مائدة مستديرة WAIC 2026: يحتاج الذكاء الاصطناعي التجسيدي العام إلى اختراقات أولاً في سياقات مخصصة، وستتحول نقاط التنافس في المستقبل إلى التركيز على الحصول على بيانات عالية الجودة والتحقق من صحة حلقات السيناريوهات بشكل متكامل

据 رصد Beating لمتابعة الأداء، شارك نائب رئيس جامعة فودان، جيانغ يوغانغ، وشريك شركة ZhiYuan Robotics، ياو مو تشينغ، والرئيس التنفيذي لشركة Taishi Zhihang، تشين ييلون، والرئيس التنفيذي لشركة Liangyuan New Venture، جيانغ شو، في حوار طاولة مستديرة خلال مؤتمر 2026 العالمي للذكاء الاصطناعي، وذلك لمناقشة نموذج العالم. واتفق الضيوف على أن النموذج العالمي يتمثل جوهره في فهم قوانين عمل العالم الفيزيائي والتنبؤ بالحالة أو الإجراء التالي، وليس في مجرد عرض المشاهد؛ إذ يتطلب الأمر امتلاكًا أصليًا لدمج متعدد الوسائط، وقوانين فيزيائية، واستدلال سببي، وقدرات على التنبؤ طويل المدى. وتتمثل أكبر العقبات الحالية في البيانات؛ إذ أشار تشين ييلون إلى أن بيانات الفيديو تفتقر إلى “القوة” و”الإحساس باللمس” وغيرها من الموداليات الحيوية، وأن بيانات التدريب المثالية ينبغي أن تستوفي ثلاثة شروط: اكتمال الموداليات، وتفاعلات عالية التكرار، وكونها مستمدة من سيناريوهات واقعية. وقد لفت إلى أن الذكاء المُجسّد يواجه تعقيدًا تشغيليًا مرتفعًا أو قد يتطلب بيانات تفاعل واقعي تمتد إلى “عشرات الملايين” من الساعات. كما قام ياو مو تشينغ بقياس الأمر بشكل مشابه لتدريب مئات مليارات الساعات من بيانات الصوت في نماذج اللغة الكبيرة، وقدّر أن العالم الفيزيائي قد يحتاج إلى “مئة مليون ساعة أو أكثر” من البيانات الحقيقية حتى يتمكن من إتقان تنبؤات فيزيائية قائمة على الفطرة السليمة. وعلى مستوى البنية، أشار جيانغ شو إلى أن البنى السائدة حاليًا تُخلط بين معالجة التنبؤ بالحالة ومعالجة التنبؤ بالفعل، ما يؤدي إلى تعارض قدرات التوليد والفهم، ويجعل من الصعب تحسينهما معًا.

فيما يتعلق بمسار التطبيق، اعتبر الضيوف الثلاثة أن قطاع التصنيع هو الأكثر حسمًا من حيث التحول إلى مشهد قابل للتوسع خلال السنوات الثلاث المقبلة:

ياو مو تشينغ كشف أن ZhiYuan Robotics حققت بالفعل في خط الإنتاج عملية تنسيق لفرق روبوتات خلال ستة أيام بإجمالي 60,000 عملية، مع نسبة نجاح 99.99%؛

تشين ييلون يراهن على التصنيع، ومن بين الأسباب: ارتفاع كثافة البيانات، ووجود معايير واضحة لإنجاز المهام، ووجود كمية كبيرة من بيانات العروض البشرية. وقد تقدمت Taishi Zhihang بالشراكة مع شركات سيارات لدفع نشر تجمعات من الروبوتات الصناعية المُجسدة على مستوى “ألف” وحدة، كما شدد على أن التصنيع في الصين هو الأكثر تركيزًا عالميًا، وأنه المكان المثالي لتجربة الذكاء الاصطناعي القائم على الفيزياء؛

أما جيانغ شو فيرى أن الذكاء المُجسّد هو امتداد لنماذج كبيرة متعددة الوسائط؛ إذ إن الإنترنت يضم بالفعل 10 مليار ساعة من بيانات الفيديو المناسبة للتدريب الأولي، وأن القفزة في القدرات ستظهر أولًا في سيناريوهات يومية مثل المنزل والمكتب، لكن تحقيق التعميم التجاري يتطلب شروطًا تتمثل في معدلات خطأ منخفضة وقدرة عالية على التحمل. كما أكد أن إيجاد سيناريوهات لنماذج الذكاء الكبيرة ليس أسهل من إيجاد سيناريوهات لنماذج التدريب.

واتفقت الأطراف الثلاثة على أنه، في الوقت الراهن، ما يزال الوصول إلى ذكاء مُجسّد عام بعيدًا، وأن الاختراق في سيناريوهات مخصصة هو مرحلة لا بد منها. وستتحول نقطة التركيز في المنافسة المستقبلية من بنى النماذج إلى القدرة على الحصول على بيانات عالية الجودة والتحقق من صحة حلقات السيناريوهات.

انقر على رابط النص الأصلي أدناه، وانضم إلى قناة أخبار الذكاء الاصطناعي الخاصة بـ Beating · Feishu، لرصد مستمر على مدار الساعة 7×24 لجميع أبرز اهتمامات وأخبار الذكاء الاصطناعي عالميًا.