مقدمه

در اواخر سال ۲۰۲۲، ChatGPT نقطه عطفی در تاریخ هوش مصنوعی ایجاد کرد.

هوش مصنوعی که پیش از آن بیشتر در اختیار متخصصان و شرکت‌های فناوری بود، ناگهان به ابزاری عمومی تبدیل شد که میلیون‌ها نفر می‌توانستند با زبان طبیعی با آن صحبت کنند، سؤال بپرسند، محتوا تولید کنند و برای انجام کارهای مختلف از آن کمک بگیرند.

حالا یک سؤال بزرگ در دنیای فناوری مطرح شده است:

آیا ربات‌های انسان‌نما هم در آستانه چنین لحظه‌ای قرار دارند؟

«وانگ شینگ‌شینگ»، بنیان‌گذار و مدیرعامل شرکت چینی Unitree، معتقد است صنعت رباتیک به یک جهش بزرگ در حوزه هوش تجسم‌یافته نزدیک شده است؛ جهشی که در صورت تحقق می‌تواند برای ربات‌ها نقشی شبیه همان تحول ChatGPT در هوش مصنوعی مولد داشته باشد. او البته تأکید کرده که این اتفاق ممکن است در سناریوی خوش‌بینانه طی چند سال آینده رخ دهد و در سناریوی محتاطانه‌تر، زمان بیشتری نیاز داشته باشد.

اما «لحظه ChatGPT» برای یک ربات دقیقاً یعنی چه؟

و مهم‌تر از آن:

آیا ربات‌ها واقعاً آماده ورود به زندگی روزمره انسان‌ها هستند؟

لحظه ChatGPT برای ربات‌ها یعنی چه؟

عبارت «لحظه ChatGPT» لزوماً به معنای ساخت یک ربات شبیه ChatGPT نیست.

منظور یک نقطه عطف فناوری است؛ لحظه‌ای که ربات‌ها از سیستم‌هایی با قابلیت‌های محدود و از پیش تعریف‌شده، به ماشین‌هایی تبدیل شوند که بتوانند دستورهای طبیعی انسان را درک کنند، محیط را بشناسند، برای انجام یک کار برنامه‌ریزی کنند و در صورت تغییر شرایط، تصمیم خود را اصلاح کنند.

تصور کنید به جای برنامه‌ریزی ده‌ها دستور مختلف برای ربات، فقط به آن بگویید:

«اتاق را مرتب کن.»

ربات باید خودش تشخیص دهد چه چیزی روی زمین است، چه چیزی باید جابه‌جا شود، هر وسیله کجا قرار بگیرد و چگونه بدون برخورد با اشیا یا انسان‌ها حرکت کند.

این تفاوت بسیار بزرگی با ربات‌های سنتی است.

در چنین شرایطی، ربات دیگر فقط یک دستگاه مکانیکی نیست.

بلکه به یک عامل هوشمند فیزیکی تبدیل می‌شود.

هوش تجسم‌یافته چیست؟

یکی از کلیدواژه‌های مهم در آینده رباتیک، Embodied AI یا هوش تجسم‌یافته است.

هوش مصنوعی مولد عمدتاً در فضای دیجیتال فعالیت می‌کند.

یک مدل زبانی می‌تواند متن را بخواند و تولید کند، اما برای انجام یک کار فیزیکی باید با دنیایی بسیار پیچیده‌تر مواجه شد.

یک ربات باید بتواند:

• محیط اطراف خود را ببیند؛
• اشیا را شناسایی کند؛
• فاصله‌ها را تشخیص دهد؛
• حرکت خود را برنامه‌ریزی کند؛
• نیرو و فشار مناسب را اعمال کند؛
• نتیجه حرکت خود را بررسی کند؛
• و در صورت شکست، روش دیگری را امتحان کند.

در واقع، هوش تجسم‌یافته تلاش می‌کند هوش مصنوعی را از دنیای اطلاعات به دنیای فیزیکی منتقل کند.

چرا ساخت مغز ربات از ساخت ChatGPT سخت‌تر است؟

این یکی از مهم‌ترین بخش‌های داستان است.

یک مدل زبانی می‌تواند اشتباه کند و شما پاسخ دیگری از آن بخواهید.

اما اگر یک ربات در دنیای واقعی اشتباه کند، پیامد آن می‌تواند کاملاً متفاوت باشد.

فرض کنید ربات می‌خواهد یک لیوان شیشه‌ای را بردارد.

اگر مدل هوش مصنوعی جای لیوان را اشتباه تشخیص دهد، ممکن است:

لیوان را بشکند.

اگر نیروی دست ربات بیش از حد باشد:

لیوان خرد می‌شود.

اگر فردی ناگهان جلوی ربات قرار بگیرد:

ربات باید فوراً مسیر خود را تغییر دهد.

بنابراین ربات باید هم‌زمان با چند مسئله مواجه شود:

درک → پیش‌بینی → تصمیم → حرکت → بررسی نتیجه

این چرخه باید بسیار سریع و قابل اعتماد انجام شود

World Modelچیست و چرا اهمیت دارد؟

یکی از فناوری‌هایی که می‌تواند به حل این مشکل کمک کند، World Model یا مدل جهان است.

مدل جهان تلاش می‌کند یک درک داخلی از محیط و روابط میان اشیا ایجاد کند.

به زبان ساده، ربات باید بتواند قبل از انجام یک حرکت، تا حدی پیش‌بینی کند که:

«اگر این کار را انجام بدهم، چه اتفاقی خواهد افتاد؟»

برای مثال، اگر ربات بخواهد یک صندلی را جابه‌جا کند، باید بتواند موقعیت صندلی، موانع اطراف، مسیر حرکت و نتیجه احتمالی جابه‌جایی را در نظر بگیرد.

پژوهش‌های جدید در هوش تجسم‌یافته نیز دقیقاً روی همین مسئله تمرکز دارند؛ یعنی ترکیب مشاهده، برنامه‌ریزی، اجرای عمل و بررسی نتیجه در محیط فیزیکی.

ربات‌ها امروز چه کارهایی می‌توانند انجام دهند؟

ربات‌های انسان‌نما دیگر فقط نمونه‌های آزمایشگاهی ثابت نیستند.

آنها در سال‌های اخیر توانسته‌اند طیف گسترده‌ای از حرکات و وظایف را انجام دهند؛ از راه رفتن و دویدن گرفته تا جابه‌جایی اشیا، اجرای حرکات ورزشی و حضور در محیط‌های صنعتی.

در رویدادهای رباتیک ۲۰۲۶ نیز ربات‌های انسان‌نما در فعالیت‌هایی مانند ورزش، بوکس، اجرای موسیقی و برخی کاربردهای خدماتی به نمایش درآمده‌اند.

اما باید بین نمایش توانایی و استقلال واقعی تفاوت قائل شد.

اینکه ربات بتواند یک حرکت پیچیده را در محیط کنترل‌شده انجام دهد، الزاماً به این معنی نیست که می‌تواند همان کار را در یک خانه شلوغ و ناشناخته با شرایط متغیر انجام دهد.

و دقیقاً همین فاصله، یکی از مهم‌ترین چالش‌های فعلی صنعت است.

هدف ۸۰ درصدی؛ رباتی که وارد خانه‌ای ناآشنا می‌شود

یکی از جذاب‌ترین سناریوهایی که درباره آینده ربات‌ها مطرح شده، توانایی انجام بخش بزرگی از وظایف در محیط‌های ناآشنا است.

تصور کنید رباتی را برای اولین بار وارد خانه‌ای می‌کنید که قبلاً آن را ندیده است.

به جای اینکه برای هر اتاق و هر وسیله به آن آموزش جداگانه بدهید، فقط می‌گویید:

«خانه را برای مهمان مرتب کن.»

ربات باید بتواند خودش محیط را بررسی کند و تصمیم بگیرد چه کارهایی لازم است.

این دقیقاً همان نقطه‌ای است که مفهوم General-Purpose Robot اهمیت پیدا می‌کند.

ربات آینده نباید فقط برای «یک کار» ساخته شود.

باید بتواند طیف گسترده‌ای از کارها را در محیط‌های مختلف انجام دهد

بزرگ‌ترین مانع ربات‌های انسان‌نما چیست؟

پیشرفت سخت‌افزار در سال‌های اخیر بسیار سریع بوده است.

اما سخت‌افزار به تنهایی کافی نیست.

۱. کمبود داده واقعی

ربات برای یادگیری رفتارهای فیزیکی به داده‌های بسیار زیادی از دنیای واقعی نیاز دارد.

۲. درک محیط

دنیای واقعی بسیار غیرقابل پیش‌بینی‌تر از محیط‌های دیجیتال است.

۳. تصمیم‌گیری

ربات باید بتواند میان چند اقدام مختلف بهترین گزینه را انتخاب کند.

۴. ایمنی

یک اشتباه کوچک در محیط واقعی می‌تواند برای انسان یا تجهیزات خطرناک باشد.

۵. مصرف انرژی

ربات‌های انسان‌نما برای حرکت و پردازش هوش مصنوعی به انرژی زیادی نیاز دارند.

۶. هزینه

تا زمانی که تولید انبوه و قطعات ارزان‌تر نشوند، استفاده گسترده از ربات‌ها دشوار خواهد بود.

۷. تعمیم مهارت

ربات باید بتواند چیزی را که در یک محیط یاد گرفته، در محیطی متفاوت نیز به کار ببرد.

این مورد شاید یکی از مهم‌ترین چالش‌های آینده باشد.

چرا چین در رباتیک جلو افتاده است؟

چین در حال تبدیل شدن به یکی از مهم‌ترین مراکز صنعت رباتیک انسان‌نما در جهان است.

گزارش‌های بازار در سال ۲۰۲۶ نشان می‌دهند شرکت‌های چینی بیش از ۹۷ درصد از ارسال جهانی ربات‌های انسان‌نما در نیمه نخست سال را به خود اختصاص داده‌اند. بر اساس همین داده‌ها، شرکت‌هایی مانند AgiBot و Unitree در صدر بازار ارسال قرار داشته‌اند.

چند عامل در این وضعیت نقش دارند:

• زنجیره تأمین قدرتمند
• صنعت تولید گسترده
• سرمایه‌گذاری دولتی
• شرکت‌های متعدد رباتیک
• بازار داخلی بزرگ
• تمرکز بر تولید انبوه

به همین دلیل رقابت رباتیک دیگر صرفاً یک رقابت آزمایشگاهی نیست.

این رقابت به یک رقابت صنعتی و اقتصادی تبدیل شده است

اگر ربات‌ها به ۸۰ درصد وظایف برسند چه اتفاقی می‌افتد؟

اگر روزی ربات‌های انسان‌نما بتوانند بخش بزرگی از وظایف روزمره را بدون آموزش تخصصی انجام دهند، تأثیر آن می‌تواند بسیار گسترده باشد.

در خانه

ربات می‌تواند در نظافت، جابه‌جایی وسایل و برخی کارهای روزمره کمک کند.

در کارخانه

کارهای تکراری، سنگین یا خطرناک می‌توانند به ربات سپرده شوند.

در انبارها

جابه‌جایی و دسته‌بندی کالاها می‌تواند خودکارتر شود.

در بیمارستان‌ها

ربات‌ها می‌توانند در برخی وظایف پشتیبانی و حمل تجهیزات کمک کنند.

در محیط‌های خطرناک

ربات می‌تواند جای انسان را در محیط‌هایی قرار بگیرد که حضور انسان خطرناک است.

اما مهم‌تر از همه، اقتصاد نیز تحت تأثیر قرار خواهد گرفت.

آیا ربات‌ها جای انسان‌ها را می‌گیرند؟

این سؤال احتمالاً یکی از بحث‌برانگیزترین موضوعات آینده خواهد بود.

اما بهتر است موضوع را صفر و یکی نبینیم.

در ابتدا، ربات‌ها احتمالاً بیشتر به‌عنوان همکار انسان استفاده خواهند شد.

یعنی:

انسان تصمیم می‌گیرد؛ ربات اجرا می‌کند.

اما هرچه هوش ربات‌ها بیشتر شود، بخش بیشتری از تصمیم‌گیری نیز می‌تواند خودکار شود.

در نتیجه برخی مشاغل ممکن است کوچک‌تر شوند، بعضی مشاغل تغییر کنند و مشاغل جدیدی نیز شکل بگیرند.

تاریخ فناوری نشان داده است که ورود فناوری‌های جدید معمولاً فقط شغل‌ها را حذف نمی‌کند؛ بلکه ماهیت کار را نیز تغییر می‌دهد.

آیا لحظه ChatGPT رباتیک واقعاً نزدیک است؟

اینجا باید کمی محتاط باشیم.

مدیرعامل Unitree از احتمال یک جهش بزرگ صحبت کرده، اما خودش نیز زمان دقیق آن را قطعی نمی‌داند.

بر اساس گزارش رویترز، او بازه‌ای حدود ۲ تا ۱۰ سال را برای رسیدن به جهش بزرگ نرم‌افزاری مطرح کرده است.

این یعنی حتی از نگاه یکی از بازیگران مهم صنعت، مسیر هنوز قطعی نیست.

از طرف دیگر، برخی فعالان صنعت پیش‌بینی‌های سریع‌تری دارند و برخی کارشناسان معتقدند برای رسیدن به کاربرد عمومی واقعی، زمان بیشتری لازم است. گزارش‌های جدید نیز نشان می‌دهند که فاصله میان توانایی‌های نمایشی ربات‌ها و عملکرد عمومی و قابل اتکای آنها هنوز قابل توجه است

بنابراین بهتر است به جای اینکه بگوییم:

«ربات‌ها تا دو سال دیگر همه‌جا هستند»

بگوییم:

«صنعت رباتیک وارد مرحله‌ای شده که احتمال یک جهش بزرگ هوش تجسم‌یافته جدی‌تر از گذشته است.»

آینده ربات‌های انسان‌نما در سال ۲۰۳۰

حالا یک سناریوی احتمالی را تصور کنیم.

سال ۲۰۳۰ است.

یک ربات انسان‌نما وارد خانه می‌شود.

لازم نیست برای هر حرکت آن برنامه‌ریزی کنید.

به آن می‌گویید:

«قبل از رسیدن مهمان‌ها، خانه را آماده کن.»

ربات محیط را بررسی می‌کند.

ظرف‌های روی میز را می‌بیند.

لباس‌های روی مبل را تشخیص می‌دهد.

مسیر مناسب برای حرکت را پیدا می‌کند.

کارها را اولویت‌بندی می‌کند.

و اگر چیزی مطابق انتظار پیش نرود، روش دیگری را امتحان می‌کند.

این سناریو هنوز برای بسیاری از ما شبیه فیلم‌های علمی‌تخیلی است.

اما فاصله میان چنین تصویرهایی و واقعیت فناوری، نسبت به گذشته کمتر شده است.

چالش اصلی دیگر ساختن بدنه‌ای شبیه انسان نیست؛ ساختن مغزی است که بتواند جهان را بفهمد.

ربات‌های انسان‌نما؛ ChatGPT بعدی یا یک رؤیای دور؟

پاسخ هنوز مشخص نیست.

اما نشانه‌های مهمی وجود دارد.

سرمایه‌گذاری در رباتیک افزایش یافته است.

شرکت‌های بزرگ فناوری و استارتاپ‌ها در حال توسعه مدل‌های هوش تجسم‌یافته هستند.

چین به‌شدت روی تولید ربات‌های انسان‌نما تمرکز کرده است.

شرکت‌هایی مانند Unitree نیز تمرکز خود را از صرفاً نمایش توانایی حرکتی به سمت حل مسئله هوش و تصمیم‌گیری برده‌اند.

در عین حال، کمبود داده، هزینه، ایمنی، مصرف انرژی و توانایی تعمیم همچنان موانع جدی هستند.

پس شاید بهتر باشد به جای انتظار برای یک «انفجار ناگهانی»، منتظر مجموعه‌ای از پیشرفت‌های سریع و پیوسته باشیم.

آینده هوش مصنوعی شاید پا داشته باشد!

تا همین چند سال پیش، وقتی درباره آینده هوش مصنوعی صحبت می‌کردیم، معمولاً تصویری از یک نرم‌افزار، چت‌بات یا صفحه کامپیوتر در ذهنمان شکل می‌گرفت.

اما نسل بعدی هوش مصنوعی می‌تواند متفاوت باشد.

هوش مصنوعی ممکن است:

ببیند.
بشنود.
حرکت کند.
لمس کند.
تصمیم بگیرد.
و در جهان واقعی عمل کند.

اگر این اتفاق رخ دهد، شاید «لحظه ChatGPT» بعدی نه در مرورگر و نه در یک اپلیکیشن، بلکه در دنیای فیزیکی اتفاق بیفتد.

شاید روزی برسد که دیگر برای استفاده از هوش مصنوعی مجبور نباشیم پشت یک صفحه نمایش بنشینیم.

شاید هوش مصنوعی روزی کنار ما راه برود.

جمع‌بندی

ربات‌های انسان‌نما در حال عبور از مرحله‌ای هستند که در آن بیشتر به‌عنوان نمایش‌های جذاب فناوری دیده می‌شدند.

اکنون سؤال اصلی صنعت این نیست که آیا یک ربات می‌تواند راه برود یا حرکات پیچیده انجام دهد.

سؤال واقعی این است:

آیا می‌تواند جهان را بفهمد؟

آیا می‌تواند وارد محیطی ناشناخته شود؟

آیا می‌تواند یک دستور ساده انسانی را به مجموعه‌ای از اقدامات تبدیل کند؟

آیا می‌تواند وقتی شرایط تغییر می‌کند، خودش تصمیم جدید بگیرد؟

و آیا می‌تواند این کار را با ایمنی و اطمینان کافی انجام دهد؟

اگر پاسخ این پرسش‌ها در سال‌های آینده «بله» باشد، صنعت رباتیک ممکن است واقعاً لحظه‌ای شبیه تحول ChatGPT را تجربه کند.

اما این بار، انقلاب هوش مصنوعی فقط روی صفحه نمایش دیده نخواهد شد.

این انقلاب می‌تواند راه برود.

سوالات متداول

ربات انسان‌نما چیست؟

ربات انسان‌نما رباتی است که از نظر ساختار فیزیکی، مانند بدن انسان دارای بخش‌هایی مانند دو پا، دو دست و بدنه‌ای مشابه انسان است و برای تعامل با محیط‌های طراحی‌شده برای انسان ساخته می‌شود.

لحظه ChatGPT در رباتیک یعنی چه؟

منظور از این اصطلاح، رسیدن به نقطه‌ای است که ربات‌های هوشمند بتوانند با دستورهای طبیعی انسان، طیف گسترده‌ای از وظایف را در محیط‌های مختلف انجام دهند.

هوش تجسم‌یافته چیست؟

هوش تجسم‌یافته یا Embodied AI به سیستم‌های هوش مصنوعی گفته می‌شود که در یک عامل فیزیکی مانند ربات فعالیت می‌کنند و می‌توانند محیط واقعی را درک کرده و بر اساس آن عمل کنند.

World Model چیست؟

World Model یا مدل جهان، مدلی از هوش مصنوعی است که تلاش می‌کند محیط، اشیا، روابط و پیامد اقدامات را درک و پیش‌بینی کند تا ربات بتواند تصمیم‌های مناسب‌تری بگیرد.

آیا ربات‌های انسان‌نما جای انسان را می‌گیرند؟

احتمالاً در ابتدا ربات‌ها بیشتر برای کارهای تکراری، خطرناک و فیزیکی استفاده خواهند شد؛ اما با پیشرفت هوش تجسم‌یافته، تأثیر آنها بر بازار کار می‌تواند گسترده‌تر شود.

Unitree چه نقشی در صنعت رباتیک دارد؟

Unitree یکی از شرکت‌های مطرح چینی در زمینه ربات‌های چهارپا و انسان‌نماست و در توسعه سخت‌افزار و هوش رباتیک فعالیت می‌کند.

آیا ربات‌های انسان‌نما تا سال ۲۰۳۰ عمومی می‌شوند؟

هنوز نمی‌توان زمان دقیق را مشخص کرد. پیش‌بینی‌های صنعت متفاوت است و عواملی مانند هوش ربات، هزینه، ایمنی، باتری، تولید انبوه و توانایی فعالیت در محیط‌های ناشناخته تعیین‌کننده خواهند بود.