Perceptron التي أسسها علماء سابقون في Meta تجلب الذكاء الاصطناعي البصري إلى أرضية المصنع

ظل الذكاء الاصطناعي إلى حد كبير محصوراً في العالم الرقمي، لكن عدداً متزايداً من الشركات الناشئة يسعى إلى نقله إلى العالم المادي. وتُعد Perceptron، التي أسسها عالما أبحاث سابقان في Meta، واحدة من هذه الشركات؛ إذ تأسست في نوفمبر 2024، وتطوّر نماذج رؤية متقدمة تهدف إلى مساعدة الآلات على التفاعل بكفاءة أكبر مع بيئاتها المادية.

وأطلقت الشركة هذا الأسبوع نموذجها الأحدث، Isaac 0.5، الذي يقول مطوروه إنه مصمم لمنح الآلات القدرة على “الإدراك والاستدلال والتصرف” في البيئات الصناعية - وتحديداً مساعدة الروبوتات الموجَّهة بصرياً على التنقل في بيئات معقدة مثل المستودعات أو أرضيات المصانع، ومساعدة الشركات على استخراج ذكاء بصري من مقاطع الفيديو التي تسجلها تلك الروبوتات. ويُطرح Isaac 0.5 كنموذج مفتوح الأوزان، بحيث يمكن لأي شخص فحص معاييره ومواد تدريبه.

وشارك في تأسيس Perceptron كل من Armen Aghajanyan وAkshat Shrivastava، اللذين عملا سابقاً في قسم أبحاث الذكاء الاصطناعي الأساسية (FAIR) التابع لـMeta. ويرى الثنائي أن برمجياتهما تمثل مستقبل النشر الصناعي الآلي: تقول الشركة: “يفرض الذكاء الاصطناعي المادي اليوم خياراً زائفاً: إما نماذج أساسية عامة الغرض تحتاج إلى وحدات معالجة رسومية سحابية مخصصة متعددة لكل نسخة تشغيل، أو نماذج ضيقة تتعامل مع الإدراك أو التحكم، لكن ليس كليهما معاً.” ويرى Aghajanyan وShrivastava أن أداتهما تختلف عن النماذج القائمة لأنها عامة الغرض بدلاً من أن تكون مبنية لمهمة واحدة محددة ومتكررة، وهي مصممة للتكيف بحسب البيئة التي تعمل فيها؛ وضرب Shrivastava مثالاً بروبوت يفرز الطرود، إذ يجب عليه قراءة ملصق، وإجراء تحليل مكاني لتحديد مواقع الصناديق، وتقرير أيها يلتقط، والتخطيط لترتيب الالتقاط إذا كان سيجمع عدة صناديق - وهي خطوات يمكن للبرمجيات القائمة أداء معظمها بشكل منفرد بالفعل، لكن نادراً ما تؤديها بمرونة ومجتمعة.

وتعلّم Isaac 0.5 مهاراته التشغيلية من مليون ساعة من الفيديو العام، إضافة إلى ما يُعرف بـ”فيديو الأنا” (ego video) - وهو لقطات مسجَّلة من منظور شخص يؤدي مهمة مادية، عادةً عبر كاميرا GoPro أو كاميرا قابلة للارتداء - و”فيديو UMI”، الذي يعلّم أنظمة الذكاء الاصطناعي الحركة بطريقة مماثلة من خلال تسجيل أفعال بشرية متكررة. ولا تكشف Perceptron عن مصادر بيانات تدريبها، لكن Shrivastava قال إن الشركة “بنت داخلياً مجموعات بيانات بحجم بيتابايت تمتد عبر طرائق مختلفة، سواء كانت صوراً أو نصوصاً أو فيديو، إلخ، وصولاً إلى مسارات الروبوتات.” وتخطط الشركة الناشئة لتسويق برمجياتها لمزودين في قطاعات التصنيع، والخدمات اللوجستية والتخزين، والأمن، والتنقل، والإعلام والترفيه. وكانت Perceptron قد جمعت سابقاً 21 مليون دولار من Bessemer Venture Partners وFoundation Capital وS32، بمشاركة SmartGateVC أيضاً في جولة التأسيس، بحسب Pitchbook؛ وتعلم TechCrunch أن الشركة الناشئة في طور إغلاق جولة تمويل إضافية.

لماذا يهم

يمثل نموذج رؤية مفتوح الأوزان وعام الغرض للروبوتات - بدلاً من برمجيات مخصصة لكل مهمة - رهاناً على أن العائق أمام أتمتة المستودعات والمصانع يكمن في المرونة بين الخطوات، وليس فقط في قدرة الإدراك أو التحكم الخام.