هوش مصنوعی فیزیکی (Physical AI) چیست؟

هوش مصنوعی فیزیکی (Physical AI) چیست؟،تا چند سال پیش، هر بار که صحبت از معرفی یک مدل جدید هوش مصنوعی می‌شد، همه انتظار داشتند که به‌زودی «هوش شبیه انسان» به‌وجود بیاید. این هیجان حالا به مرور کم‌رنگ شده است. حتی زمانی که چت جی‌پی‌تی ۵ عرضه شد، شور و هیجان گذشته را شاهد نبودیم. دلیل این تغییر ساده است؛ اینترنت دیگر منبع جدیدی برای یادگیری ندارد. مدل‌های هوش مصنوعی تاکنون با استفاده از داده‌های متنی، تصویری و ویدئویی آنلاین رشد کرده‌اند، اما حالا بیشتر محتوای ارزشمند اینترنت جمع‌آوری و به مدل‌ها داده شده است. آنچه باقی‌مانده یا تکراری و بی‌کیفیت است، یا محتوای مصنوعی است که ارزش زیادی ندارد. به همین دلیل، نسخه‌های جدید هوش مصنوعی دیگر آن‌طور که قبلاً شگفت‌انگیز بودند، به‌نظر نمی‌رسند.برای اینکه هوش مصنوعی به پیشرفت خود ادامه دهد، نیاز به منبع جدیدی از داده‌ها دارد؛ منبعی که از دل زندگی واقعی، احساسات، تجربیات و تعاملات انسانی ناشی شود. این همان چیزی است که مفهوم «هوش مصنوعی فیزیکی (Physical AI)» را به وجود می‌آورد.

هوش مصنوعی فیزیکی (Physical AI) چیست؟

هوش مصنوعی فیزیکی (Physical AI) شاخه‌ای از هوش مصنوعی است که بر اساس داده‌های به‌دست آمده از دنیای واقعی ساخته می‌شود. این داده‌ها از طریق سنسورها، ربات‌ها، خودروها، دستگاه‌های پوشیدنی و سیستم‌های واقعیت ترکیبی جمع‌آوری می‌شوند. برخلاف داده‌هایی که از محیط‌های دیجیتال مثل متن و تصاویر استخراج می‌شوند، این داده‌ها شامل ویژگی‌هایی مانند حرکت، عمق، حس لمسی و شرایط محیطی هستند که اینترنت هیچ‌گاه قادر به بازتولید آن‌ها نبوده است.

دستگاه‌های مبتنی بر هوش مصنوعی فیزیکی (Physical AI) به‌طور مداوم جریان‌های جدید اطلاعاتی را تولید می‌کنند. به همین دلیل، شرکت‌هایی که این نوع سخت‌افزارها را در اختیار دارند، در آینده به‌ویژه در دهه‌های پیش رو، صاحب ارزشمندترین داده‌ها خواهند بود.

دلیل نیاز هوش مصنوعی به منبع داده جدید چیست؟

پیشرفت هوش مصنوعی همواره وابسته به دسترسی به داده‌های بهتر بوده است، اما منابع دیجیتال دیگر به نقطه‌ پایانی رسیده‌اند. اکنون، مدل‌های هوش مصنوعی نمی‌توانند از طریق استخراج داده‌های آنلاین به پیشرفت‌های چشمگیر دست یابند. گام بعدی باید از داده‌های واقعی نشات بگیرد؛ داده‌هایی که بازتابی از زندگی، رفتار و تعاملات انسان‌ها در دنیای حقیقی هستند.

موضوع تنها به «حجم داده‌ها» محدود نمی‌شود؛ داده‌های فیزیکی بسیار غنی‌تر، دقیق‌تر و از نظر محتوایی اصیل‌تر از میلیون‌ها نمونه‌ تکراری موجود در اینترنت هستند. این داده‌ها از تجربیات واقعی زندگی به‌دست می‌آیند و ریشه در واقعیت دارند.

نمونه‌های واقعی هوش مصنوعی فیزیکی (Physical AI): از ربات‌ها تا خودروها

در دنیای رباتیک، شرکت‌هایی مانند بوستون داینامیکس (Boston Dynamics)، تسلا (Tesla’s Optimus) و یونی‌تری (Unitree) در حال توسعه ربات‌های انسان‌نمایی هستند که قادر به حرکت، بلند کردن اشیاء و مسیریابی در محیط‌های انسانی هستند. اپل نیز به‌تازگی وارد عرصه رباتیک شخصی شده و قصد دارد با ارائه نسخه جدیدی از دستیار سیری (Siri)، ربات‌ها را به اکوسیستم سخت‌افزاری خود متصل کند. هرچند که اپل در رقابت هوش مصنوعی کمی عقب‌تر است، اما توانمندی آن در طراحی سخت‌افزار می‌تواند نقطه قوتی برای این شرکت باشد. در حوزه پزشکی، ربات جراحی داوینچی (da Vinci) ساخته شرکت اینتویتیو سرجیکال (Intuitive Surgical) تاکنون بیش از ۱۱ میلیون عمل انجام داده و داده‌های بی‌نظیری در مورد اقدامات پزشکی و نتایج آن‌ها جمع‌آوری کرده است که هیچ شبیه‌سازی‌ای نمی‌تواند با آن رقابت کند.

در بخش ربات‌های خانگی، با اینکه این محصولات هنوز در مراحل اولیه توسعه و گران قیمت هستند، اما پیشرفت‌های چشمگیری داشته‌اند. متا یک بخش جدید در رئالیتی لبز (Reality Labs) برای توسعه ربات‌های انسان‌نما راه‌اندازی کرده که در آن مدل‌های لاما (Llama) را با ربات‌های فیزیکی ترکیب می‌کند. استارتاپ فیگر ای‌آی (Figure AI) نیز با جذب سرمایه‌ای بیش از ۸۵۰ میلیون دلار در حال حرکت سریع به سمت تجاری‌سازی ربات‌های انسان‌نما است. ربات‌های انسان‌نما دیگر تنها در دنیای داستان‌های علمی‌تخیلی باقی نمی‌مانند؛ آن‌ها به واقعیت نزدیک‌تر شده‌اند.

در حوزه عینک‌های واقعیت ترکیبی، بازار این محصولات پس از سال‌ها شک و تردید، اکنون به واقعیت تبدیل شده است. عینک‌های هوشمند ری‌بن متا (Ray-Ban Meta) از زمان عرضه در اکتبر ۲۰۲۳ بیش از ۲ میلیون واحد فروش داشته و پیش‌بینی می‌شود که درآمد آن‌ها تا اوایل سال ۲۰۲۵ سه برابر شود. گوگل نیز با سرمایه‌گذاری ۱۰۰ میلیون دلاری روی برند جنتل مانستر (Gentle Monster) تلاش می‌کند عینک‌های هوشمند را به مد تبدیل کند. اپل نیز با تمرکز روی هدست واقعیت ترکیبی ویژن پرو (Vision Pro) قدم‌های بزرگی در این زمینه برداشته است. البته پذیرش ویژن پرو هنوز محدود است به دلیل قیمت بالا و اندازه بزرگ آن، اما نسل‌های آینده این محصولات سبک‌تر، ارزان‌تر و کاربردی‌تر خواهند بود. همکاری‌های گوگل با جنتل مانستر و متا با ری‌بن نشان‌دهنده پیشرفت عینک‌های واقعیت ترکیبی و گسترش بازار آن‌ها است.

در دنیای استارتاپ‌ها نیز شاهد پیشرفت‌های چشمگیر در محصولات مبتنی بر هوش مصنوعی فیزیکی (Physical AI) هستیم. استارتاپ هیلو ‌اکس (Halo X) با جذب سرمایه اولیه یک میلیون دلاری در حال توسعه عینک‌هایی است که از موتورهای هوش مصنوعی جمینای گوگل و پرپلکسیتی (Perplexity) بهره می‌برند. این عینک‌ها قادر به ضبط، تحلیل و پاسخ به گفتگوها در زمان واقعی هستند. استارتاپ‌های دیگر مانند مَد ویژن (Madvision) و مانترا (Mentra) نیز در حال ساخت عینک‌های هوشمند مبتنی بر هوش مصنوعی هستند. پس از شکست‌ شرکت‌هایی مانند مجیک لیپ (Magic Leap) در بازار واقعیت مجازی، اکنون شرایط برای ورود عینک‌های هوشمند به زندگی روزمره بسیار متفاوت به نظر می‌رسد. اگر این محصولات به طور گسترده پذیرفته شوند، امکان جمع‌آوری حجم عظیمی از داده‌های واقعی برای پیشرفت هوش مصنوعی فراهم خواهد شد.

گجت‌های سلامتی مانند دستبند Whoop، حلقه اورا (Oura) و ساعت اپل در حال جمع‌آوری داده‌های بیومتریک در مقیاس بزرگ هستند. استارتاپ ایت اسلیپ (Eight Sleep) که در حوزه سرویس خواب فعالیت می‌کند، اخیراً با جذب ۱۰۰ میلیون دلار سرمایه در حال توسعه فناوری تشک هوشمند خود است. در کنار پوشیدنی‌ها، دستگاه‌های جدید به‌نام “دستگاه‌های همراه اجتماعی” در حال ظهور هستند. شرکت فرند دات کام (Friend.com) اولین محصولات خود را به بازار عرضه کرده و اوپن ای‌آی نیز جانی آیو (Jony Ive)، طراح مشهور اپل، را برای طراحی دستگاهی به نام «دستگاه دوست» استخدام کرده است. این دستگاه‌ها فراتر از یک گجت معمولی، در نقش یک همدم دیجیتال و هوشمند ظاهر می‌شوند. اگرچه این محصولات در حال حاضر خاص و محدود هستند، اما به‌زودی می‌توانند بازارهای بزرگی را در اختیار بگیرند.

گوشی‌های هوشمند همچنان پادشاه دستگاه‌های اسمارت هستند. گوگل اخیراً نسل جدیدی از گوشی‌های پیکسل (Pixel) را با مدل هوش مصنوعی جمینای معرفی کرده است که دستیار هوش مصنوعی همیشه فعال را در سیستم‌عامل خود ادغام کرده است. اپل نیز در حال آماده‌سازی تغییرات بزرگی است و قصد دارد مدل‌های هوش مصنوعی مختلف را در گوشی‌های آیفون و سیستم‌عامل iOS گنجانده و آیفون را به مرکز اصلی استفاده از انواع هوش مصنوعی تبدیل کند.

در زمینه خودروهای خودران، شرکت ویمو (Waymo) بیش از ۱۰۰ میلیون مایل رانندگی خودران را ثبت کرده و در پنج شهر آمریکا سرویس تاکسی رباتیک را ارائه می‌دهد. تسلا نیز اخیراً سرویس ربوتاکسی خود را در آستین تگزاس آغاز کرده است. گسترش این سرویس‌ها به دیگر شهرها و کشورها بستگی به صدور مجوزهای قانونی دارد. ویمو و تسلا به‌زودی فعالیت‌های خود را گسترش خواهند داد و به‌ویژه در شهرهایی مانند نیویورک و توکیو حضور خواهند یافت.

در حوزه‌های صنعتی، هوش مصنوعی فیزیکی (Physical AI) با پیشرفت‌های مهمی در استفاده از ربات‌ها و سنسورهای تخصصی در حال رشد است. شرکت‌هایی مانند اسکای‌دیو (Skydio) و پرسپتو (Percepto) از پهپادها برای نظارت بر خطوط انتقال برق و سایت‌های صنعتی استفاده می‌کنند. این دستگاه‌ها از تیم‌های انسانی دقت و ایمنی بیشتری دارند. در صنایع سنگین نیز ربات‌هایی مانند انی‌باتیکس (ANYbotics)، گکو (Gecko Robotics) و بوستون داینامیکس (Boston Dynamics) مسئولیت بازرسی و نگهداری را بر عهده دارند و داده‌های عملیاتی بسیار ارزشمندی تولید می‌کنند که در توسعه فناوری‌های آینده نقش مهمی دارند.

زیرساخت‌های هوش مصنوعی برای دنیای فیزیکی: کلید پیشرفت‌های آینده

آینده هوش مصنوعی دیگر تنها به صفحه نمایش گوشی و رایانه محدود نخواهد بود؛ به‌نظر می‌رسد که قرار است همه چیز از اساس تغییر کند. شرکت انویدیا (NVIDIA) با تمام توان وارد دنیای رباتیک و هوش مصنوعی تجسمی شده است و به‌تازگی پلتفرم پردازشی “Jetson Thor” و مدل بینایی-زبانی “Cosmos Reason” را معرفی کرده است. برخلاف مدل‌های زبانی سنتی (LLM)، این سیستم‌ها برای درک و تعامل با دنیای واقعی طراحی شده‌اند و قادر به فهم قوانین فیزیک، روابط علت و معلول و شرایط محیطی به شیوه‌ای دقیق‌تر هستند.

اما ماجرا تنها به سخت‌افزار و مدل‌ها محدود نمی‌شود. تحقیقاتی که دانشگاه ام‌آی‌تی (MIT) انجام داده نشان می‌دهند که مدل‌های هوش مصنوعی می‌توانند در یک محیط خاص آموزش ببینند و سپس خود را با محیط‌های کاملاً متفاوت تطبیق دهند. به‌عنوان مثال، یک پهپاد که در یک جنگل تمرین کرده، می‌تواند در خیابان‌های شلوغ شهر نیز پرواز کرده و به‌درستی واکنش نشان دهد. این نوع انعطاف‌پذیری تنها از طریق تجربه و تعامل مستقیم با محیط‌های واقعی به‌دست می‌آید.

تحقیقات در حوزه‌ درک تجسمی (Embodied Cognition) نیز این حقیقت را تایید می‌کنند که هوش یک مفهوم انتزاعی نیست؛ بلکه از طریق “حس کردن” و “واکنش نشان دادن” به محیط شکل می‌گیرد. اگر قرار است ماشین‌ها واقعاً هوشمند شوند، باید همین مسیر را طی کنند و بیاموزند که چگونه مانند انسان‌ها در زمان واقعی خود را با موقعیت‌های مختلف سازگار کنند.

هوش مصنوعی فیزیکی (Physical AI) و نقش جوامع غیرمتمرکز در پیشرفت آن

تمام داده‌های هوش مصنوعی فیزیکی (Physical AI) لزوماً در انحصار غول‌های فناوری متمرکز نیستند. به‌لطف شبکه‌های زیرساخت فیزیکی غیرمتمرکز (DePIN)، جوامع غیرمتمرکز نیز می‌توانند شبکه‌هایی از دستگاه‌ها را ایجاد و مدیریت کنند و مالک داده‌های دنیای واقعی شوند. برخی از پروژه‌هایی که تاکنون در حوزه زیرساخت فیزیکی هوش مصنوعی پیشرفت کرده‌اند، عبارتند از:

هلیوم (Helium)

شبکه‌ای از هات‌اسپات‌های بی‌سیم ایجاد کرده است.

هایومپر (Hivemapper)

از دوربین‌های داشبورد خودروها برای نقشه‌برداری استفاده می‌کند.

دیمو (DIMO)

داده‌های خودروها را جمع‌آوری کرده و به صاحبان خودرو اجازه می‌دهد از داده‌های تولیدشده درآمد کسب کنند.

ریبورن ای‌آی (Reborn AI)

ایجنت‌های هوش مصنوعی را با استفاده از داده‌ها و توان محاسباتی غیرمتمرکز تقویت می‌کند.

این پروژه‌ها به‌خوبی نشان می‌دهند که می‌توان سنسورها، خودروها و سیستم‌های توزیع‌شده را بدون نیاز به مالکیت شرکتی متمرکز، در مقیاس بزرگ راه‌اندازی و مدیریت کرد.

اگرچه تمرکززدایی در مالکیت داده‌های فیزیکی هنوز در مراحل ابتدایی است، اما زیرساخت فیزیکی غیرمتمرکز مسیر جدیدی را برای توسعه هوش مصنوعی فیزیکی (Physical AI) فراهم می‌آورد. مسیری که در آن ارزشمندترین داده‌ها دیگر در انحصار شرکت‌هایی نظیر گوگل، تسلا یا متا نخواهند بود، بلکه در شبکه‌های غیرمتمرکز توزیع می‌شوند و تمام مشارکت‌کنندگان قادر به بهره‌برداری از آن‌ها خواهند بود.

چرا داده‌های فیزیکی آینده هوش مصنوعی را شکل می‌دهند؟

داده‌های فیزیکی فراتر از متن و تصویر دیجیتال هستند. این داده‌ها شامل اطلاعاتی همچون حرکت، موقعیت فضایی، حس لامسه و زمینه‌های واقعی جهان می‌شوند؛ عناصری که هرگز در محتوای ایستای اینترنت قابل مشاهده نیستند. سنسورها و دستگاه‌های مبتنی بر داده فیزیکی به‌طور مداوم جریان‌های جدیدی از اطلاعات تولید می‌کنند، که این امر موجب می‌شود مدل‌ها همیشه به‌روز باقی بمانند، به‌جای اینکه فقط داده‌های قدیمی و تکراری را بازنویسی کنند. داده‌های دقیق و غنی از دنیای واقعی ارزشمندتر از میلیون‌ها نمونه بی‌کیفیت یا مصنوعی هستند. از همه مهم‌تر، هوش واقعی از «تجربه زیسته و تعامل فیزیکی» شکل می‌گیرد، نه از متن‌های انتزاعی و تصاویر دیجیتال.

سوالات متداول

• هوش مصنوعی فیزیکی (Physical AI) چیست؟

هوش مصنوعی فیزیکی (Physical AI) به مدل‌هایی از هوش مصنوعی گفته می‌شود که با استفاده از داده‌های دنیای واقعی مانند حرکت، حس لامسه، و شرایط محیطی به تعامل با جهان فیزیکی می‌پردازند.

• چه تفاوتی بین هوش مصنوعی فیزیکی (Physical AI) و هوش مصنوعی سنتی وجود دارد؟

هوش مصنوعی فیزیکی (Physical AI) از داده‌های فیزیکی و تجربیات دنیای واقعی استفاده می‌کند، در حالی که هوش مصنوعی سنتی بیشتر بر داده‌های دیجیتال و متن‌های آنلاین تکیه دارد.

• داده‌های فیزیکی چه ویژگی‌هایی دارند؟

داده‌های فیزیکی شامل اطلاعاتی از حرکت، موقعیت فضایی، حس لامسه و شرایط محیطی هستند که از دنیای واقعی به‌دست می‌آیند.

• چگونه هوش مصنوعی فیزیکی (Physical AI) می‌تواند به ربات‌ها کمک کند؟

این نوع هوش مصنوعی به ربات‌ها اجازه می‌دهد تا درک بهتری از محیط پیرامون خود داشته باشند و بتوانند بهتر با انسان‌ها و اشیاء تعامل کنند.

• چه دستگاه‌هایی داده‌های فیزیکی را جمع‌آوری می‌کنند؟

سنسورها، ربات‌ها، دستگاه‌های پوشیدنی، و سیستم‌های واقعیت ترکیبی داده‌های فیزیکی را از دنیای واقعی جمع‌آوری می‌کنند.

• آیا هوش مصنوعی فیزیکی (Physical AI) فقط در ربات‌ها کاربرد دارد؟

خیر، این تکنولوژی می‌تواند در بسیاری از صنایع مانند پزشکی، خودروسازی، و مراقبت‌های بهداشتی نیز کاربرد داشته باشد.

• چه مزایایی برای استفاده از داده‌های فیزیکی در هوش مصنوعی وجود دارد؟

داده‌های فیزیکی بسیار دقیق‌تر و غنی‌تر از داده‌های دیجیتال هستند و به هوش مصنوعی کمک می‌کنند تا درک بهتری از جهان واقعی پیدا کند.

• آیا هوش مصنوعی فیزیکی (Physical AI) می‌تواند از اینترنت یاد بگیرد؟

بله، ولی به‌طور عمده این هوش مصنوعی باید از تجربیات دنیای واقعی و تعاملات فیزیکی برای یادگیری استفاده کند، نه صرفاً از داده‌های آنلاین.

• چگونه هوش مصنوعی فیزیکی (Physical AI) می‌تواند در زندگی روزمره کاربرد پیدا کند؟

این تکنولوژی می‌تواند در ربات‌های خانگی، خودروهای خودران، دستگاه‌های پوشیدنی و حتی سیستم‌های مراقبت از سلامت استفاده شود.

• چه پروژه‌هایی در حال حاضر از هوش مصنوعی فیزیکی (Physical AI) استفاده می‌کنند؟

پروژه‌هایی مانند هلیوم (Helium)، هایومپر (Hivemapper) و دیمو (DIMO) از این نوع هوش مصنوعی برای جمع‌آوری داده‌های فیزیکی و تعامل با دنیای واقعی بهره می‌برند.

سخن پایانی

هوش مصنوعی به نقطه‌ای از رکود رسیده است. واقعیت این است که منابع داده‌های دیجیتال به پایان رسیده‌اند. موج بعدی نوآوری در مدل‌های هوش مصنوعی نه از بازخوانی داده‌های گذشته، بلکه از ثبت و درک لحظه‌های حال شکل خواهد گرفت.

ربات‌هایی که قادر به حرکت هستند، عینک‌هایی که می‌بینند، پوشیدنی‌هایی که حس می‌کنند و خودروهایی که یاد می‌گیرند، همه ابزارهایی هستند که مسیر تکامل هوش مصنوعی را ترسیم می‌کنند. هوش مصنوعی فیزیکی (Physical AI) غیرمتمرکز فقط یک پیشرفت نیست، بلکه پایه‌گذار تحولی بزرگ در دهه‌های آینده خواهد بود؛ پلی که هوش مصنوعی را به تجربه انسانی نزدیک‌تر می‌کند و مسیر دستیابی به هوش مصنوعی عمومی (AGI) واقعی را هموارتر می‌سازد. آینده هوش مصنوعی تنها به دنیای دیجیتال وابسته نیست، بلکه بر پایه داده‌های واقعی دنیای فیزیکی استوار خواهد بود.

ممنون که تا پایان مقاله”هوش مصنوعی فیزیکی (Physical AI) چیست؟“همراه ما بودید

بیشتر بخوانید

• ایجنت های هوش مصنوعی در BNB Chain
• نقش ایجنت‌های هوش مصنوعی در آینده خودحاکمیتی دیجیتال چیست؟