روند تکامل فناوری جهانی را درک کنید و فرصت توسعه هوش مجسم را به دست آورید

هوش مجسم سیستمی هوشمند است که از طریق تعامل بلادرنگ بین موجودات فیزیکی و محیط، ادراک، شناخت، تصمیم‌گیری و اقدام را یکپارچه می‌کند و اشکال مختلفی مانند ربات‌های انسان‌نما، ربات‌های بیونیک و سیستم‌های محیطی تعبیه‌شده را پوشش می‌دهد. در حال حاضر، هوش مجسم از طریق تعاملات مکرر با محیط به‌طور مداوم در حال توسعه است، توانایی تصمیم‌گیری شناختی و عملکرد عملی انتولوژیکی را به‌طور قابل‌توجهی بهبود می‌بخشد و تکامل خود را به سمت هوش کلی خودمختارتر و فراگیرتر در سناریوهای متقاطع تسریع می‌کند. درک دقیق روند جهانی نوآوری فناوری هوش مجسم و پاسخگویی فعال به چالش‌های بنیادین، برای تصاحب فرصت‌ها و کسب مزیت راهبردی در چرخه جدید تحولات صنعتی از اهمیت بسزایی برخوردار است.

　　توسعه جهانی فناوری هوش مجسم پنج روند اصلی را نشان می‌دهد

در حال حاضر، فناوری هوش تجسم‌یافته در سطح جهانی روند تکاملی شتابانی را نشان می‌دهد و پیشرفت‌هایی در پنج بعد ادراک و تعامل، تصمیم‌گیری و شناخت، کنترل و اجرا، ادغام داده‌ها در حوزه‌های مجازی و واقعی، و یکپارچه‌سازی سیستم‌ها حاصل شده است که این امر در جهت انتقال هوش تجسم‌یافته از آزمایشگاه به کاربردهای گسترده‌تر عمل می‌کند.

یکی از موارد، درج مدل‌های جهانی و گذار از تعامل حسی است. هوش تجسم‌یافته با انگیزهٔ مدل‌های جهانی و فناوری‌های ادراک چندوجهی، توانایی خود را در درک محیط‌های فیزیکی و تعامل با آن‌ها به‌طور چشمگیری افزایش داده و تحولی بنیادین از «پاسخ به محرک» به «تصمیم‌گیری استنتاجی» و از بازسازی داده‌ها به درک الگوها ایجاد کرده است. شرکت متا مدل جهانی وی-جِپا۲ را راه‌اندازی کرده که می‌تواند پیامدهای رفتارهای مختلف را پیش‌بینی کرده و آن‌ها را بر اساس اهدافشان رتبه‌بندی کند و بدین ترتیب دقت اقدامات را به‌طور قابل‌توجهی ارتقا می‌دهد. دانشگاه پکن معماری مدل زبانی-عملی چندحسی ام‌ال‌اِی را پیشنهاد کرده که شامل طیف کاملی از حواس چندگانه است و با ادغام سیگنال‌های ناهمگن، پایه‌ای مطمئن‌تر برای تصمیم‌گیری فراهم می‌کند.

دوم، روندی از ابتدا تا انتها و تغییر الگویی در فرآیند تصمیم‌گیری وجود دارد. معماری سلسله‌مراتبی تصمیم‌گیری هوش جسمانی‌شده با نام «مغز + مخچه» بلوغ یافته و به‌طور فزاینده‌ای در حال به‌کارگیری است؛ مدل از ابتدا تا انتها با مزایای پوشش گسترده، تأخیر کم، خودمختاری بالا و همکاری قوی، پتانسیل بزرگی در بررسی هوش جسمانی‌شده به‌سوی تعمیم عمومی نشان داده است. رباتیک جمینای گوگل دیپ‌مایند متکی بر معماری VLA از ابتدا تا انتها است و توانایی عالی تعمیم میان انواع مختلف مفاهیم را دارد؛ مدل DOBOT-VLA که توسط شرکت یوئوجیانگ در چین به‌صورت مستقل توسعه یافته، قابلیت‌های بینایی، زبانی و کنترلی را یکپارچه کرده و از طریق یادگیری تقویتی در محیط واقعی بهینه‌سازی شده است. این مدل همراه با ربات انسان‌نما ATOM آن، در سال ۲۰۲۵ وارد مرحله تولید انبوه شده و قادر به انجام وظایف پیچیده‌ای مانند راه‌رفتن، تعادل پویا و مونتاژ دقیق است.

سوم، پیشرفت‌های حاصل‌شده در مواد انعطاف‌پذیر منجر به ظهور قابلیت‌های خودترمیم‌شوندگی شده‌اند. انقلاب مواد، تکامل هوش جسمانی را از «انتهای اجرای سفت» به «وجود تطبیق‌پذیر هوشمند» هدایت می‌کند. سنسورهای لامسه‌مانند و پوست الکترونیکی به هوش جسمانی امکان ادراک محیطی بسیار حساس را می‌دهند، در حالی که ساختار انعطاف‌پذیر الهام‌گرفته از طبیعت، اشکال زنده هوشمند جسمانی را با قابلیت‌های حرکتی چندوجهی مانند خزیدن، غلتیدن و پریستالسیس مجهز می‌سازد و به‌طور مؤثری با سناریوهای کاربردی تطبیق یافته و آن‌ها را گسترش می‌دهد. مواد خودترمیم‌شونده دستاوردی فعال در زمینه خودترمیمی به‌دست آورده‌اند؛ پس از آسیب‌دیدن بدن، با اثر نور و گرما، بازترکیب معکوس پیوندهای شیمیایی امکان‌پذیر می‌شود. این مواد ترکیبی از عملکردهای تشخیص آسیب، مکان‌یابی آن و خودترمیمی هستند و به‌طور چشمگیری استحکام و قابلیت اطمینان هوش جسمانی را در محیط‌های پیچیده و سخت افزایش داده و عملکرد خودمختار بلندمدت آن را تضمین می‌کنند.

چهارمین مورد، ادغام داده‌های مجازی و واقعی و یکسان‌سازی استانداردهای داده است. هزینهٔ بالا و مقیاس کوچک جمع‌آوری داده از ماشین‌های واقعی، همراه با توانایی ضعیف تعمیم‌پذیری در محیط‌های ناشناخته، به موانع اصلی در توسعهٔ هوشِ جسمانی تبدیل شده‌اند. منبع دادهٔ تولیدی، محیط شبیه‌سازی‌شده‌ای است که از مدل بزرگ ساخته می‌شود و دارای حجم بالا و سطح بالایی از ساختارمندی است؛ این منبع می‌تواند شکاف داده‌ای را با هزینه‌ای پایین پر کند. این منبع، در ترکیب با محدودیت‌های قوانین فیزیکی و رویکردهای داده‌ای ترکیبی و همچنین تنظیم‌شدن با داده‌های واقعی ماشین‌ها، می‌تواند شکاف بین شبیه‌سازی و واقعیت را به‌طور چشمگیری کاهش دهد. شرکت داخلی ۵۱سیم (51Sim) سناریوهای پشتیبانی‌شده از رانندگی انتهایی تا انتهایی و داده‌های ترکیبی را بر اساس پلتفرم انویدیا (Nvidia) جمع‌آوری کرده و با موفقیت آن‌ها را در آموزش ربات‌ها برای سناریوهای پیچیده‌ای مانند بنادر و معادن به‌کار برده است. پلتفرم «دام دوم» (Dome DOME) رابط‌ها و مشخصات قالب داده‌ها را یکسان می‌کند، سیلوهای داده‌ای را از بین می‌برد، زبانی عمومی برای صنعت ایجاد می‌کند و به‌طور مؤثری همکاری بین سناریوها و تأمین داده‌های باکیفیت را تقویت می‌نماید.

پنجمین اصل، دستیابی به همکاری ناهمگون و ایجاد زیربنایی امن است. جداسازی نرم‌افزار از سخت‌افزار و ادغام ماژولار، شتاب‌دهندهٔ توسعهٔ سیستم‌های عامل هوشمند مادی برای تحقق سازگاری میان هستی‌های مختلف و همکاری ناهمگون است. معماری OpenRMF «قوانین ترافیکی» و «زبان ارتباطی» ربات‌ها را یکسان می‌سازد و امکان انجام عملیات مشترک میان خوشه‌های ماشین‌های ناهمگون را فراهم می‌کند؛ OM1 که توسط OpenMind راه‌اندازی شده، از قابلیت «اتصال و استفاده بلافاصله» (plug and play) و توسعهٔ APIهای مدل‌های بزرگ رایج در محیط‌های هستی‌شناسی متفاوت پشتیبانی می‌کند. ادغام سیستمی، زیربنای پروژه را تقویت می‌کند و اطمینان از ایمنی، قابل‌اعتمادبودن و رعایت محدودیت‌های اساسی را تضمین می‌نماید. آموزش تقابلی (adversarial training)، حریم خصوصی تفاضلی (differential privacy) و سایر فناوری‌های محاسبات حریم خصوصی، امکان همکاری میان نهادهای مختلف را بدون نشت داده‌های خام فراهم می‌سازند و سیستمی فعال و امن با عمق دفاعی بالا را برای کاربردهای مقیاس‌بزرگ هوش مادی ایجاد می‌کنند.

　　برای افزایش رقابت‌پذیری هوش جسمانی چین، اقدامات متعددی انجام شود

در حال حاضر، هوش جسمانی چین در مرحله‌ای حیاتی قرار دارد که در آن شکست‌های فناوری، معرفی صنعتی و پرورش اکوسیستم با یکدیگر هماهنگ می‌شوند. محلی‌سازی سخت‌افزارهای اصلی تسریع شده است و عملکرد مدل‌های بزرگ به‌طور چشمگیری بهبود یافته است. قدرت محاسباتی داخلی می‌تواند به‌طور کارآمد مدل‌های پیچیده را اجرا کند و در برخی زمینه‌ها قابلیت‌های کاربردی اولیه شکل گرفته است. با این حال، با تشدید رقابت بین‌المللی، چالش‌های عمیق هوش جسمانی نباید نادیده گرفته شوند.

اولاً، کنترل‌پذیری خودکار اجزای اصلی باید بهبود یابد؛ زیرا وابستگی بسیار بالایی به موتورهای سروو، کاهش‌دهنده‌ها و سنسورهای پیشرفته از منابع خارجی وجود دارد. طول عمر سیستم انرژی ناکافی است و توانایی توسعهٔ مستقل تمام لایه‌ها (فول استک) هنوز ضعیف است. ثانیاً، سیستم استانداردها و اکوسیستم صنعتی نیازمند بهبود بیشتر است؛ زیرا رابط‌های سخت‌افزاری، پروتکل‌های ارتباطی و استانداردهای سازگاری نرم‌افزاری ناسازگان هستند، جدایی داده‌ها (داده‌های ایزوله) به‌طور گسترده‌ای رخ می‌دهد، جامعهٔ منبع‌باز تأثیر محدودی دارد و عرضهٔ داده‌های تعاملی باکیفیت کافی نیست. ثالثاً، سیستم حکمرانی امنیتی نیز نیازمند بهبود است؛ زیرا تفویض مسئولیت در حین حوادث سیستم‌های خودمختار دشوار است. جمع‌آوری مداوم داده‌های حساس می‌تواند به‌راحتی منجر به ریسک‌هایی مانند نشت داده و تجاوز به حریم خصوصی شود و مکانیسم‌های قابل اعتماد برای همکاری بین نهادها نیز باید تقویت شوند.

در برابر چالش‌های فوق، چین باید پنجرهٔ فرصت توسعه را به دست آورد، نوآوری مستقل را به عنوان محور اصلی، ساخت استانداردها را به عنوان نقطهٔ شروع و حکمرانی امنیتی را به عنوان حداقل خط قرمز در نظر بگیرد، روند پرورش اکوسیستم صنعتی هوشمندِ جامع را تسریع کند و انرژی قوی‌ای برای توسعهٔ بهره‌وری کیفی جدید و ساخت کشوری قدرتمند از نظر فناوری فراهم کند.

یکی از راه‌ها تقویت چیدمان نیروهای فناورانه استراتژیک و تثبیت پایه‌های نوآوری مستقل است. با بهره‌گیری از سیستم ملی جدید، توانایی‌های علمی و فناورانه استراتژیک آزمایشگاه‌های کلیدی ملی در حوزه هوش تجسم‌یافته تقویت خواهد شد و پژوهش‌های سازمان‌یافته در جهت جهات پیشرفته‌ای مانند مدل ادغام سه‌حوزه «فیزیک اطلاعات و شناخت»، معماری تصمیم‌گیری پایان‌به‌پایان و مواد انعطاف‌پذیر شبیه‌سازی‌شده زیستی انجام خواهد شد. ادغام عمیق بخش‌های صنعت، دانشگاه و پژوهش تحت رهبری بنگاه‌های اقتصادی نیز تقویت می‌شود؛ همچنین از بنگاه‌های پیشرو در فناوری حمایت می‌شود تا پیش‌کسوتان اتحادیه‌های نوآوری را تشکیل دهند، منابع برتر را در جهت عبور از موانع محلی‌سازی اجزای اصلی مانند موتورهای سروو، کاهش‌دهنده‌ها و پیچ‌های غلتان سیاره‌ای متمرکز کنند، زنجیره کامل «پژوهش پایه، توسعه فناوری و کاربرد صنعتی» را به‌هم متصل سازند و از ریشه محدودیت‌های توسعه صنعتی را از بین ببرند.

دومین اقدام، ایجاد یک اکوسیستم صنعتی باز و همکارانه است که با استانداردهای بالا، توسعهٔ باکیفیت را هدایت می‌کند. توسعهٔ رابط‌های سخت‌افزاری بین‌رشته‌ای، پروتکل‌های ارتباطی و استانداردهای سازگاری نرم‌افزاری را تسریع کنید و نرم‌افزارهای پایهٔ مستقل و قابل کنترل—مانند سیستم‌عامل‌ها و میان‌افزارها—را تقویت نمایید. بررسی ایجاد نهادهای تخصصی برای تجمیع و حکمرانی داده‌ها را آغاز کنید، استانداردهای جمع‌آوری و برچسب‌گذاری داده‌های چندحالتی را توسعه دهید، معیارهای شبیه‌سازی و پلتفرم‌های باز داده‌ها را برای سناریوهای کلیدی مانند تولید هوشمند و عملیات پرخطر بسازید و موانع جریان داده‌ها را از بین ببرید. اکوسیستم متن‌باز محلی را به‌طور فعال پرورش دهید، دانشگاه‌ها، مراکز تحقیقاتی و شرکت‌ها را تشویق کنید تا به‌صورت مشترک سیستم‌های اشتراک قدرت محاسباتی الگوریتمی را بسازند، موانع تحقیق و توسعه را کاهش دهند، تکرار فناوری را تسریع کنند و با استانداردسازی سطح بالا و رویکرد متن‌باز، ارتقای کیفی صنعت را هدایت نمایند.

سومین اقدام، ایجاد یک سیستم حکمرانی امنیتی سالم و پایه‌گذاری بنیانی محکم برای توسعه‌ای قابل اعتماد است. ایجاد مکانیزمی سلسله‌مراتبی برای حفاظت که شامل امنیت الگوریتم، داده‌ها و امنیت فیزیکی باشد و مرزهای حقوق و مسئولیت‌های تمامی طرف‌های درگیر در تولید، استفاده، تأمین الگوریتم و نظارت را روشن سازد. انجام تحقیقات پیش‌بینانه در زمینه تعیین مسئولیت در حادثه‌ها، همکاری بین‌نهادی و قواعد حکمرانی مبتنی بر اعتماد متقابل، و همچنین راهنمایی‌های اخلاقی و ایمنی برای رفتارهای خاصی مانند ناوبری، همکاری گروهی و سایر رفتارها. بررسی مدل‌های نظارتی جامع و محتاطانه، انجام ارزیابی‌های اخلاقی و ایمنی در تمام مراحل چرخه عمر، ایجاد سیستم‌های دفاعی فعال و ایمن به‌صورت عمیق، و فراهم‌سازی تضمین‌های نهادی برای اجرای گسترده و توسعه سالم بلندمدت هوش تجسم‌یافته.