أخبار ar.wedoany.com، أعلنت الحكومة الكورية الجنوبية مؤخراً عن خطط لإنشاء قاعدة بيانات صناعية وطنية (National Manufacturing Data Library) ورقمنة المعرفة الضمنية للعمال المهرة، إلا أن شركات الذكاء الاصطناعي الفيزيائي (Physical AI) أشارت إلى ضرورة النظر بالتزامن في القضايا الرئيسية مثل طرق جمع البيانات الأولية من المواقع الصناعية، ومعايير تنظيمها، وحقوق استخدامها.
يعتمد نجاح أو فشل سياسات الذكاء الاصطناعي الصناعي في نهاية المطاف على القدرة على إنشاء "هيكل دورة بيانات". فإذا تم تخزين بيانات الذكاء الاصطناعي الفيزيائي ببساطة في مستودعات، يصعب تطبيقها في المواقع الصناعية. من الضروري بناء نظام يتم فيه جمع بيانات حركات العمال والعمليات الإنتاجية، وتنقيتها والتحقق منها لاستخدامها في المحاكاة وتدريب النماذج، ثم تغذية نتائج التجارب الميدانية للروبوتات كبيانات عائدة. لذلك، يكمن المفتاح المستقبلي في كيفية ربط قاعدة بيانات التصنيع المعزز (Manufacturing AX) التي تقودها الحكومة مع نظام استخدام البيانات الذي تتطلبه صناعة الذكاء الاصطناعي الفيزيائي. فقط من خلال بناء نظام بيئي يمتد من جمع البيانات إلى تطوير النماذج، والتطبيق الميداني للروبوتات، وصولاً إلى التغذية الراجعة من التجارب، يمكن لقاعدة البيانات الصناعية أن تصبح بنية تحتية عامة لصناعة الذكاء الاصطناعي الفيزيائي، وليس مجرد مستودع تخزين.
خلال "التقرير الوطني للمشاريع الفائقة الثلاث الكبرى لنهضة كوريا العظيمة" الذي عُقد في 29 يونيو في قاعة الضيوف بالبيت الأزرق، أعلنت الحكومة عن اعتزامها تنمية الذكاء الاصطناعي الصناعي والذكاء الاصطناعي الفيزيائي كصناعات استراتيجية وطنية. تشمل الإجراءات الأساسية إنشاء قاعدة بيانات صناعية وطنية، ورقمنة المعرفة الضمنية للعمال المهرة، وتطوير النموذج الأساسي للذكاء الاصطناعي الفيزيائي (Physical AI Foundation Model). وقد تم تخصيص 48 مليار وون مسبقاً في الميزانية الإضافية لعام 2026 لمشروع تحويل المعرفة الضمنية للعمال المهرة إلى بيانات.
ترى شركات الذكاء الاصطناعي الفيزيائي بشكل عام أن البيانات تمثل حالياً العقبة الرئيسية. على الرغم من أهمية وحدات معالجة الرسوميات (GPU) والبنية التحتية الحاسوبية، إلا أنه لتشغيل الروبوتات فعلياً في المواقع الصناعية، يجب أولاً الحصول على بيانات أولية عالية الجودة تتضمن حركات العمال وظروف العمليات الإنتاجية. على عكس نماذج اللغات الكبيرة (LLM)، يحتاج الذكاء الاصطناعي الفيزيائي إلى معالجة قضايا العالم الحقيقي مثل القوة، والاحتكاك، والتلامس، والفشل، والسلامة. لكي تلتقط الروبوتات الأجزاء في المصانع، وتثبت البراغي، وتنقل الأشياء، فإنها تحتاج إلى بيانات حركية خاصة بكل موقع وصناعة.
قال يم وون-سيول (Yeom Woon-seol)، الرئيس التنفيذي لشركة AIRobot: "بالنسبة للشركات الناشئة، تعتبر وحدات معالجة الرسوميات مهمة، لكن العقبة الأكبر هي البيانات. بدون بيانات، لا يمكن إنشاء نماذج حركية للروبوتات، وبدون نماذج حركية، لا تستطيع الروبوتات التصرف وفقاً لمتطلبات العملاء." وأضاف أن هذا يؤدي في النهاية إلى صعوبة بيع الروبوتات.
تكمن المشكلة في أن العمل في المواقع الصناعية يختلف باختلاف القطاعات. فحركات العمل المطلوبة في صناعات مثل الصلب، وقطع غيار السيارات، والأغذية، والخدمات اللوجستية، والتجميع قد تبدو متشابهة ولكنها في الواقع مختلفة. على سبيل المثال، تشمل عملية صنع الخبز فقط حركات مختلفة مثل تقسيم العجين، وتشكيله على ورق الخبز، وتشغيل الآلات. من الصعب على شركة روبوتات أو شركة بيانات ذكاء اصطناعي واحدة الحصول مباشرة على بيانات حركية من جميع القطاعات. تختلف أيضاً طرق جمع البيانات، فبعضها يعتمد على الرؤية، والبعض الآخر يستخدم هيكل التابع والرئيس أو أسلوب التشغيل عن بُعد، مما ينتج عنه بيانات محسّنة ليد روبوت معينة أو منصة معينة.
أوضح الرئيس التنفيذي يم وون-سيول: "البيانات التي يتم الحصول عليها باستخدام يد روبوت معينة تكون محسّنة لذلك الروبوت، وتحتاج الشركات الأخرى إلى إعادة وضع العلامات عليها ومعالجتها لاستخدامها، مما يعني القيام بالعمل مرتين." ورأى أن أسلوب التركيز على الذات (Egocentric)، حيث يتم تركيب كاميرات على العمال لتصوير حركات الأيدي البشرية من منظور الشخص الأول، قد يكون بديلاً. إذا تم الحصول على مقاطع فيديو لحركات أيدي صانعي الأحذية، والطهاة، والعمال المهرة، يمكن لعدة شركات روبوتات إعادة معالجتها واستخدامها وفقاً لروبوتاتها الخاصة.
أكد جانغ جون-هيون (Jang Jun-hyun)، نائب الرئيس التنفيذي لشركة Tomorrow Robotics، على أهمية معايير البيانات. "على الرغم من وجود معايير متعددة للبيانات، إلا أنها لم تُوحّد بعد. إذا قامت الشركات والمؤسسات بإنشاء بيانات بتنسيقات مختلفة، سيكون من الصعب تحقيق التوافق المتبادل، لذلك نحتاج إلى معايير بيانات قابلة للاستخدام المشترك." وأوضح أن بيانات منظور الشخص الأول تكون فعالة أحياناً ولكن تكلفتها قد تكون مرتفعة، بينما قد تكون بيانات منظور الشخص الثالث كافية لبعض المهام. يكمن المفتاح في تحديد الوحدة والتنسيق اللازمين لدمج الزاوية، والطول، ومعلومات المفاصل، ومعلومات القوة، ومعلومات الفيديو، وسياق العمل.
ترى شركة Wirobotics أن الجوهر يكمن في جودة البيانات وتصميمها، وليس في كميتها. قال مسؤول في الشركة: "بيانات المواقع الصناعية مفيدة جداً وضرورية لتطوير الذكاء الاصطناعي الفيزيائي. لكن المهم ليس مجرد جمع كميات كبيرة من البيانات، بل تصميم أنواع البيانات المراد جمعها، ومعايير الجمع، وتنسيقات البيانات بعناية منذ البداية وفقاً لمحتوى العمل، وتوحيدها كبيانات عالية الجودة وذات معنى."
تمثل إمكانية الوصول مشكلة أخرى. إذا تركزت البيانات في المواقع الصناعية للشركات الكبرى أو مصانع البيانات، فقد يصعب على الشركات الناشئة وشركات الروبوتات المتخصصة الاستفادة منها بسبب مشكلات الأمن والملكية الفكرية. أشار مسؤول من Wirobotics: "البيانات الموجودة في الشركات الكبرى التي تمتلك مرافق تصنيع أو في مصانع البيانات التي تبنيها، قد يصعب على الشركات الناشئة أو شركات الروبوتات المتخصصة الوصول إليها بسبب مشكلات الأمن والملكية الفكرية. يجب أن تكون قاعدة البيانات الصناعية الوطنية مفتوحة بشكل جوهري لشركات الروبوتات المتخصصة." كما أكدت Tomorrow Robotics على أهمية هيكل مشاركة البيانات، حيث قال نائب الرئيس التنفيذي جانغ جون-هيون: "على الرغم من أهمية إنشاء مساحات أو مؤسسات قادرة على إنتاج كميات كبيرة من البيانات لتوليد بيانات عالية الجودة، إلا الأهم هو تمكين الاستخدام المشترك لهذه البيانات."
كما أن الدروس المستفادة من مشاريع بناء بيانات التعلم الآلي السابقة تستحق الاهتمام. قامت الحكومة ببناء بيانات تعلم واسعة النطاق من خلال AI Hub وغيرها، لكن القطاع ظل يشير إلى أنه "حتى مع وجود البيانات، يصعب على الشركات الفعلية استخدامها مباشرة." بيانات الذكاء الاصطناعي الفيزيائي أكثر تعقيداً من مجرد الصور أو النصوص، لأنها يجب أن تتضمن في الوقت نفسه حركات العمال، وقيم مفاصل الروبوت، ومعلومات القوة/التلامس، وبيئة العمل، وحالات الفشل.
ينظر القطاع بشكل عام بإيجابية إلى هدف الحكومة المتمثل في "تطوير نموذج أساسي للذكاء الاصطناعي الفيزيائي المستقل في غضون 3 سنوات". قال مسؤول من Wirobotics: "أعتقد أنه من الممكن تطوير الجيل الأول من نموذج الذكاء الاصطناعي الفيزيائي ذي الأداء الهادف في مجال معين في غضون 3 سنوات." وقال مسؤول من MindAI: "تطوير نموذج أساسي للذكاء الاصطناعي الفيزيائي المستقل في غضون 3 سنوات أمر ممكن تماماً، وستظهر النتائج بدءاً من هذا العام." من ناحية الذكاء الاصطناعي السيادي (Sovereign AI)، أشار نائب الرئيس التنفيذي جانغ جون-هيون: "النموذج الأساسي للروبوتات يعادل دماغ الروبوت البشري. لا يمكن لدماغ الروبوت البشري الذي يعمل في مصانع كوريا أن يستخدم فقط نماذج من الصين أو الولايات المتحدة. إذا تم استخدام 'دماغ' أجنبي، فقد تتسرب بيانات العمليات الحالية إلى الخارج."
أدى الجدل الأخير حول قيود الوصول إلى Mythos5 وFable5 من شركة Anthropic إلى تعزيز هذا الوعي. فرضت الحكومة الأمريكية قيوداً على الوصول إلى نماذج الذكاء الاصطناعي المتقدمة بحجة الأمن القومي وضوابط التصدير، ورغم التخفيف اللاحق، إلا أنه أظهر مخاطر الاعتماد على النماذج الرائدة الأجنبية. في المجالات التي تتدفق فيها البيانات الأساسية مثل التصنيع، والدفاع، والأمن، والقطاع العام، لم تعد سيادة نموذج الذكاء الاصطناعي مجرد شعار للاستقلال التقني. كما أقر الرئيس التنفيذي لشركة AIRobot، يم وون-سيول، بضرورة وجود نموذج أساسي مستقل، قائلاً: "حتى لكسر وضع النظام البيئي الاحتكاري، نحن بحاجة مطلقة إلى نموذج أساسي مستقل."
