الاثنين، 3 أغسطس 2026

الذكاء الاصطناعي

Physical Intelligence تكشف عن نموذج الدماغ الروبوتي π0.7

يُظهر نموذج π0.7 الجديد من شركة Physical Intelligence بوادر مبكرة على "التعميم التركيبي"، مما يسمح للروبوتات بأداء مهام لم يتم تدريبها عليها بشكل صريح.

Physical Intelligence unveils π0.7 robot brain model
صورة: Physical Intelligence

يوم الخميس، نشرت شركة Physical Intelligence، وهي شركة ناشئة في مجال الروبوتات مقرها منطقة Bay Area، بحثاً جديداً يقدم أحدث نماذجها، π0.7. يمثل هذا النموذج ما تصفه الشركة بأنه خطوة مبكرة نحو دماغ روبوتي للأغراض العامة. وتتمثل المطالبة الجوهرية في البحث في “التعميم التركيبي”، والذي يشير إلى قدرة النظام على دمج المهارات المكتسبة في سياقات مختلفة لحل مشكلات لم يواجهها من قبل. وبدلاً من الاعتماد على الحفظ الصم لمهام محددة، صُمم π0.7 لإعادة مزج البيانات الموجودة لاستنباط إجراءات غير مألوفة.

ووفقاً لـ Sergey Levine، وهو أحد مؤسسي Physical Intelligence وأستاذ في جامعة UC Berkeley، فإن هذه القدرة على إعادة مزج المهارات تمثل خطوة ذات مغزى إلى الأمام. وقال Levine: “بمجرد تجاوز تلك العتبة التي ينتقل فيها النموذج من مجرد القيام بالأشياء التي جمعت البيانات من أجلها بالضبط إلى إعادة مزج الأشياء بطرق جديدة، فإن القدرات ترتفع بأكثر من مجرد علاقة خطية مع كمية البيانات. وهذا النوع من خصائص القياس الأكثر ملاءمة هو شيء رأيناه في مجالات أخرى، مثل اللغة والرؤية”.

ولإثبات ذلك، اختبر الباحثون النموذج على مقلاة هوائية، وهو جهاز لم يتم تدريبه صراحةً على استخدامه. ومع عدم وجود أي توجيه، قام النموذج بمحاولة أولية لطهي بطاطا حلوة، مما أدى إلى معدل نجاح بنسبة 5٪. ومع ذلك، بعد أن أمضى الباحثون حوالي نصف ساعة في تحسين التعليمات اللفظية - وهي عملية تُعرف باسم “هندسة الأوامر” - قفز معدل النجاح إلى 95٪. وأشارت Lucy Shi، وهي باحثة في الشركة وطالبة دكتوراه في علوم الحاسوب في جامعة Stanford، إلى أن الإخفاقات تكون أحياناً ناجمة عن قيود الباحثين أنفسهم في هندسة الأوامر بدلاً من النموذج نفسه.

وأعرب أعضاء آخرون في الفريق عن دهشتهم من قدرة النموذج على التكيف. وأوضح Ashwin Balakrishna، وهو عالم أبحاث في Physical Intelligence، أنه على الرغم من قدرته عادةً على التنبؤ بقدرات النموذج بناءً على بيانات تدريبه، إلا أن الأداء الأخير لـ π0.7 فاجأه حقاً عندما قام الروبوت بتدوير مجموعة تروس تم شراؤها عشوائياً بناءً على أمر. وقارن Levine هذه المفاجأة بالأيام الأولى لنماذج اللغة الكبيرة - وهي نماذج ذكاء اصطناعي مدربة على النصوص - مثل عندما أنشأ GPT-2 قصصاً غير متوقعة عن وحيد القرن في جبال الأنديز في بيرو.

وقد جذبت الشركة الناشئة التي تتخذ من سان فرانسيسكو مقراً لها اهتمام المستثمرين، مدفوعة جزئياً بالمؤسس المشارك Lachy Groom، وهو مستثمر ملائكي في Silicon Valley. وتشمل البصمة المالية للشركة ما يلي:

  • إجمالي التمويل: أكثر من 1 مليار دولار تم جمعها حتى الآن.
  • أحدث تقييم: 5.6 مليار دولار.
  • التقييم المحتمل: يُقال إن Physical Intelligence تجري مناقشات لجولة تمويل جديدة من شأنها أن تضاعف تقييمها تقريباً ليصل إلى 11 مليار دولار.

لماذا يهم

يشير نموذج π0.7 إلى أن الذكاء الاصطناعي الروبوتي قد يقترب من نقطة تحول حيث تتضاعف القدرات بطرق تتجاوز بيانات التدريب، مما قد يمكّن الروبوتات من التكيف مع بيئات جديدة دون الحاجة إلى إعادة تدريب.