الروبوتات تتأخر عن روبوتات الدردشة المدعومة بالذكاء الاصطناعي بسبب "فجوة بيانات" هائلة، يكشف خبير

التكنولوجيا اليومية

28/08/2025

الفجوة البياناتية البالغة 100,000 عام: لماذا لا تزال الروبوتات متأخرة عن روبوتات الدردشة المدعومة بالذكاء الاصطناعي

بينما أصبحت روبوتات الدردشة المدعومة بالذكاء الاصطناعي مساعدين شخصيين ووكلاء خدمة عملاء متطورين، يواجه تطوير الروبوتات البشرية المتقدمة القادرة على أداء مهام جسدية معقدة عقبات كبيرة. تُعد "فجوة بيانات تبلغ 100,000 عام" السبب الرئيسي الذي يستشهد به خبراء الروبوتات لهذا التفاوت، مما يسلط الضوء على الاختلاف الهائل في بيانات التدريب المتاحة لنماذج اللغة مقابل التلاعب الجسدي.

النقاط الرئيسية

يتم تدريب روبوتات الدردشة المدعومة بالذكاء الاصطناعي على كميات هائلة من بيانات النصوص المتاحة على الإنترنت، والتي يُقدر أن يستغرق قراءتها 100,000 عام للإنسان.
تفتقر الروبوتات البشرية إلى بيانات واقعية مماثلة للتدريب، خاصة للمهارات الحركية الدقيقة والتلاعب بالأشياء.
لا تزال البراعة، أو القدرة على التلاعب بالأشياء مثل كأس النبيذ، تمثل تحديًا كبيرًا للروبوتات، على الرغم من براعة الذكاء الاصطناعي في الألعاب المعقدة.
يدور نقاش مستمر في مجال الروبوتات بين المناهج القائمة على البيانات وطرق الهندسة التقليدية.

"ضجة الروبوتات البشرية" والتوقعات الواقعية

تُقابل التصريحات الأخيرة من قادة التكنولوجيا مثل إيلون ماسك، التي تشير إلى أن الروبوتات البشرية ستتفوق قريبًا على الجراحين البشريين أو ستعمل كخدم منزليين، بالتشكك من قبل العديد في مجال الروبوتات. يوضح كين غولدبرغ، عالم الروبوتات في جامعة كاليفورنيا في بيركلي، أنه بينما أحرزت روبوتات الدردشة المدعومة بالذكاء الاصطناعي تقدمًا ملحوظًا في اللغة والرؤية، فإن القفزة إلى قدرات جسدية متطورة للروبوتات ليست وشيكة. يحذر غولدبرغ من التوقعات المبالغ فيها، محذرًا من أن "فقاعة" قد تؤدي إلى رد فعل عنيف كبير إذا لم يواكب التقدم الضجة.

فهم "الفجوة البياناتية البالغة 100,000 عام"

يكمن جوهر المشكلة في الحجم الهائل وطبيعة البيانات المطلوبة للتدريب. يتم تشغيل روبوتات الدردشة المدعومة بالذكاء الاصطناعي بواسطة نماذج اللغة الكبيرة (LLMs) المدربة على البيانات النصية الهائلة المتاحة عبر الإنترنت. حسب غولدبرغ أنه سيستغرق الإنسان 100,000 عام لقراءة كل هذا النص. في المقابل، فإن البيانات اللازمة لتدريب الروبوتات على المهام الواقعية، وخاصة التلاعب المعقد، أقل وفرة بكثير. محاولات استخدام بيانات الفيديو ثنائية الأبعاد أو المحاكاة لها قيود، حيث غالبًا ما تفشل في التقاط الحركات ثلاثية الأبعاد الدقيقة والتغذية الراجعة اللمسية الضرورية للبراعة.

النقاش: البيانات مقابل الهندسة

يشهد مجتمع الروبوتات حاليًا تحولًا نموذجيًا، مع نقاش متزايد بين معسكرين رئيسيين. يدافع أحد المجموعات عن نهج يركز على البيانات، معتقدين أن جمع ما يكفي من البيانات سيفتح في النهاية قدرات روبوتية متقدمة. أما الآخر، الملتزم بـ "الهندسة القديمة الجيدة"، فيؤكد على الأهمية المستمرة للفيزياء والرياضيات ونمذجة البيئة في تصميم وبرمجة الروبوتات.

يدعو غولدبرغ إلى نهج هجين، حيث تُستخدم مبادئ الهندسة التقليدية لإنشاء روبوتات وظيفية يمكنها بعد ذلك جمع البيانات اللازمة للتحسين بمرور الوقت. تُذكر شركات مثل وايمو (السيارات ذاتية القيادة) وأمبي روبوتكس (فرز الطرود) كأمثلة على هذا التحسين الناجح القائم على جمع البيانات.

التأثير على مستقبل العمل

بينما ركزت المخاوف السابقة على إزاحة الروبوتات لوظائف المصانع ذات الياقات الزرقاء، فقد حول صعود الذكاء الاصطناعي المخاوف إلى المهن ذات الياقات البيضاء والمهن الإبداعية. ومع ذلك، يعتقد غولدبرغ أن العديد من المهن الماهرة تظل آمنة من الأتمتة في المستقبل القريب. ويشير إلى أنه بينما يمكن أتمتة المهام الروتينية مثل ملء النماذج، فإن الوظائف التي تتطلب التعاطف والتفاعل البشري الدقيق، مثل خدمة العملاء أو تقديم أخبار طبية حساسة، أقل عرضة للاستبدال الكامل بالذكاء الاصطناعي أو الروبوتات. الإجماع بين معظم الباحثين هو أن البشر لا يزال لديهم دور مهم يلعبونه في المشهد المتطور للعمل.

09-03-2026

فهم الموجة التالية من الذكاء الاصطناعي مع GPT-5.4

استكشف التطورات الرئيسية في نموذج GPT-5.4 الجديد من OpenAI، بدءًا من قدرات الذكاء الاصطناعي الوكيلة القوية وصولاً إلى التحسينات الهامة في الدقة والموثوقية.