تخيل عالماً لا تكتفي فيه الروبوتات باتباع قائمة جامدة من التعليمات، بل "تحلم" فعلياً بما سيحدث بعد ذلك. هذا هو أفق تعلم الروبوتات، وهو مجال يحاول تعليم الآلات كيفية التحرك عبر عالمنا الفوضوي والحقيقي. لفترة طويلة، جاءت أكبر الطفرات من وصفة محددة: خذ "دماغاً" ضخماً مُدرباً مسبقاً يعرف كل شيء عن اللغة والصور (مثل موسوعة فائقة الذكاء يمكنها أيضاً الرؤية)، وقم بتوصيل ذراع روبوت به. هذا الأسلوب يعمل، لكنه يشبه محاولة تعليم جرو كيف يجلب الكرة عبر تدريبه أولاً ليكون بروفيسوراً؛ إنه أمر ثقيل، ومكلف، ويصعب معه معرفة ما إذا كان الروبوت يتعلم المهمة أم أنه يكتفي بمجرد نسخ ملاحظات البروفيسور. السؤال الكبير الذي يطرحه العلماء هو: هل يمكننا بناء دماغ روبوت أصغر، وأخف وزناً، ويتعلم كيفية الحركة والتنبؤ بالمستقبل في آن واحد، دون الحاجة إلى تلك الموسوعة الضخمة المحملة مسبقاً؟

إليك WorldDiT، وهو دماغ روبوت جديد صممه باحثون في "Bagel Labs". فكر في WorldDT ليس كطالب ينسخ كتاباً مدرسياً، بل كفنان شاب يتعلم الرسم من خلال مشاهدة فيلم لمستقبله الخاص. بدلاً من الاعتماد على "نموذج رؤية-لغة" (VLM) ضخم ومُدرب مسبقاً (وهو ذكاء اصطناعي هائل يعرف كيفية وصف الصور والنصوص) ليخبره بما يجب فعله، يستخدم WorldDT محركاً واحداً موحداً يقوم بشيئين في وقت واحد. أولاً، يحدد الحركات التالية لذراع الروبوت. ثانياً، يحاول تخمين ما ستراه الكاميرا بعد بضع ثوانٍ من الآن. الأمر يشبه لاعب الشطرنج الذي لا يخطط لنقلته التالية فحسب، بل يتخيل رقعة اللعب قبل ثلاث حركات للأمام ليتأكد من أن خطته منطقية.

قام الباحثون بتدريب هذا النظام في عالم محاكى يسمى LIBERO، حيث يتعين على الروبوتات أداء مهام مثل تكديس الكتل أو تحريك الأشياء. وقد وجدوا أن WorldDT، الذي يتميز بصغر حجمه بشكل مفاجئ (أقل من 400 مليون معامل، مقارنة بالمليارات المستخدمة في الطرق الرائدة الأخرى)، يمكنه التنبؤ بمشهد الكاميرا المستقبلي وأفعال الروبوت بدقة مذهلة. في الواقع، عندما اختبروه، نجح الروبوت في حوالي 95% من مهامه عبر أربعة أنواع مختلفة من التحديات. والجزء الأكثر إثارة؟ لقد فعل ذلك دون "العمود الفقري" الثقيل والمُدرب مسبقاً الذي تستخدمه معظم الروبوتات الناجحة الأخرى. لقد أثبت أنه لست بحاجة إلى دماغ ضخم ومحمل مسبقاً لتكون روبوتاً جيداً؛ أنت فقط بحاجة إلى دماغ يتعلم رؤية المستقبل أثناء الحركة.

الروبوت "الحالم"

إذاً، كيف يعمل WorldDT في الواقع؟ تخيل أنك تحاول تعلم كيفية التلاعب بالكرات (الجوغلينج). معظم الروبوتات اليوم تشبه الطلاب الذين حفظوا آلاف الفيديوهات لخبراء التلاعب بالكرات ويحاولون تقليدهم بدقة. أما WorldDT فهو مختلف؛ إنه يشبه طالب التلاعب بالكرات الذي يرتدي عصبة على عينيه ولكنه يمتلك كرة بلورية.

إليك الخدعة: في كل مرة يخطط فيها WorldDT لحركة، فإنه يحاول أيضاً "الحلم" بما ستراه الكاميرا في المستقبل. إنه ينظر إلى الحالة الراهنة للروبوت، والتعليمات التي تلقاها (مثل "التقط الكتلة الحمراء")، وآخر بضع ثوانٍ من الفيديو. ثم يسأل نفسه سؤالين في وقت واحد:

1. "ماذا يجب أن يفعل الروبوت تالياً؟"
2. "إذا فعلت ذلك، كيف ستبدو الصورة بعد لحظة؟"

يسمي الباحثون هذا محول الانتشار (diffusion transformer). إذا بدا هذا المصطلح وكأنه لغة علمية خيالية، ففكر فيه كعملية "إزالة الضجيج". تخيل صورة مغطاة بضجيج ساكن (Static noise). يبدأ WorldDT بتخمين عشوائي تماماً لما يجب أن تكون عليه حركة الروبوت التالية وما يجب أن تبدو عليه الصورة المستقبلية. ثم، خطوة بخطوة، يقوم بتنقية هذا الضجيج، وتدقيق تخمينه حتى يجد مساراً واضحاً وسلساً نحو الهدف. وهو يفعل ذلك لكل من أفعال الروبوت والصور المستقبلية.

يحدث السحر لأن هاتين المهمتين تساعدان بعضهما البعض. فمن خلال محاولة التنبؤ بالصورة المستقبلية، يُجبر الروبوت على فهم فيزياء العالم. إذا خطط لدفع كتلة، ولكن "حلمه" بالمستقبل يُظهر الكتلة وهي تطفو في الهواء، فإنه يدرك أن خطته خاطئة. يجب عليه تعديل فعله حتى يتطابق "الحلم" مع الواقع. وهذا يخلق حلقة تغذية راجعة حيث يتعلم الروبوت قواعد العالم بمجرد محاولة التنبؤ بما سيحدث تالياً.

النتائج: دماغ صغير، نجاح كبير

اختبر الباحثون WorldDT في أربعة مجموعات محاكاة مختلفة (تخيلها كأربعة مسارات عقبات مختلفة: مكاني، كائني، هدفي، وطويل المدى). وقارنوه بـ 24 طريقة أخرى شهيرة لتعلم الروبوتات.

إليك المفاجأة: WorldDT صغير جداً. يحتوي على حوالي 399 مليون معامل (التي تمثل "الخلايا العصبية" في دماغه). تستخدم العديد من الروبوتات الرائدة الأخرى نماذج تحتوي على مليار أو حتى 10 مليارات معامل. عادةً ما تعني الأدمغة الأكبر أداءً أفضل، لكن WorldDT كسر هذه القاعدة.

في هذه المحاكاة، حقق WorldDT نسبة نجاح بلغت 94.9% في المتوسط عبر المسارات الأربعة:

• المكاني (Spatial): نسبة نجاح 98.0%
• الكائني (Object): نسبة نجاح 97.0%
• الهدفي (Goal): نسبة نجاح 92.8%
• الطويل المدى (Long): نسبة نجاح 91.8%

وعند رسم هذه النتائج على رسم بياني، يقع WorldDT على "جبهة باريتو" (Pareto frontier). وباللغة البسيطة، هذا يعني أنه الروبوت الأكثر كفاءة في الغرفة. إذا كنت تريد روبوتاً بذكاء WorldDT ولكن يستخدم دماغاً أصغر، فلن تجد. وإذا كنت تريد روبوتاً بحجم دماغ WorldDT ولكن أكثر ذكاءً، فلن تجد أيضاً. كل روبوت آخر حقق أداءً أفضل من 94.9% كان أكبر بكثير وأثقل وزناً.

لماذا هذا مهم؟

تجادل الورقة البحثية صراحة ضد فكرة أنه يجب عليك استخدام نموذج رؤية-لغة (VLA) ضخم ومُدرب مسبقاً للحصول على تحكم جيد في الروبوت. لفترة من الوقت، اعتقد المجال أن: "نحن بحاجة إلى دماغ ضخم لفهم العالم". لكن WorldDT يقول: "ليس بالضرورة".

أظهر الباحثون أنه من خلال الربط بين توليد الفعل (الحركة) ونمذجة العالم (التنبؤ بالمستقبل)، يمكن لبنية موحدة واحدة أن تتعلم التحكم في الروبوت بفعالية كبيرة. هم لم يقترحوا ذلك فحسب، بل قاموا بقياسه في آلاف الحلقات المحاكية. لم يكن الروبوت "محظوظاً" فحسب؛ بل تفوق باستمرار على النماذج الأكبر بكثير.

ومع ذلك، هناك ملاحظة: هذه النتائج تأتي من المحاكاة (ألعاب كمبيوتر يعيش فيها الروبوتات). تشير الورقة إلى أنه بينما الأداء قوي، إلا أنه يمثل خط أساس للدراسات المستقبلية. نحن لا نعرف بعد ما إذا كان هذا الروبوت "الحالم" سيعمل بشكل مثالي في مطبخ حقيقي وفوضوي، مع جاذبية حقيقية وأرضيات زلقة حقيقية. لكن نتائج المحاكاة هي إشارة قوية إلى أننا قد نتمكن من بناء روبوتات أصغر، وأرخص، وأكثر كفاءة في المستقبل؛ روبوتات تتعلم من خلال تخيل المستقبل، بدلاً من مجرد حفظ الماضي.

في النهاية، يشير WorldDT إلى أن سر الروبوت الذكي ليس مجرد امتلاك مكتبة ضخمة من المعرفة؛ بل هو امتلاك دماغ يمكنه استحضار المستقبل في ذهنه لاتخاذ قرارات أفضل الآن.