على مدى السنوات الأخيرة، أصبح الذكاء الاصطناعي جزءاً لا يتجزأ من حياتنا الرقمية، إذ بات العديد من المستخدمين، بمن فيهم أنا، يعتمدون على أدوات مثل «شات جي بي تي»  في مختلف المهمات اليومية. مع تطور الذكاء الاصطناعي، أصبح حلم امتلاك مساعد آلي في المنزل أقرب إلى الواقع، خصوصاً مع التقدم في مجال الروبوتات البشرية المدعومة بالذكاء الاصطناعي.
الحاجة إلى الروبوتات المنزلية
مع مرور الوقت، تزداد حاجتي إلى مساعدة إضافية في المنزل، ووجود روبوت بشري يمكنه تنفيذ المهمات اليومية الصعبة سيكون حلاً مثالياً. إضافةً إلى ذلك، فإن مثل هذا الروبوت يمكن أن يحرر مزيداً من وقتي من خلال القيام بالأعمال المنزلية، مما يمنحني الفرصة للتركيز على أمور أخرى أكثر أهمية.
نموذج «هيليكس»: الثورة في عالم الروبوتات البشرية
يعمل العديد من الشركات على تطوير تقنيات متقدمة في مجال الروبوتات البشرية، ومن بينها «Figure» التي كشفت مؤخراً عن نموذج ذكاء اصطناعي جديد يحمل اسم  «هيليكس» Helix. هذا النموذج يعتمد على نظام الذكاء الاصطناعي Vision-Language-Action (VLA) وهو مصمم لمنح الروبوتات القدرة على تنفيذ المهمات المنزلية بكفاءة.
يجمع «هيليكس» بين نموذجين للذكاء الاصطناعي يعملان على وحدة معالجة رسومية (GPU) داخل الروبوت، بحيث يمكنه فهم الأوامر وتنفيذها بدقة. يقوم الذكاء الاصطناعي الأول (S2) بمعالجة اللغة الطبيعية والمدخلات البصرية لفهم الأوامر، مثل التقاط شيء من الطاولة. أما الذكاء الاصطناعي الثاني (S1) فيحول المعلومات المستلمة من S2 إلى تحكم دقيق في جسد الروبوت وأطرافه لتنفيذ المهمة المطلوبة. تدريب متقدم وتكيف مع البيئات المنزلية
ما يميز نموذج «هيليكس»هو أنه خضع لتدريب كثيف بلغ 500 ساعة، مما مكّن الروبوتات من التعامل مع أشياء لم يسبق لها رؤيتها، مع الأخذ في الاعتبار الحاجة إلى التعامل بحذر مع العناصر الهشة. يُعد تطوير روبوتات منزلية تحدياً أكبر من صناعة الروبوتات المستخدمة في بيئات مُنظمة مثل المصانع، بحيث يتعين على الروبوتات التكيف مع الفوضى المتغيرة في المنازل، والتي تتضمن أثاثاً مختلفاً وأحجاماً وأشكالاً متعددة للأغراض.
لا يمكن تدريب الروبوتات المنزلية على مفهوم عام للمنزل فقط، بل يجب أن تكون قادرة على التكيف مع كل منزل بشكل فردي. كما يجب أن تكون قادرة على فهم اللغة الطبيعية وتنفيذ الأوامر بناءً على التوجيهات الصوتية.
تقنيات متطورة لإنجاز المهمات بدقة
طور فريق «Figure» نموذج «هيليكس» لحل هذه المشكلات، حيث قام بإنشاء نموذج شبكي عصبي موحد قادر على تفسير المدخلات البصرية واللغوية وتنفيذ الحركات الروبوتية وفقاً للأوامر التي يتسلمها. كما أن الذكاء الاصطناعي يسمح للروبوت بالتكيف مع سيناريوهات مختلفة والعمل مع روبوتات أخرى في البيئة نفسها.
يعتمد «هيليكس» على ذكاء اصطناعي عالي المستوى (S2) يعمل بمعدل أقل من S1، حيث يقوم بفهم الأوامر وتحليل البيئة المحيطة. على سبيل المثال، عند إصدار أمر للروبوت لالتقاط كوب، فإنه سيفهم أن هذا الكائن هش حتى وإن لم يسبق له التعامل مع كوب أثناء التدريب.
أما الذكاء الاصطناعي S1، فهو المسؤول عن التحكم الفعلي في الحركات، حيث يعمل بمعدل أسرع من S2، مما يتيح للروبوت التكيف في الوقت الفعلي مع الظروف المتغيرة. على سبيل المثال، إذا احتاج الروبوت إلى تعديل موضع جذعه أثناء تحريك ذراعه لالتقاط كوب من غسالة الصحون إلى الدرج، فسوف يتمكن من القيام بذلك بسلاسة.
التعلم من خلال تحليل الفيديوهات
لتحقيق هذه القفزة النوعية، تم تدريب نموذج «هيليكس» باستخدام بيانات إشرافية عالية الجودة، إذ اعتمد على تحليل مقاطع فيديو لحركات الروبوت، ثم حاول استنتاج الأوامر التي تم إعطاؤها لتنفيذ تلك الحركات. يتيح هذا النهج للذكاء الاصطناعي تعلم كيفية التعرف الى مجموعة متنوعة من الأشياء في المنزل والتعامل معها من دون الحاجة إلى تدريب مسبق لكل كائن على حدة.
تظهر مقاطع الفيديو التي نشرتها شركة «Figure» كيف يمكن للروبوت التقاط عناصر محددة من طاولة مليئة بالأغراض، بمجرد فهم الأمر الصوتي وتحليل البيئة المحيطة. كما يمكنه التكيف مع متطلبات التعامل مع أشياء مختلفة، إذ يختلف أسلوب التقاط لعبة عن التقاط كوب. وعلى رغم أن الروبوت لا يملك حاسة اللمس مثل البشر، إلا أن تدريبه يساعده على التعامل مع الأغراض بحذر وفقاً لمدى هشاشتها.
العمل التعاوني بين الروبوتات
أحد الجوانب المثيرة للإعجاب في نموذج «هيليكس» هو إمكان استخدامه لتشغيل أكثر من روبوت بشري في وقت واحد داخل المنزل. قد يكون هناك مواقف تحتاج فيها إلى مساعديْن آلييْن لإنجاز المهمات بشكل أسرع وأكثر كفاءة.
توضح الأمثلة التي قدمتها شركة «Figure» كيف يمكن لروبوتين العمل معاً في تناغم، بحيث يتكيف أحدهما مع حركة الآخر بناءً على الأوامر المعطاة. يمكن للروبوت الأول تمرير كائن معين إلى الثاني من دون الحاجة إلى برمجة مسبقة لهذا النوع من التعاون، مما يعكس مدى تطور النموذج.