به گزارش ایران نت، آمولیا ویشوانات، مدیر سابق بازاریابی محصولات پلتفرم‌های رباتیک انویدیا و بنیان‌گذار شرکت سرمایه‌گذاری Techable VC، معتقد است هوش مصنوعی فیزیکی (Physical AI) مفهومی بسیار گسترده‌تر از ساخت ربات‌های هوشمند است. از نگاه او، این حوزه هنوز در مراحل اولیه توسعه قرار دارد و بسیاری از اجزای اساسی آن، از سخت‌افزار و نرم‌افزار گرفته تا استانداردهای ایمنی، در حال بازطراحی هستند. به همین دلیل، برخلاف دیدگاه برخی فعالان صنعت، نباید انتظار داشت که رباتیک به‌زودی با ظهور یک مدل هوش مصنوعی عمومی، جهشی مشابه عرضه ChatGPT تجربه کند.
هوش مصنوعی فیزیکی به فناوری‌هایی اشاره دارد که می‌توانند در دنیای واقعی با محیط تعامل داشته باشند، شرایط را درک کنند و بر اساس اطلاعات دریافتی، تصمیم بگیرند یا اقدام انجام دهند. این مفهوم ممکن است ربات‌های کارخانه‌ای، سامانه‌های خودکار پزشکی، مواد پیشرفته و حتی کاربردهای مرتبط با علوم زیستی را دربر بگیرد. ویشوانات که پس از هفت سال فعالیت در انویدیا، شرکت سرمایه‌گذاری خود را راه‌اندازی کرده است، اکنون به دنبال سرمایه‌گذاری روی استارتاپ‌هایی است که این فناوری را برای حل مسائل واقعی و مهم به کار می‌گیرند.
هوش مصنوعی فیزیکی چیست و چرا فراتر از ربات‌ها است؟
در بسیاری از بحث‌های عمومی، هوش مصنوعی فیزیکی با ربات‌های انسان‌نما یا ماشین‌هایی شناخته می‌شود که قادرند راه بروند، اشیا را جابه‌جا کنند یا وظایف کارخانه‌ای را انجام دهند. بااین‌حال، تعریف ویشوانات از این حوزه گسترده‌تر است. او معتقد است Physical AI می‌تواند از یک مولکول، ماده یا دارو تا ماشینی در خط تولید کارخانه را شامل شود؛ به شرط آنکه هوش مصنوعی در فرایندهای مرتبط با جهان فیزیکی نقش داشته باشد.
این نگاه نشان می‌دهد که کاربرد هوش مصنوعی در دنیای واقعی لزوماً به وجود یک ربات متحرک وابسته نیست. برای مثال، هوش مصنوعی می‌تواند در کشف مواد جدید، طراحی ترکیبات شیمیایی، توسعه داروها یا بهینه‌سازی فرایندهای تولید به کار گرفته شود. در چنین کاربردهایی، سیستم هوشمند ممکن است مستقیماً شبیه انسان حرکت نکند، اما تصمیم‌ها و پیش‌بینی‌های آن بر محصولات، فرایندها و محیط فیزیکی تأثیر می‌گذارند.
تفاوت مهم این حوزه با بسیاری از کاربردهای نرم‌افزاری هوش مصنوعی در این است که نتیجه تصمیم‌ها تنها به تولید متن، تصویر یا پاسخ محدود نمی‌شود. یک سامانه فیزیکی باید بتواند در شرایط واقعی فعالیت کند؛ شرایطی که ممکن است شامل خطاهای حسگر، تغییرات محیطی، محدودیت‌های مکانیکی و خطرهای ایمنی باشد. بنابراین، توسعه Physical AI علاوه بر مدل‌های هوشمند، به سخت‌افزار قابل‌اعتماد، آزمایش‌های گسترده و سازوکارهای کنترلی مناسب نیاز دارد.
چرا رباتیک هنوز در «دوران لگو» قرار دارد؟
ویشوانات وضعیت کنونی صنعت رباتیک را به «دوران لگو» تشبیه می‌کند. منظور او این است که اجزای اصلی این صنعت هنوز در حال شکل‌گیری و بازسازی هستند؛ درست مانند قطعاتی که باید در کنار یکدیگر قرار بگیرند تا یک سامانه کامل ساخته شود. محرک‌ها، دست‌های رباتیک، نرم‌افزارهای کنترلی و استانداردهای ایمنی، از جمله بخش‌هایی هستند که به پیشرفت بیشتر نیاز دارند.
در یک ربات پیشرفته، توانایی انجام وظایف تنها به قدرت یک مدل هوش مصنوعی وابسته نیست. ماشین باید بتواند محیط را از طریق حسگرها تشخیص دهد، اطلاعات را تفسیر کند، حرکت مناسبی انتخاب کند و آن را با دقت کافی اجرا کند. اگر دست رباتیک نتواند اشیا را به‌درستی بگیرد یا سامانه کنترل در برابر تغییرات محیطی واکنش مناسبی نشان ندهد، حتی یک مدل هوشمند نیز به‌تنهایی قادر به تضمین عملکرد موفق نخواهد بود.
علاوه بر این، ربات‌هایی که در محیط‌های صنعتی، درمانی یا عمومی فعالیت می‌کنند باید از نظر ایمنی نیز قابل‌اعتماد باشند. برخورد با انسان، جابه‌جایی تجهیزات حساس یا کار در کنار ماشین‌آلات صنعتی می‌تواند خطرهایی ایجاد کند. به همین دلیل، استانداردهای ایمنی و روش‌های ارزیابی عملکرد، بخش جدایی‌ناپذیر توسعه رباتیک هستند.
از این منظر، پیشرفت رباتیک فقط به ساخت مدل‌های هوش مصنوعی بزرگ‌تر وابسته نیست. بهبود اجزای فیزیکی، نرم‌افزارهای تخصصی و روش‌های اتصال این بخش‌ها به یکدیگر نیز اهمیت دارد. دیدگاه ویشوانات تأکید می‌کند که صنعت هنوز باید زیرساخت‌های لازم را توسعه دهد تا ربات‌ها بتوانند در طیف گسترده‌تری از موقعیت‌های واقعی عملکرد قابل‌اعتمادی داشته باشند.
آیا رباتیک به‌زودی لحظه‌ای شبیه ChatGPT را تجربه می‌کند؟
ظهور ChatGPT در اواخر سال ۲۰۲۲ نشان داد که یک مدل هوش مصنوعی می‌تواند در مدت کوتاهی توجه عمومی را جلب کند و شیوه تعامل مردم با فناوری را تغییر دهد. همین تجربه باعث شده است برخی فعالان صنعت تصور کنند که رباتیک نیز به‌زودی با ظهور یک مدل پایه عمومی، جهشی مشابه را تجربه خواهد کرد.
بر اساس دیدگاهی که در بحث‌های صنعت مطرح شده، ممکن است یک مدل عمومی قدرتمند بتواند بخش بزرگی از کارهای تخصصی فعلی در حوزه رباتیک را غیرضروری کند. در این سناریو، به‌جای توسعه مدل‌های جداگانه برای هر ربات یا وظیفه، یک مدل پایه واحد می‌تواند طیف وسیعی از فعالیت‌ها را مدیریت کند و سازگاری ربات‌ها با موقعیت‌های جدید را بهبود دهد.
اما ویشوانات با این پیش‌بینی خوش‌بینانه فاصله دارد. تشبیه رباتیک به دوران لگو نشان می‌دهد که از نظر او، هنوز بسیاری از مشکلات زیربنایی باید حل شوند. حتی اگر یک مدل هوش مصنوعی عمومی توانایی درک دستورها و برنامه‌ریزی را به‌طور چشمگیری افزایش دهد، اجرای آن دستورها در جهان فیزیکی همچنان به سخت‌افزار مناسب، کنترل دقیق، بازخورد حسگرها و تضمین ایمنی نیاز خواهد داشت.
این دیدگاه به معنای بی‌اهمیت بودن مدل‌های پایه نیست. مدل‌های عمومی می‌توانند درک محیط، برنامه‌ریزی و یادگیری وظایف را بهبود دهند؛ اما موفقیت نهایی به توانایی ترکیب این مدل‌ها با اجزای فیزیکی و سامانه‌های کنترلی نیز وابسته است. به همین دلیل، مسیر توسعه رباتیک احتمالاً پیچیده‌تر از صرفاً عرضه یک مدل هوش مصنوعی جدید خواهد بود.
سرمایه‌گذاری Techable VC روی چه حوزه‌هایی متمرکز است؟
ویشوانات پس از هفت سال فعالیت در زمینه بازاریابی محصولات پلتفرم‌های رباتیک انویدیا، شرکت Techable VC را به‌عنوان یک مجموعه سرمایه‌گذاری در مراحل اولیه راه‌اندازی کرده است. تمرکز این شرکت بر کسب‌وکارهایی است که در حوزه هوش مصنوعی فیزیکی فعالیت می‌کنند؛ از رباتیک گرفته تا علم مواد و علوم زیستی.
سرمایه‌گذاری در مراحل اولیه به معنای حمایت از شرکت‌هایی است که ممکن است هنوز در ابتدای مسیر توسعه محصول یا گسترش بازار باشند. این نوع سرمایه‌گذاری معمولاً با ریسک بالاتری همراه است، اما می‌تواند به رشد فناوری‌هایی کمک کند که در صورت موفقیت، ظرفیت تغییر صنایع مختلف را دارند.
تمرکز بر Physical AI نیز نشان می‌دهد که فرصت‌های سرمایه‌گذاری فقط به توسعه نرم‌افزار یا مدل‌های زبانی محدود نیستند. استارتاپ‌هایی که ابزارهای جدید برای کارخانه‌ها می‌سازند، فناوری‌های تولید مواد را بهبود می‌دهند یا از هوش مصنوعی در تحقیقات زیستی استفاده می‌کنند، ممکن است در این حوزه جای بگیرند.
تجربه ویشوانات در انویدیا می‌تواند در ارزیابی چنین شرکت‌هایی نقش داشته باشد. آشنایی با شبکه فعالان صنعت، فناوری‌های مورد استفاده و نیازهای مشتریان به سرمایه‌گذاران کمک می‌کند فرصت‌ها را بهتر بررسی کنند. البته سابقه فعالیت در یک شرکت بزرگ به‌تنهایی موفقیت سرمایه‌گذاری‌های آینده را تضمین نمی‌کند و هر استارتاپ باید از نظر فناوری، بازار و توانایی اجرا به‌صورت مستقل ارزیابی شود.
اتوماسیون آگاهانه؛ فراتر از جایگزینی نیروی انسانی
یکی دیگر از مفاهیم مورد توجه ویشوانات، «اتوماسیون آگاهانه» یا Conscious Automation است. این مفهوم در چارچوب بحث او درباره فرصت‌های هوش مصنوعی فیزیکی مطرح می‌شود و بر ضرورت توجه به مسئله‌ای تأکید دارد که فناوری قرار است آن را حل کند. در این رویکرد، هدف نباید صرفاً خودکارکردن یک وظیفه باشد؛ بلکه باید بررسی شود که اتوماسیون چگونه می‌تواند یک نیاز واقعی را برطرف کند و چه پیامدی برای افراد و سازمان‌ها خواهد داشت.
برای نمونه، یک کارخانه خانوادگی کوچک ممکن است به دلیل کمبود نیروی کار نتواند سفارش‌های خود را به‌موقع انجام دهد. در چنین شرایطی، یک سامانه رباتیک مناسب می‌تواند بخشی از وظایف تکراری را برعهده بگیرد و به ادامه فعالیت کسب‌وکار کمک کند. این کاربرد با استفاده از ربات صرفاً برای نمایش قابلیت‌های فنی متفاوت است؛ زیرا از ابتدا بر یک مشکل عملی و قابل‌تعریف تمرکز دارد.
در بخش درمان نیز اتوماسیون می‌تواند به کاهش فشار کاری کارکنان کمک کند. جراحان و دیگر متخصصان سلامت با مسئولیت‌های سنگین و ساعات کاری دشوار روبه‌رو هستند. فناوری‌های هوشمند، در صورت طراحی و اعتبارسنجی مناسب، ممکن است برخی مراحل تکراری، پردازش اطلاعات یا فعالیت‌های پشتیبان را ساده‌تر کنند. بااین‌حال، کاربرد در محیط پزشکی به بررسی دقیق ایمنی، کیفیت و مسئولیت‌پذیری نیاز دارد و نباید از این مثال‌ها نتیجه گرفت که سامانه‌های خودکار می‌توانند بدون نظارت انسانی جایگزین متخصصان شوند.
تمرکز بر مسائل واقعی می‌تواند به استارتاپ‌ها کمک کند محصولاتی بسازند که برای مشتریان ارزش عملی داشته باشند. در چنین شرایطی، معیار موفقیت تنها پیشرفته بودن فناوری نیست؛ بلکه میزان کاهش هزینه، افزایش بهره‌وری، بهبود کیفیت یا حل یک مشکل مهم نیز اهمیت دارد.
چرا سرمایه‌گذاران باید فراتر از فناوری را ببینند؟
ویشوانات به بنیان‌گذاران استارتاپ‌ها توصیه می‌کند که رابطه با سرمایه‌گذار خطرپذیر را بخشی از مزیت رقابتی شرکت خود بدانند. منظور از این نگاه آن است که سرمایه‌گذار مناسب می‌تواند فراتر از تأمین منابع مالی، در دسترسی به مشتریان، ایجاد ارتباطات صنعتی و ارزیابی بازار نیز نقش داشته باشد.
در حوزه‌ای مانند هوش مصنوعی فیزیکی، این ارتباطات ممکن است اهمیت ویژه‌ای داشته باشند. توسعه یک محصول رباتیک یا فناوری مرتبط با علم مواد معمولاً به همکاری با تولیدکنندگان، مشتریان صنعتی، آزمایشگاه‌ها و متخصصان حوزه‌های مختلف نیاز دارد. استارتاپی که به شبکه مناسبی دسترسی دارد، ممکن است بتواند نیاز مشتریان را بهتر شناسایی کند و محصول خود را سریع‌تر در محیط واقعی آزمایش کند.
ویشوانات معتقد است سال‌های فعالیتش در انویدیا شبکه‌ای از ارتباطات حرفه‌ای برای او ایجاد کرده است که اکنون در بررسی فرصت‌های سرمایه‌گذاری و معرفی شرکت‌ها به مشتریان احتمالی از آن استفاده می‌کند. این تجربه نشان می‌دهد که دانش فنی و شناخت بازار می‌توانند در سرمایه‌گذاری فناوری مکمل یکدیگر باشند.
بااین‌حال، شبکه ارتباطی زمانی ارزش واقعی دارد که به تصمیم‌گیری بهتر، شناخت دقیق‌تر بازار یا ایجاد فرصت‌های تجاری منجر شود. بنیان‌گذاران نیز باید هنگام انتخاب سرمایه‌گذار، علاوه بر منابع مالی، میزان تخصص، کیفیت ارتباطات و ارزش افزوده‌ای را که سرمایه‌گذار می‌تواند ایجاد کند، در نظر بگیرند.
رقابت آمریکا و چین در آینده هوش مصنوعی فیزیکی
رقابت میان ایالات متحده و چین یکی دیگر از موضوعات مطرح‌شده در گفت‌وگوی ویشوانات درباره آینده Physical AI است. هر دو کشور در حوزه‌های هوش مصنوعی، رباتیک و تولید تجهیزات پیشرفته فعالیت گسترده‌ای دارند، اما مزیت‌های آن‌ها ممکن است در بخش‌های مختلف زنجیره فناوری متفاوت باشد.
برای ارزیابی جایگاه کشورها در این حوزه، تنها بررسی کیفیت مدل‌های هوش مصنوعی کافی نیست. دسترسی به قطعات سخت‌افزاری، توانایی تولید در مقیاس صنعتی، زنجیره تأمین، هزینه ساخت، دسترسی به مشتریان و ظرفیت آزمایش فناوری در محیط واقعی نیز اهمیت دارند. رباتی که از نظر نرم‌افزاری پیشرفته است، برای تبدیل شدن به محصولی تجاری باید با هزینه قابل‌قبول ساخته و نگهداری شود و در شرایط واقعی عملکرد قابل‌اعتمادی داشته باشد.
ازاین‌رو، مزیت رقابتی در هوش مصنوعی فیزیکی می‌تواند به ترکیبی از توانمندی‌های نرم‌افزاری، سخت‌افزاری و صنعتی وابسته باشد. هر کشور یا شرکت ممکن است در بخشی از این زنجیره عملکرد بهتری داشته باشد و در بخش‌های دیگر با محدودیت روبه‌رو شود. جزئیات این رقابت نیز با گذشت زمان و پیشرفت فناوری تغییر می‌کند.
ربات‌های انسان‌نما باید چه کاری انجام دهند؟
ربات‌های انسان‌نما در سال‌های اخیر توجه زیادی را به خود جلب کرده‌اند؛ به‌ویژه زمانی که توانایی راه‌رفتن، انجام حرکات نمایشی یا تقلید رفتار انسان را نشان می‌دهند. بااین‌حال، از نگاه کاربردی، جذابیت نمایشی یک ربات لزوماً نشان‌دهنده ارزش اقتصادی آن نیست.
ربات انسان‌نما زمانی می‌تواند در صنعت یا خدمات مفید واقع شود که وظایف مشخصی را با دقت، ایمنی و هزینه مناسب انجام دهد. جابه‌جایی کالا، کمک به فرایندهای تولید یا انجام فعالیت‌های تکراری در محیط‌های طراحی‌شده برای انسان، از جمله کاربردهایی هستند که می‌توانند مورد بررسی قرار گیرند. موفقیت در این حوزه به توانایی ربات در اجرای مداوم وظایف واقعی وابسته است، نه صرفاً نمایش حرکات پیچیده.
این موضوع با نگاه ویشوانات به فرصت‌های سرمایه‌گذاری هم‌راستا است: فناوری زمانی اهمیت بیشتری پیدا می‌کند که بتواند مشکل بزرگی را حل کند. در نتیجه، ارزیابی ربات‌های انسان‌نما باید بر عملکرد عملی، هزینه بهره‌برداری، قابلیت اطمینان و نیاز واقعی بازار متمرکز باشد.
جمع‌بندی؛ آینده Physical AI به ترکیب هوش و مهندسی وابسته است
دیدگاه آمولیا ویشوانات نشان می‌دهد که آینده هوش مصنوعی فیزیکی را نباید تنها در مدل‌های بزرگ‌تر یا ربات‌های انسان‌نما خلاصه کرد. از ربات‌های کارخانه‌ای تا توسعه مواد و داروها، این حوزه طیف گسترده‌ای از فناوری‌ها را دربر می‌گیرد که برای موفقیت به ترکیب هوش مصنوعی، مهندسی، سخت‌افزار و شناخت دقیق نیازهای واقعی وابسته هستند.
تشبیه صنعت رباتیک به دوران لگو نیز بر این نکته تأکید دارد که بسیاری از اجزای زیرساختی هنوز در حال توسعه‌اند. حتی اگر مدل‌های عمومی هوش مصنوعی توانایی‌های چشمگیری پیدا کنند، چالش‌هایی مانند کنترل حرکت، ایمنی، تعامل با محیط و تولید اقتصادی همچنان اهمیت خواهند داشت.
از سوی دیگر، تمرکز سرمایه‌گذاران بر مشکلات واقعی، مانند کمبود نیروی کار در کارخانه‌های کوچک یا فشار کاری متخصصان درمان، می‌تواند به هدایت سرمایه به سمت کاربردهای عملی کمک کند. در نهایت، موفقیت هوش مصنوعی فیزیکی نه فقط با توانایی‌های فنی آن، بلکه با میزان تأثیر مثبتش بر صنایع و زندگی روزمره سنجیده خواهد شد.
برای دنبال کردن تازه‌ترین اخبار هوش مصنوعی، رباتیک و سرمایه‌گذاری در فناوری‌های نوین، به ایران نت مراجعه کنید.
“`
