จับกระแสการพัฒนาเทคโนโลยีระดับโลกและคว้าโอกาสในการพัฒนาปัญญาประดิษฐ์เชิงกายภาพ

ปัญญาที่มีรูปธรรม คือ ระบบอัจฉริยะที่ผสานการรับรู้ การรู้คิด การตัดสินใจ และการลงมือทำ ผ่านปฏิสัมพันธ์แบบเรียลไทม์ระหว่างสิ่งมีรูปร่างกับสภาพแวดล้อม ครอบคลุมรูปแบบต่าง ๆ เช่น หุ่นยนต์รูปลักษณ์มนุษย์ หุ่นยนต์เลียนแบบสิ่งมีชีวิต และระบบที่ฝังอยู่ในสภาพแวดล้อม ปัจจุบัน ปัญญาที่มีรูปธรรมกำลังพัฒนาอย่างต่อเนื่องผ่านปฏิสัมพันธ์ซ้ำ ๆ กับสภาพแวดล้อม ซึ่งส่งผลให้ความสามารถในการรู้คิดและตัดสินใจดีขึ้นอย่างมาก รวมทั้งประสิทธิภาพในการลงมือทำจริงในโลกแห่งความเป็นจริงดีขึ้นด้วย ทั้งยังเร่งกระบวนการวิวัฒนาการสู่ปัญญาทั่วไปที่มีความอัตโนมัติสูงขึ้นและใช้งานได้ข้ามสถานการณ์ต่าง ๆ ได้ดียิ่งขึ้น การเข้าใจแนวโน้มนวัตกรรมเทคโนโลยีระดับโลกของปัญญาที่มีรูปธรรมอย่างแม่นยำ และตอบสนองต่อความท้าทายเชิงลึกอย่างแข็งขัน จึงมีความสำคัญยิ่งต่อการคว้าโอกาสและครองความได้เปรียบในรอบใหม่ของการเปลี่ยนแปลงอุตสาหกรรม

　　การพัฒนาเทคโนโลยีปัญญาที่มีรูปธรรมทั่วโลกแสดงให้เห็นถึงแนวโน้มหลักห้าประการ

ปัจจุบัน เทคโนโลยีปัญญาประดิษฐ์แบบมีรูปร่าง (embodied intelligence) ทั่วโลกกำลังแสดงแนวโน้มวิวัฒนาการอย่างเร่งตัว โดยมีความก้าวหน้าในห้ามิติ ได้แก่ การรับรู้และการโต้ตอบ การตัดสินใจและการรับรู้เชิงความคิด การควบคุมและการปฏิบัติการ การผสานข้อมูลระหว่างโดเมนเสมือนจริงกับโดเมนจริง และการรวมระบบ ซึ่งสิ่งเหล่านี้กำลังผลักดันให้ปัญญาประดิษฐ์แบบมีรูปร่างก้าวออกจากห้องปฏิบัติการสู่การใช้งานในระดับใหญ่

อย่างแรกคือการฝังแบบจำลองโลกและการเปลี่ยนผ่านของการรับรู้และการมีปฏิสัมพันธ์ ด้วยแรงผลักดันจากแบบจำลองโลกและเทคโนโลยีการรับรู้หลายโหมด ปัญญาประดิษฐ์ที่มีรูปร่าง (embodied intelligence) ได้ยกระดับความสามารถในการเข้าใจและมีปฏิสัมพันธ์กับสภาพแวดล้อมทางกายภาพอย่างมาก ทำให้เกิดการเปลี่ยนแปลงเชิงพาณิชย์จากแนวคิด ‘การตอบสนองต่อสิ่งเร้า’ ไปสู่ ‘การตัดสินใจโดยอาศัยการอนุมาน’ และจาก ‘การจัดเรียงข้อมูลใหม่’ ไปสู่ ‘การเข้าใจรูปแบบ’ เมตาได้เปิดตัวแบบจำลองโลก V-JEPA2 ซึ่งสามารถทำนายผลลัพธ์ของพฤติกรรมต่าง ๆ และจัดอันดับความเหมาะสมของแต่ละพฤติกรรมตามเป้าหมาย ทำให้ความแม่นยำของการลงมือทำเพิ่มสูงขึ้นอย่างมาก มหาวิทยาลัยปักกิ่งเสนอสถาปัตยกรรมโมเดลภาษาและการกระทำแบบหลายประสาทสัมผัส (MLA) ซึ่งนำเข้าโหมดการรับรู้หลายประสาทสัมผัสอย่างครบถ้วน และให้พื้นฐานสำหรับการตัดสินใจที่น่าเชื่อถือยิ่งขึ้นผ่านการผสานสัญญาณที่มีลักษณะต่างกัน

ประการที่สอง มีแนวโน้มแบบครบวงจร (end-to-end) และเกิดการเปลี่ยนผ่านเชิงโครงสร้างในการตัดสินใจ สถาปัตยกรรมการตัดสินใจแบบลำดับชั้นของปัญญาที่ฝังตัว (embodied intelligence) ซึ่งประกอบด้วย "สมอง + สมองน้อย" ได้บรรลุความพร้อมและถูกนำไปใช้งานมากขึ้นเรื่อย ๆ ขณะที่โมเดลแบบครบวงจร (end-to-end) ซึ่งมีจุดแข็งคือครอบคลุมกว้าง ความหน่วงต่ำ อิสระสูง และสามารถร่วมมือกันได้ดีเยี่ยม แสดงศักยภาพอันโดดเด่นในการสำรวจปัญญาที่ฝังตัวเพื่อให้บรรลุความสามารถทั่วไป (general generalization) Gemini Robotics ของ Google DeepMind อาศัยสถาปัตยกรรม VLA แบบครบวงจร และมีความสามารถในการทั่วไปข้ามขอบเขตความรู้ (cross ontology generalization) ที่ยอดเยี่ยม ส่วนโมเดล DOBOT-VLA ที่หยู่เจียงในประเทศจีนพัฒนาขึ้นเองอย่างอิสระ ผสานความสามารถด้านการมองเห็น การเข้าใจภาษา และการควบคุมเข้าด้วยกัน และได้รับการปรับแต่งผ่านการเรียนรู้แบบเสริมแรง (reinforcement learning) ในสภาพแวดล้อมจริง เมื่อติดตั้งบนหุ่นยนต์รูปร่างคล้ายมนุษย์ ATOM แล้ว สามารถผลิตเชิงพาณิชย์จำนวนมากได้ในปี ค.ศ. 2025 และสามารถปฏิบัติภารกิจที่ซับซ้อนได้ เช่น การเดิน การทรงตัวแบบพลวัต และการประกอบชิ้นส่วนอย่างแม่นยำ

ประการที่สาม ความก้าวหน้าด้านวัสดุยืดหยุ่นได้ก่อให้เกิดความสามารถในการซ่อมแซมตัวเองอย่างเป็นรูปธรรม ปฏิวัติวัสดุกำลังขับเคลื่อนวิวัฒนาการของปัญญาที่ฝังตัว (embodied intelligence) จาก ‘จุดสิ้นสุดของการปฏิบัติงานแบบแข็งกระด้าง’ ไปสู่ ‘สิ่งมีชีวิตเชิงปัญญาที่ปรับตัวได้อย่างชาญฉลาด’ เซนเซอร์สัมผัสที่เลียนแบบผิวหนังและอิเล็กทรอนิกส์สกิน (electronic skin) ทำให้ปัญญาที่ฝังตัวมีความสามารถในการรับรู้สภาพแวดล้อมอย่างไวมาก ในขณะที่โครงสร้างยืดหยุ่นที่เลียนแบบระบบชีวภาพมอบความสามารถในการเคลื่อนไหวแบบหลายโหมด เช่น การคลาน การกลิ้ง และการหดตัวแบบลำไส้ ให้กับสิ่งมีชีวิตเชิงปัญญาที่ฝังตัว ซึ่งช่วยให้สามารถปรับตัวเข้ากับสถานการณ์การใช้งานได้อย่างมีประสิทธิภาพและขยายขอบเขตการประยุกต์ใช้งานออกไปได้ วัสดุที่สามารถซ่อมแซมตัวเองได้ (self-repairing materials) ประสบความสำเร็จในการฟื้นฟูตัวเองอย่างแข็งขัน หลังจากที่ตัววัสดุได้รับความเสียหาย มันสามารถเกิดการรวมตัวใหม่ของพันธะเคมีแบบย้อนกลับได้ภายใต้อิทธิพลของแสงและความร้อน วัสดุดังกล่าวผสานรวมฟังก์ชันการตรวจจับความเสียหาย การระบุตำแหน่งความเสียหาย และการซ่อมแซมตัวเองเข้าด้วยกัน จึงช่วยยกระดับความทนทานและความน่าเชื่อถือของปัญญาที่ฝังตัวในสภาพแวดล้อมที่ซับซ้อนและรุนแรงได้อย่างมาก พร้อมรับประกันการดำเนินงานอัตโนมัติอย่างต่อเนื่องในระยะยาว

ประการที่สี่ คือ การผสานรวมข้อมูลเสมือนจริงเข้าด้วยกัน และการปรับมาตรฐานข้อมูลให้เป็นหนึ่งเดียว ต้นทุนสูงและการเก็บรวบรวมข้อมูลจากเครื่องจริงในปริมาณน้อย รวมทั้งความสามารถในการทั่วไปต่อสภาพแวดล้อมที่ยังไม่เคยพบเห็นมาก่อน ได้กลายเป็นอุปสรรคสำคัญต่อการพัฒนาปัญญาประดิษฐ์เชิงร่างกาย (embodied intelligence) แหล่งข้อมูลเชิงสร้างสรรค์ (generative data source) คือ สภาพแวดล้อมจำลองที่สร้างขึ้นโดยใช้โมเดลขนาดใหญ่ (big model) ซึ่งมีปริมาณข้อมูลมากและมีโครงสร้างสูง จึงสามารถเติมช่องว่างของข้อมูลได้ในต้นทุนต่ำ เมื่อนำมาผสมผสานกับข้อจำกัดตามกฎทางฟิสิกส์ รูปแบบข้อมูลแบบผสม (mixed data paradigms) และปรับเทียบกับข้อมูลจากเครื่องจริงแล้ว จะสามารถลดช่องว่างระหว่างการจำลองกับความเป็นจริงได้อย่างมีนัยสำคัญ บริษัทภายในประเทศอย่าง 51Sim ได้สะสมสถานการณ์การขับขี่ช่วยเหลือแบบครบวงจร (end-to-end assisted driving scenarios) และข้อมูลที่สร้างขึ้น (synthesized data) บนแพลตฟอร์มของ Nvidia ซึ่งนำไปใช้ฝึกหัดหุ่นยนต์ในสถานการณ์ที่ซับซ้อน เช่น ท่าเรือและเหมืองแร่ สำเร็จลุล่วงแล้ว แพลตฟอร์ม "Dome DOME" ทำหน้าที่ปรับให้ส่วนติดต่อข้อมูล (data interfaces) และข้อกำหนดรูปแบบข้อมูล (format specifications) เป็นหนึ่งเดียว ทำลายกำแพงข้อมูล (data silos) สร้างภาษาสากลสำหรับอุตสาหกรรม และส่งเสริมการใช้งานร่วมกันข้ามสถานการณ์ (cross-scenario interoperability) รวมทั้งการจัดหาข้อมูลคุณภาพสูงอย่างมีประสิทธิภาพ

ประการที่ห้า คือ การบรรลุความร่วมมือระหว่างระบบที่ต่างกันและสร้างพื้นฐานที่ปลอดภัย การแยกส่วนของซอฟต์แวร์และฮาร์ดแวร์ รวมถึงการผสานรวมแบบโมดูลาร์ กำลังเร่งให้ระบบปฏิบัติการอัจฉริยะเชิงกายภาพบรรลุความเข้ากันได้ข้ามออนโทโลยีและความร่วมมือระหว่างระบบที่ต่างกัน สถาปัตยกรรม OpenRMF ทำหน้าที่เป็นมาตรฐานเดียวกันสำหรับ “กฎจราจร” และ “ภาษาสื่อสาร” ของหุ่นยนต์ ซึ่งช่วยให้กลุ่มเครื่องจักรที่ต่างกันสามารถทำงานร่วมกันได้อย่างมีประสิทธิภาพ ส่วน OM1 ที่เปิดตัวโดย OpenMind รองรับการเชื่อมต่อและใช้งานได้ทันที (plug and play) รวมทั้งสนับสนุนการพัฒนา API ของโมเดลขนาดใหญ่หลัก ๆ ข้ามออนโทโลยี การผสานรวมระบบเสริมสร้างพื้นฐานของโครงการอย่างมั่นคง ทั้งยังรับประกันความปลอดภัย ความน่าเชื่อถือ และการปฏิบัติตามข้อจำกัดพื้นฐานอย่างเคร่งครัด เทคโนโลยีการคำนวณเพื่อความเป็นส่วนตัว เช่น การฝึกแบบต้านทาน (adversarial training) และความเป็นส่วนตัวแบบเชิงอนุพันธ์ (differential privacy) สามารถสนับสนุนความร่วมมือระหว่างหน่วยงานต่าง ๆ โดยไม่ต้องเปิดเผยข้อมูลดิบ จึงสร้างระบบป้องกันแบบลึก (defense in depth) ที่กระตือรือร้นและปลอดภัยสำหรับการประยุกต์ใช้งานอัจฉริยะเชิงกายภาพในระดับมาตราส่วนใหญ่

　　ดำเนินมาตรการหลายประการเพื่อยกระดับขีดความสามารถในการแข่งขันของปัญญาประดิษฐ์แบบมีรูปร่างในจีน

ปัจจุบัน ปัญญาประดิษฐ์แบบมีรูปร่างของจีนอยู่ในช่วงวิกฤตที่ต้องประสานความก้าวหน้าทางเทคโนโลยี การนำอุตสาหกรรมมาใช้จริง และการสร้างระบบนิเวศให้สมบูรณ์ กระบวนการผลิตชิ้นส่วนฮาร์ดแวร์หลักภายในประเทศเร่งตัวขึ้นอย่างมาก ประสิทธิภาพของโมเดลขนาดใหญ่ได้รับการยกระดับอย่างมาก กำลังการประมวลผลภายในประเทศสามารถรองรับโมเดลที่ซับซ้อนได้อย่างมีประสิทธิภาพ และเริ่มมีความสามารถในการประยุกต์ใช้งานเบื้องต้นแล้วในบางสาขา อย่างไรก็ตาม เนื่องจากการแข่งขันระหว่างประเทศที่รุนแรงขึ้นเรื่อย ๆ ความท้าทายเชิงลึกของปัญญาประดิษฐ์แบบมีรูปร่างจึงไม่อาจมองข้ามได้

ประการแรก ความสามารถในการควบคุมตนเองของชิ้นส่วนหลักยังต้องได้รับการยกระดับ โดยเฉพาะอย่างยิ่งยังมีการพึ่งพาภายนอกสูงสำหรับมอเตอร์เซอร์โว ตัวลดความเร็ว และเซ็นเซอร์ระดับสูง ความทนทานของระบบพลังงานยังไม่เพียงพอ และยังมีจุดอ่อนในด้านความสามารถในการพัฒนาเทคโนโลยีแบบครบวงจรด้วยตนเอง ประการที่สอง ระบบมาตรฐานและระบบนิเวศอุตสาหกรรมยังต้องได้รับการปรับปรุงเพิ่มเติม เนื่องจากอินเทอร์เฟซฮาร์ดแวร์ โปรโตคอลการสื่อสาร และมาตรฐานความเข้ากันได้ของซอฟต์แวร์ยังไม่เป็นไปในทิศทางเดียวกัน มีปัญหาข้อมูลแยกส่วน (data silos) อย่างแพร่หลาย อิทธิพลของชุมชนโอเพนซอร์สยังจำกัด และยังขาดข้อมูลเชิงโต้ตอบคุณภาพสูงที่เพียงพอ ประการที่สาม ระบบกำกับดูแลด้านความมั่นคงยังต้องได้รับการเสริมสร้าง โดยเฉพาะการกำหนดขอบเขตความรับผิดชอบเมื่อเกิดอุบัติเหตุจากระบบอัตโนมัติยังทำได้ยาก การเก็บรวบรวมข้อมูลที่ละเอียดอ่อนอย่างต่อเนื่องอาจก่อให้เกิดความเสี่ยง เช่น การรั่วไหลของข้อมูลและการละเมิดความเป็นส่วนตัว รวมทั้งกลไกที่สร้างความไว้วางใจสำหรับความร่วมมือระหว่างหน่วยงานยังต้องได้รับการพัฒนาให้ดียิ่งขึ้น

เมื่อเผชิญกับความท้าทายข้างต้น จีนควรฉวยโอกาสในช่วงเวลาการพัฒนาที่มีอยู่ ยึดการสร้างนวัตกรรมด้วยตนเองเป็นแกนหลัก ใช้การจัดทำมาตรฐานเป็นจุดเริ่มต้น และยึดหลักการกำกับดูแลด้านความปลอดภัยเป็นพื้นฐานสูงสุด เร่งสร้างระบบนิเวศอุตสาหกรรมอัจฉริยะแบบบูรณาการ และสร้างแรงผลักดันอันแข็งแกร่งต่อการพัฒนาผลิตภาพเชิงคุณภาพใหม่ รวมทั้งการสร้างประเทศที่มีเทคโนโลยีก้าวหน้า

ประการแรก คือ การเสริมสร้างโครงสร้างของกำลังเชิงกลยุทธ์ด้านเทคโนโลยี และยึดมั่นรากฐานของการนวัตกรรมอย่างอิสระ โดยอาศัยระบบแห่งชาติรูปแบบใหม่ เราจะเสริมสร้างศักยภาพทางวิทยาศาสตร์และเทคโนโลยีเชิงกลยุทธ์ของห้องปฏิบัติการหลักแห่งชาติในสาขาปัญญาประดิษฐ์ที่มีรูปร่าง (embodied intelligence) พร้อมดำเนินการวิจัยเชิงจัดระบบในประเด็นแนวหน้า เช่น แบบจำลองการผสานสามด้าน “ข้อมูล-ฟิสิกส์-การรับรู้” (information physics cognition), สถาปัตยกรรมการตัดสินใจแบบ end-to-end และวัสดุยืดหยุ่นเลียนแบบชีวภาพ ทั้งนี้ จะส่งเสริมการบูรณาการอย่างลึกซึ้งระหว่างอุตสาหกรรม สถาบันการศึกษา และหน่วยวิจัยภายใต้การนำของภาคเอกชน สนับสนุนบริษัทเทคโนโลยีชั้นนำให้เป็นผู้นำในการจัดตั้งกลุ่มความร่วมมือด้านนวัตกรรม รวมทรัพยากรที่ได้เปรียบเพื่อฝ่าฟันอุปสรรคในการผลิตส่วนประกอบหลักภายในประเทศ เช่น มอเตอร์เซอร์โว ตัวลดความเร็ว และสกรูลูกกลิ้งแบบดาวเคราะห์ (planetary roller screws) รวมทั้งเชื่อมโยงห่วงโซ่ทั้งหมดตั้งแต่ “การวิจัยพื้นฐาน → การพัฒนาเทคโนโลยี → การประยุกต์ใช้เชิงอุตสาหกรรม” เพื่อปลดปล่อยข้อจำกัดต่อการพัฒนาอุตสาหกรรมตั้งแต่ต้นทาง

ประการที่สอง คือ การสร้างระบบนิเวศอุตสาหกรรมแบบเปิดและร่วมมือกัน เพื่อนำทางสู่การพัฒนาคุณภาพสูงด้วยมาตรฐานที่สูง ให้เร่งพัฒนาอินเทอร์เฟซฮาร์ดแวร์ โพรโทคอลการสื่อสาร และมาตรฐานความเข้ากันได้ของซอฟต์แวร์ข้ามอุตสาหกรรม รวมทั้งส่งเสริมซอฟต์แวร์พื้นฐานที่สามารถควบคุมและพึ่งพาตนเองได้ เช่น ระบบปฏิบัติการและมิดเดิลแวร์ สำรวจแนวทางในการจัดตั้งหน่วยงานระดับสูงสำหรับการรวบรวมและกำกับดูแลข้อมูล พัฒนามาตรฐานการเก็บรวบรวมและทำเครื่องหมายข้อมูลแบบหลายรูปแบบ สร้างเกณฑ์การจำลองและแพลตฟอร์มเปิดข้อมูลสำหรับสถานการณ์หลัก เช่น การผลิตอัจฉริยะและการดำเนินงานที่มีความเสี่ยงสูง รวมทั้งลดอุปสรรคต่อการไหลเวียนของข้อมูล สนับสนุนอย่างแข็งขันให้เกิดระบบนิเวศโอเพนซอร์สในท้องถิ่น ส่งเสริมให้มหาวิทยาลัย สถาบันวิจัย และภาคเอกชนร่วมกันสร้างระบบแบ่งปันพลังการคำนวณสำหรับอัลกอริทึม ลดอุปสรรคด้านการวิจัยและพัฒนา เร่งกระบวนการปรับปรุงเทคโนโลยี และนำการยกระดับคุณภาพของอุตสาหกรรมด้วยการมาตรฐานระดับสูงร่วมกับแนวทางโอเพนซอร์ส

ประการที่สาม คือ การจัดตั้งระบบการกำกับดูแลด้านความมั่นคงที่มีประสิทธิภาพ และสร้างรากฐานอันแข็งแกร่งสำหรับการพัฒนาอย่างน่าเชื่อถือ ทั้งนี้รวมถึงการสร้างกลไกการป้องกันแบบชั้นขั้นที่ครอบคลุมด้านอัลกอริธึม ข้อมูล และความมั่นคงทางกายภาพ โดยกำหนดขอบเขตของสิทธิและหน้าที่อย่างชัดเจนสำหรับทุกฝ่ายที่เกี่ยวข้อง ไม่ว่าจะเป็นผู้ผลิต ผู้ใช้งาน ผู้จัดหาอัลกอริธึม หรือผู้ควบคุมดูแล พร้อมทั้งดำเนินการวิจัยเชิงรุกเกี่ยวกับหลักเกณฑ์การระบุความรับผิดในกรณีเกิดอุบัติเหตุ ความร่วมมือข้ามองค์กร และกฎเกณฑ์การกำกับดูแลที่สร้างความไว้วางใจร่วมกัน รวมถึงแนวทางด้านความมั่นคงและจริยธรรมสำหรับพฤติกรรมเฉพาะ เช่น การนำทาง การทำงานร่วมกันเป็นกลุ่ม เป็นต้น นอกจากนี้ยังต้องสำรวจแบบจำลองการกำกับดูแลที่เปิดกว้างและรอบคอบ ดำเนินการประเมินด้านจริยธรรมและความมั่นคงตลอดวงจรชีวิตของระบบ จัดตั้งระบบการป้องกันเชิงรุกที่ปลอดภัยและลึกซึ้ง และให้การรับรองเชิงสถาบันเพื่อสนับสนุนการนำไปใช้งานในวงกว้างและการพัฒนาอย่างยั่งยืนระยะยาวของปัญญาประดิษฐ์ที่มีรูปธรรม