استوعب اتجاه التطور التكنولوجي العالمي واغتنم فرصة تطوير الذكاء المُجسَّد

الذكاء المتجسِّد هو نظام ذكي يدمج الإدراك والتفكير واتخاذ القرار والعمل من خلال التفاعل الفعلي اللحظي بين الكيانات المادية والبيئة، ويشمل أشكالاً متنوعة مثل الروبوتات الشبيهة بالبشر والروبوتات الحيوية وأنظمة البيئة المدمجة. وفي الوقت الراهن، يتطور الذكاء المتجسِّد باستمرار عبر التفاعل المتكرر مع البيئة، ما يحسّن بشكلٍ ملحوظ قدرته على اتخاذ القرارات المعرفية وأداء المهام العملية الملموسة، ويُسرّع تطوّره نحو ذكاء عام أكثر استقلالية وقدرة على التعميم عبر سيناريوهات مختلفة. ولذلك فإن إدراك اتجاهات الابتكار التكنولوجي العالمي في مجال الذكاء المتجسِّد بدقة والاستجابة النشطة للتحديات العميقة فيه يكتسب أهمية كبيرة لاغتنام الفرص والفوز بالمبادرة في الجولة الجديدة من التحوّل الصناعي.

　　يظهر تطوير تكنولوجيا الذكاء المتجسِّد عالمياً خمسة اتجاهات رئيسية

حاليًّا، تُظهر تكنولوجيا الذكاء المُجسَّد عالميًّا اتجاه تطوُّرٍ متسارع، مع إنجازاتٍ في خمسة أبعاد: الإدراك والتفاعل، واتخاذ القرار والإدراك، والتحكم والتنفيذ، ودمج البيانات بين المجالين الافتراضي والواقعي، والتكامل النظامي، ما يدفع الذكاء المُجسَّد من المختبر إلى التطبيقات على نطاق واسع.

الأمر الأول هو دمج نماذج العالم وانتقال تفاعل الإدراك. وتحت تأثير نموذج العالم وتكنولوجيا الإدراك متعدد الوسائط، حسَّنت الذكاء المُجسَّد بشكلٍ ملحوظ قدرته على فهم البيئات المادية والتفاعل معها، محقِّقًا تحولًا جذريًّا من «الاستجابة للمنبهات» إلى «اتخاذ القرارات الاستنباطية»، ومن إعادة هيكلة البيانات إلى فهم الأنماط. وأطلقت شركة ميتا نموذج العالم V-JEPA2، الذي يستطيع التنبؤ بنتائج السلوكيات المختلفة وترتيبها وفقًا للأهداف المنشودة، ما يحسِّن دقة الإجراءات بشكل كبير. واقترحت جامعة بكين بنية نموذج اللغة والإجراء متعدد الحواس MLA، التي تدمج وسائط إدراكية متعددة بالكامل، وتوفر أساسًا أكثر موثوقيةً لاتخاذ القرارات عبر دمج الإشارات غير المتجانسة.

ثانياً، هناك اتجاهٌ من الطرف إلى الطرف وتحولٌ جذريٌّ في اتخاذ القرارات. وقد نضجت بنية اتخاذ القرارات الهرمية للذكاء المُجسَّد المُسمَّاة «دماغ + دماغ صغير»، وأصبح تطبيقها يتزايد باطراد؛ أما النموذج من الطرف إلى الطرف، بفضل مزاياه المتمثِّلة في التغطية الواسعة، والتأخُّر المنخفض، والاستقلالية العالية، والتعاون القوي، فقد أظهر إمكاناتٍ كبيرةً في استكشاف الذكاء المُجسَّد نحو التعميم العام. ويعتمد نظام روبوتات جوجل ديب مايند جيميني على بنية فـ. لـ. أ. (VLA) من الطرف إلى الطرف، ويتمتَّع بقدرةٍ ممتازةٍ على التعميم عبر الرتب المفاهيمية المختلفة؛ أما نموذج دوبيت-فـ. لـ. أ. (DOBOT-VLA) الذي طوَّرته شركة يوي جيانغ الصينية بشكل مستقل، فيدمج بين القدرات البصرية واللغوية والتحكمية، وقد خضع لتحسينٍ عبر التعلُّم التعزيزي في بيئات حقيقية. وباستخدام روبوتها الإنساني أتوم (ATOM)، حقَّقت الشركة الإنتاج الضخم عام ٢٠٢٥، ويمكنه تنفيذ مهامٍ معقَّدةٍ مثل المشي والتوازن الديناميكي والتجميع الدقيق.

ثالثًا، أدى التقدُّم في المواد المرنة إلى ظهور قدراتٍ على إصلاح الذات. وتدفع ثورة المواد تطوُّر الذكاء المتجسِّد من «نهاية تنفيذ جامدة» إلى «كينونة تكيُّف ذكية». وتمنح أجهزة الاستشعار اللمسية الشبيهة بالجلد والجلد الإلكتروني الذكاء المتجسِّدَ قدراتٍ فائقة الحساسية لإدراك البيئة، بينما تزوِّد البنية المرنة المستوحاة من أشكال الحياة الذكاء المتجسِّدَ بكائنات حيَّة ذكية قادرةً على حركات متعددة الوسائط مثل الزحف والتدحرج والانقباض الدوراني، ما يتيح لها التكيُّف الفعّال مع سيناريوهات التطبيق وتوسيع نطاقها. وتحقِّق المواد القابلة لإصلاح الذات اختراقاتٍ نشطةً في إصلاح الذات: فبعد تضرُّر الجسم، يمكنه تحقيق إعادة تجميع عكسية للروابط الكيميائية تحت تأثير الضوء والحرارة. وهي تدمج بين وظائف كشف التلف وموضعه وإصلاحه ذاتيًّا، ما يحسِّن بشكل كبير متانة الذكاء المتجسِّد وموثوقيته في البيئات المعقدة والقاسية، ويضمن تشغيله الذاتي طويل الأمد.

الرابع هو دمج البيانات الافتراضية والواقعية وتوحيد معايير البيانات. وقد أصبحت التكلفة العالية وصغر حجم جمع بيانات الآلات الفعلية، إضافةً إلى ضعف قدرتها على التعميم في البيئات غير المُدرَكة مسبقاً، عوائقَ رئيسيةً أمام تطوير الذكاء الجسدي. أما مصدر البيانات التوليدي فهو بيئة محاكاةٍ تُنشَأ بواسطة النموذج الكبير، وتتميّز بحجمها الكبير ودرجة تركيبها العالية، ما يسمح بتغطية فجوة البيانات بتكلفة منخفضة. وعند دمج هذه البيئة مع قيود القوانين الفيزيائية ومنهجيات البيانات المختلطة، وضبطها بدقة باستخدام بيانات الآلات الفعلية، يمكن تقليص الفجوة بين المحاكاة والواقع بشكلٍ كبير. وقد جمّعت الشركة المحلية «51Sim» سيناريوهات قيادة مساعدة من طرفٍ إلى طرفٍ وبياناتٍ مُولَّدةً استناداً إلى منصة «Nvidia»، ووُظِفت بنجاحٍ في تدريب الروبوتات ضمن سيناريوهات معقَّدة مثل الموانئ والمناجم. أما منصة «Dome DOME» فهي توحّد واجهات البيانات ومواصفات التنسيقات، وتُفكِّك الحواجز بين مخازن البيانات المنعزلة، وتبني لغةً عامةً للصناعة، ما يعزِّز فعّالياً التكامل التشغيلي عبر السيناريوهات المختلفة ويضمن توفير بيانات عالية الجودة.

الخامس هو تحقيق التعاون غير المتجانس وبناء أساس آمن. ويؤدي فصل البرمجيات عن الأجهزة والتكامل الوحدوي إلى تسريع تطوير أنظمة التشغيل الذكية المُجسَّدة، مما يحقِّق التوافق عبر الرتب الوجودية المختلفة والتعاون غير المتجانس. وتُوحِّد معمارية OpenRMF «قواعد المرور» و«لغة الاتصال» الخاصة بالروبوتات، ما يمكِّن من العمليات التعاونية بين مجموعات الآلات غير المتجانسة؛ أما النظام OM1 الذي أطلقته شركة OpenMind فيدعم الإدخال والتشغيل الفوري (Plug and Play) والتطوير عبر الرتب الوجودية المختلفة لواجهات برمجة التطبيقات (APIs) الخاصة بالنماذج الكبيرة الشائعة. ويعزِّز التكامل النظامي الأساس الذي يستند إليه المشروع، ويضمن السلامة والمصداقية والالتزام بالقيود الأساسية. كما يمكن لتقنيات الحوسبة الخاصة بالخصوصية، مثل التدريب المضاد والخصوصية التفاضلية، تحقيق التعاون بين المؤسسات المختلفة دون إفشاء البيانات الأولية، ما يبني نظام دفاع نشط وآمن متعدد الطبقات للتطبيقات ذات النطاق الواسع للذكاء المُجسَّد.

　　اتّخذ إجراءات متعددة لتعزيز القدرة التنافسية للذكاء المُجسَّد في الصين

في الوقت الراهن، يمرّ الذكاء المُجسَّد في الصين بمرحلة حرجة تتمحور حول تنسيق التقدّم التكنولوجي، وإدخال الصناعة، وتنمية النظام البيئي. وقد تسارعت عملية توطين المكوّنات الأساسية للعتاد، كما تحسّنت أداء النماذج الكبيرة بشكل كبير. وبإمكان قدرة الحوسبة المحلية دعم النماذج المعقدة بكفاءة، وتشكّلت بالفعل قدرات تطبيقية أولية في بعض المجالات. ومع ذلك، وبسبب تصاعد شدة المنافسة الدولية، لا يمكن تجاهل التحديات العميقة التي يواجهها الذكاء المُجسَّد.

أولاً، يجب تحسين القدرة على التحكم الذاتي في المكونات الأساسية، إذ يظل الاعتماد الخارجي مرتفعاً جداً على المحركات المؤازرة ومخفضات السرعة وأجهزة الاستشعار عالية الجودة. كما أن مدى نظام الطاقة غير كافٍ، ولا تزال هناك نقاط ضعف في القدرة على تطوير الحلول التقنية بكامل مراحلها داخلياً. ثانياً، لا تزال أنظمة المعايير والبيئة الصناعية بحاجة إلى تطوير، فتتفق واجهات الأجهزة وبروتوكولات الاتصال ومعايير توافق البرمجيات بشكل غير كافٍ، وتنتشر جزر البيانات بشكل واسع، بينما تبقى تأثيرات مجتمعات المصادر المفتوحة محدودة، ويقلّ عرض البيانات التفاعلية عالية الجودة. ثالثاً، لا تزال أنظمة الحوكمة الأمنية بحاجة إلى تحسين، إذ يصعب تحديد توزيع المسؤوليات في حالات الحوادث الناتجة عن الأنظمة ذاتية القيادة. كما أن جمع البيانات الحساسة بشكل مستمر قد يؤدي بسهولة إلى مخاطر مثل تسريب البيانات أو انتهاك الخصوصية، ويجب تحسين الآليات الموثوقة للتعاون بين المؤسسات.

أمام التحديات المذكورة أعلاه، يجب على الصين أن تستغل فترة النافذة التنموية، وتأخذ الابتكار الذاتي كمحور رئيسي، والبناء القياسي كنقطة انطلاق، والحوكمة الأمنية كحدٍّ أدنى، وتعجّل في تطوير نظام بيئي صناعي ذكي مُجسَّد، لتقديم دفعة قوية لتنمية إنتاجية الجودة الجديدة وبناء دولة تقنية قوية.

أحد هذه الإجراءات هو تعزيز هيكل القوى التكنولوجية الاستراتيجية وتدعيم أساس الابتكار الذاتي. وانطلاقاً من النظام الوطني الجديد، سنعزِّز القدرات العلمية والتكنولوجية الاستراتيجية للمختبرات الوطنية الرئيسية في مجال الذكاء المُجسَّد، ونُجري أبحاثاً علمية منظَّمة تتركّز على اتجاهات رائدة مثل نموذج الاندماج الثلاثي «المعلومات – الفيزياء – الإدراك»، وهندسة اتخاذ القرارات من الطرف إلى الطرف، والمواد المرنة المستوحاة من النماذج البيولوجية. كما سنعمِّق التكامل بين القطاع الصناعي والأوساط الأكاديمية والبحثية بقيادة المؤسسات، وندعم الشركات الرائدة في المجال التكنولوجي لتقود تشكيل تحالفات ابتكارية، ونركّز الموارد المتفوِّقة لكسر الاختناقات التي تواجه توطين المكوِّنات الأساسية مثل المحركات servo والمخفِّضات والبراغي الدوارة الكوكبية، ونتوصِّل إلى ربط السلسلة الكاملة «من البحث الأساسي إلى تطوير التكنولوجيا ثم التطبيق الصناعي»، وكسر القيود التي تكبِّل التنمية الصناعية من جذورها.

أما الثاني فهو بناء نظام بيئي صناعي مفتوح وتعاوني، يقود التنمية عالية الجودة بمعايير مرتفعة. ويشمل ذلك تسريع تطوير واجهات الأجهزة والبروتوكولات الاتصالية والمعايير الخاصة بالتوافق البرمجي بين القطاعات المختلفة، وتعزيز البرمجيات الأساسية المستقلة الخاضعة للسيطرة، مثل أنظمة التشغيل والبرمجيات الوسيطة. كما يشمل استكشاف إنشاء هيئات رفيعة المستوى لتجميع البيانات وإدارتها، ووضع معايير لجمع البيانات المتعددة الوسائط وتصنيفها، وإنشاء معايير محاكاة ومنصات مفتوحة للبيانات في سيناريوهات رئيسية مثل التصنيع الذكي والعمليات عالية الخطورة، وكسر الحواجز التي تعترض تدفق البيانات. ويشمل أيضاً تنمية نشطة للنظام البيئي المحلي المفتوح المصدر، وتشجيع الجامعات ومعاهد الأبحاث والشركات على التعاون في إنشاء أنظمة مشتركة لموارد الحوسبة الخوارزمية، وتخفيف العوائق أمام البحث والتطوير، وتسريع التحديث التكنولوجي، وقيادة ترقية جودة القطاع عبر التوحيد القياسي الرفيع المستوى والمفتوح المصدر.

الثالث هو إرساء نظامٍ سليمٍ لإدارة الأمن وبناء أساسٍ متينٍ للتنمية الموثوقة. ويشمل ذلك إنشاء آلية حماية هرميّة تغطي الخوارزميات والبيانات والأمن المادي، مع توضيح حدود الصلاحيات والمسؤوليات لجميع الأطراف المشاركة في الإنتاج والاستخدام وتوريد الخوارزميات والإشراف. كما يشمل إجراء أبحاث استباقية حول تحديد مسؤولية الحوادث، وآليات التعاون بين المؤسسات المختلفة، وقواعد الإدارة القائمة على الثقة المتبادلة، بالإضافة إلى المبادئ التوجيهية المتعلقة بالسلامة والأخلاقيات الخاصة بسلوكيات الملاحة المحددة والتعاون الجماعي وغيرها من السلوكيات. واستكشاف نماذج تنظيمية شاملة وحذرة، وإجراء تقييمات أخلاقية وأمنية تشمل دورة الحياة الكاملة، وإرساء أنظمة دفاع آمنة وفعّالة متعددة الطبقات، وتوفير ضمانات مؤسسية لتنفيذ الذكاء المُجسَّد على نطاق واسع وتنميته الصحية على المدى الطويل.