رهان Runway على Praxis-1: التدريب المسبق على الفيديو كطريق مختصر إلى أدمغة الروبوتات

كل برنامج روبوتات يطمح جدياً إلى النشر الفعلي يصطدم بالجدار نفسه، وهو ليس جداراً من العتاد. فبيانات العالم الحقيقي نادرة ومكلفة الجمع بالحجم الذي تحتاجه سياسة عامة الأغراض. وفي مجالات مليئة بالحالات الحدّية، بما في ذلك القيادة الذاتية وروبوتات المنازل والعمل في المستودعات داخل بيئات فوضوية، لا توجد طريقة عملية لجمع العروض التوضيحية اللازمة لتدريب نموذج قادر على التعامل مع ما سيحدث فعلاً.

أعلنت Runway عن Praxis-1 في 30 سبتمبر، وتبدأ حجّتها من ذلك الجدار. وPraxis-1 هو نموذج عالمي للفعل (world action model) بأوزان مفتوحة، يحوّل التدريب المسبق الواسع النطاق على الفيديو الذي أجرته Runway إلى سياسات تحكم للروبوتات الحقيقية. وتختبره الشركة مع شركاء أوائل هم Noble Machines وStandard Bots وUltra، وكل منهم يشغّل النموذج على عتاده الخاص، مع خطة لإصدار عام بأوزان مفتوحة في الأشهر المقبلة.

الفيديو بديلاً عن التشغيل عن بُعد

الفكرة المسبقة بسيطة متى قيلت. فالفيديو لا حدود له فعلياً، وهو يزداد كذلك مع بلوغ النماذج التوليدية التكافؤ مع اللقطات الحقيقية في الجودة والسرعة. ويصوّر الناس ويرفعون من الحياة اليومية كل يوم أكثر مما يستطيع أي مختبر روبوتات التقاطه عبر العروض التوضيحية المُشغَّلة عن بُعد. وإذا استطاع نموذج أن يتعلّم بنية العالم المادي من تلك اللقطات، انتقل عنق الزجاجة من بيانات روبوتية نادرة إلى فيديو عام وفير.

والادّعاء الذي يمنح ذلك ثقلاً هو ادّعاء تجريبي. فتُفيد Runway بأن محاكاة سياسات الروبوتات داخل نموذجها العالمي تتنبأ بنتائج العالم الحقيقي بمعامل ارتباط يبلغ 0.95، وهو ما يُقارَن بشكل إيجابي بتقنيات إعادة البناء ثلاثي الأبعاد الأكثر تكلفة. ونموذج عالمي يمكن استخدامه كبيئة اختبار أمينة يغيّر اقتصاديات تطوير السياسات، لأن التقييم يتوقف عن تطلّب عتاد مادي في كل تكرار.

ووجدت الشركة أيضاً أن أداء السياسة يتحسّن مع تزايد حجم الفيديو بمنظور الشخص الثالث، واستنتجت أن عنق الزجاجة أمام سياسة قادرة يصبح مدى كمية الفيديو العام التي يمكن للنموذج التدريب عليها. وهذه هي حجة التوسّع ذاتها التي دفعت نماذج اللغة، مطبَّقة على التحكم الحركي. والسياسة التي تفهم أصلاً المعقولية الفيزيائية وسلوك الأجسام من التدريب المسبق على الفيديو تنطلق من موضع أقوى بكثير من سياسة بُنيت من بيانات الأفعال وحدها.

المعمار وراء الرهان

بُني Praxis-1 على التدريب المسبق ذاته على الفيديو الذي أنتج نماذج Runway العالمية وأعمالها التفاعلية الفورية مثل Solaris وسلسلة GWM Worlds. ومنطق هذا النسب مهم. فتعليم النموذج كيف تتصرّف الأجسام، وكيف تتحرك الأيدي، وكيف تبدو المهمة في منتصف الطريق، يخلق بيئات ديناميكية لتدريب الوكلاء في السياقات الرقمية والمادية على حد سواء.

وتصوغ Runway ذلك كميزة تراكمية. فكلما زاد فهم النموذج لكيفية عمل العالم من الفيديو، تحسّن تحكّمه في روبوت داخل بيئات تختلف عن أي شيء رآه في التدريب. والهدف المعلن هو نموذج سياسة عام الأغراض لمطوّري الروبوتات والباحثين، يعمل عبر أي هيئة أو بيئة، لا سياسة مضبوطة على ذراع واحدة أو ماسك واحد.

وهنا تأتي القراءة المتشككة لهذا الطموح. فقول “يعمل عبر أي هيئة” ادّعاء قوي، والأدلة حتى الآن تأتي من ثلاثة شركاء مسمّين يشغّلون النموذج على عتادهم الخاص، قبل إطلاق أوسع. ورقم الارتباط 0.95 مقيس بين المحاكاة داخل نموذج Runway العالمي والنتائج في العالم الحقيقي، وهو تحقّق من صحة المحاكي بقدر ما هو تحقّق من السياسة. وكلا الأمرين مفيد، وكلاهما أرقام Runway نفسها في هذه المرحلة.

لماذا الأوزان المفتوحة، ولماذا هي حجة استراتيجية

تطرح Runway نموذج Praxis-1 بأوزان مفتوحة بدلاً من نموذج مغلق، والمنطق هنا صريح بشكل غير معتاد بالنسبة لشركة أبقت معظم نماذجها محتكرة. ويصوغ الإعلان ذلك كمسألة تتعلق بقدرة الولايات المتحدة التنافسية في الذكاء الاصطناعي المادي: فاستعادة الريادة في التصنيع، وتسريع الإنتاجية، وكسب الحلفاء ستتطلّب، بكلمات Runway، مستوى من قابلية التشغيل البيني والانفتاح من النماذج الأمريكية لا وجود له حالياً في حالات الاستخدام المادية.

وهذه حجة بنكهة سياساتية، وتأتي في خضم نقاش نشط حول كم من طبقات الذكاء الاصطناعي ينبغي أن يكون مفتوحاً. وفي مجال الروبوتات تحديداً، تكون الحجة لصالح الأوزان المفتوحة أقوى منها في نماذج اللغة المتقدمة. فمطوّرو العتاد يحتاجون إلى تشغيل السياسات على آلاتهم الخاصة، بمستشعراتهم ومشغّلاتهم، وواجهة سحابية API تتطلّب إرسال تلك الإشارات بعيداً تُعدّ خياراً غير ملائم. وتمنح النماذج العالمية المفتوحة مصنّعي العتاد مرونة وتحكّماً لا يمكنهم الحصول عليهما من نموذج مستضاف.

وهناك أيضاً بُعد تنافسي لا يصرّح به الإعلان مباشرة. فقد جاء قدر كبير من الزخم في نماذج الفيديو والنماذج العالمية ذات الأوزان المفتوحة من مختبرات صينية. وطرح شركة أمريكية بارزة لأوزان مفتوحة في الفئة نفسها يُقرأ جزئياً كمحاولة لتحديد مركز ثقل المنظومة قبل أن يفعل ذلك طرف آخر.

معامل ارتباط 0.95 رقم قوي ويستحق ترجمة. فهو يعني أنه عندما تشغّل Runway سياسة مرشّحة داخل نموذجها العالمي وتقيس أداءها، يؤدي الروبوت الحقيقي الأداء نفسه تقريباً. وإذا صمد ذلك عبر المهام، فإن النتيجة العملية أن فريق الروبوتات يمكنه إجراء الجزء الأكبر من تجاربه في المحاكاة وحجز العتاد المادي للفحص النهائي. وبالنظر إلى كم أن التجارب المادية مكلفة وبطيئة، فهذا هو الفرق بين إجراء مئة تكرار في أسبوع وإجراء حفنة منها في شهر.

والسؤال الأصعب هو التعميم. فالفيديو يعلّم النموذج كيف يبدو العالم وكيف تميل الأجسام إلى التصرّف، لكن الروبوت يحتاج أيضاً إلى معرفة ما ينبغي فعله بذراع محددة، في مهمة محددة، وبهامش تحمّل محدد للفشل. وحجة Runway أن المُسبق المدرَّب على الفيديو يقلّل كمية البيانات الخاصة بالمهمة اللازمة للوصول إلى ذلك. وهذا معقول، وغير مُثبت على نطاق واسع.

موقع هذا ضمن سباق الروبوتات الأوسع

يأتي Praxis-1 في عام انتقلت فيه الروبوتات البشرية والصناعية من العروض التوضيحية نحو النشر الفعلي. فقد كانت Figure تدرّب روبوتات بشرية متقاعدة على مهام قصوى. ووقّع مصنّعو الروبوتات البشرية تجارب مصنعية مع شركات السيارات، وبدأت Boston Dynamics اختبار روبوتها Atlas داخل منشأة لشركة هيونداي مع خطط لنشر واسع النطاق بحلول 2030. والخيط المشترك هو أن القدرة تتحسّن أسرع من خط البيانات الذي يغذّيها.

وإسهام Runway هو القول إن لمشكلة خط البيانات طريقاً مختصراً، وأن هذا الطريق يمر عبر الفيديو. وإذا صمد الارتباط بين النتائج المحاكاة والنتائج الحقيقية عبر الشركاء والمهام، فالأثر العملي أن فرق الروبوتات يمكنها التكرار داخل نموذج عالمي، وحجز الاختبار المادي للتحقق النهائي، والتعلّم من فئة بيانات تنمو من تلقاء نفسها.

هذا ادّعاء ذو مغزى، وهو غير مُثبت. وتوفّر الشركة وصولاً قبل الإطلاق لشركاء مختارين وتدعو الباحثين إلى اختباره على عتادهم الخاص. والأدلة التي تهم لن تكون رقم الارتباط من عمل Runway الداخلي، بل ما إذا كانت مختبرات مستقلة تعيد إنتاج النتيجة، وما إذا كانت سياسة مدرَّبة إلى حد كبير على فيديو إنترنت بمنظور الشخص الثالث تتعامل مع مهمة لم ترها قط في غرفة لم تدخلها قط. وهذا هو الاختبار الذي يحدد ما إذا كان التدريب المسبق على الفيديو سيصبح الأساس الافتراضي لأدمغة الروبوتات أم سيبقى اتجاهاً بحثياً مثيراً للاهتمام.