأجهزة الاستشعار الأخرى، وتستخدم ذلك لتخطط لما تفعله بعد ذلك. اللغة ليست نقطة الانطلاق.

يحب لوكون أن يعرض حجته بعملية حسابية. كل النصوص المتاحة للعموم على الإنترنت، وهي غذاء النماذج اللغوية الكبيرة، تبلغ نحو مئة تريليون بايت. والطفل في الرابعة من عمره قضى نحو 16 ألف ساعة مستيقظاً، وفي هذه المدة وصل إلى دماغه عبر عينيه القدر نفسه تقريباً. والطفل يتعلم أيضاً ما لا تقوله أي صفحة، ومن ذلك أن الكأس تسقط حين تفلتها.

لا يوجد للعمل المادي ما يشبه الويب، والصناعة تحاول بناء واحد بالجهد وحده. في 2023 جمعت Google DeepMind وشركاؤها، 21 مؤسسة في المجموع، 60 مجموعة بيانات في Open X-Embodiment، التي تضم أكثر من مليون حركة روبوتية مسجلة عبر 22 نوعاً من الروبوتات.

في نوفمبر 2025 قالت الشركة الناشئة Generalist AI إن نموذجها GEN-0 دُرّب على 270 ألف ساعة من التعامل الفعلي مع الأشياء، جُمعت في بيوت ومستودعات وأماكن عمل، وتزداد بمعدل 10 آلاف ساعة أسبوعياً. واتفقت Figure، التي تبني روبوتات شبيهة بالبشر، مع المجموعة العقارية Brookfield، التي تضم محفظتها أكثر من 100 ألف منزل، على تصوير الحياة اليومية داخلها. ثم تعلم روبوتها، من فيديوهات البشر وحدها، أن يشق طريقه في غرفة مزدحمة بالأشياء. كلهم يراهنون على أن النموذج يمكن إعادة بنائه في عام، أما السجل الجيد فلا.

مريلتان معلقتان جنباً إلى جنب في مطبخ احترافي خالٍ

الأغنى يتفوق على الأكثر

الساعات مقياس بدائي. يُظهر الفيديو يداً تنطبق على كوب. ولا يُظهر بأي قوة ضغطت اليد، ولا كم كان وزن الكوب، ولا النقرة التي أعلنت أن الغطاء قد أُحكم، ولا أين ذهبت العينان قبل نصف ثانية. كل واحد من هذه قناة منفصلة، والنموذج الذي يحصل عليها كلها في آن واحد يتعلم شيئاً لا يستطيع أي قدر من الفيديو العادي أن يعلّمه.

فهمت Meta هذا مبكراً. سجلت مجموعة بياناتها Ego-Exo4D، التي بُنيت مع 15 جامعة، أكثر من 800 شخص ماهر، منهم طهاة ومتسلقون وراقصون وميكانيكيو دراجات. ارتدى كل منهم نظارة بكاميرا بينما صورت كاميرات أخرى من الخارج، وأضافت النظارة سبع قنوات للصوت، وأجهزة استشعار للحركة، وتتبعاً للعين، وخريطة ثلاثية الأبعاد للغرفة. يبلغ المجموع نحو 1300 ساعة. هذا رقم صغير، وكل ساعة منها تقول أكثر بكثير من ساعة فيديو عادي.

يعرف المصممون هذا المبدأ من الرسوم. الرسم الأولي الذي عليه أبعاد يمكن بناؤه. أما صورة الإظهار الجميلة التي بلا أبعاد فلا. أفضّل عشر ساعات دقيقة على ألف ساعة فضفاضة.

زوج واحد من العيون ليس غرفة

تشترك كل هذه البيانات تقريباً في حد واحد. إنها تُظهر شخصاً واحداً. الكاميرا مثبتة على رأس واحد وتراقب زوجاً واحداً من الأيدي. حتى Ego-Exo4D تتبع في الغالب خبيراً واحداً في كل مرة.

العمل الحقيقي نادراً ما يُنجز فرادى. ممرضتان تقلبان مريضاً. طاهٍ يرتب الأطباق بينما ينادي آخر على الطلبات. عاملا تركيب يحملان نافذة على درج. ما يجعل هذه الأشياء تنجح ليس في مجال نظر أي منهما. الكاميرا على أي من الرأسين تسجل نصفه، وتفوتها النظرة أو نصف الخطوة التي أشارت إلى الآخر بأن ينتظر. الإشارة تكمن فيما يحدث بينهما: من ينظر، ومن ينتظر، ومن يفسح الطريق، ومتى.

عاملان من الخلف يحملان بينهما لوحاً زجاجياً في زقاق ضيق

لكي تتعلم الآلة ذلك، تحتاج إلى المنظورين معاً، مضبوطين على اللحظة نفسها، ومعهما الغرفة من حولهما. يُراد للروبوت أن يعمل إلى جانب الناس في البيوت والمستشفيات والورش. ولن يكون وحيداً هناك أبداً، فعليه أن يعرف متى ينتظر ومتى يُفلت.

القليل جداً من ذلك سُجّل. في 2023 نشرت Microsoft مجموعة HoloAssist:‏ 166 ساعة لشخص يؤدي مهمة بينما يرشده شخص ثانٍ. كان الشخص الثاني عن بعد، ويشاهد عبر نظارة الأول. وفي يوليو 2026 نشر باحثون من جامعة ETH في زيورخ وMicrosoft ومعهد ماكس بلانك للمعلوماتية والجامعة التقنية في ميونخ مجموعة CoMind. ثنائيات تطبخ معاً في مطابخ حقيقية. يرتدي كل منهم نظارة بكاميرا، وتراقب كاميرتان إضافيتان الغرفة، وتُلتقط النظرات والأيدي والكلام كلها. يلاحظ المؤلفون أن مجموعات البيانات من منظور شخص واحد وفيرة، وأن قلة منها تنظر إلى أناس يعملون معاً، وأن معظمها يعامل الفاعل الرئيسي بمعزل عن غيره. ومجموعتهم تغطي 80 تسجيلاً و41 ساعة.

إحدى وأربعون ساعة. ضعها في مقابل 270 ألف ساعة من التعامل مع الأشياء جمعتها شركة ناشئة واحدة. النسبة أكثر من 6500 إلى واحد.

من يصوّره

لن تُسد هذه الفجوة من مركز بيانات. إنها تحتاج إلى غرف يعمل فيها الناس معاً ويوافقون على أن يُسجَّلوا، بأجهزة استشعار مختارة لهذا الغرض، وكل تدفق للبيانات على ساعة واحدة. هذا عمل بطيء ومادي، ولهذا ما زالت الفجوة مفتوحة. أسست OptAI، وهي شركة ذكاء اصطناعي في زيورخ لها مختبرها الخاص لنماذج العالم، ولا يستطيع أي نموذج، بما في ذلك نماذجنا، أن يعوّض ما يُسقطه السجل.

أول روبوت يأخذ المقص من يدك كما يأخذه زميل سيكون قد تعلم ذلك من تسجيلات لشخصين يفعلانه، صُوّرا من الجهتين في اللحظة نفسها.

Rea Stark مصمم صناعي ومؤسس شركات في زيورخ. صمم لشركتي Sony وNespresso، وشارك في تأسيس Piëch Automotive وArchaí Physics، ويعمل على الطريقة التي تدرك بها الآلات العالم المادي وتتعامل معه.

صور هذا المقال مولدة بالذكاء الاصطناعي.