آمولیا ویسوانات، که هفت سال مسئول بازاریابی محصولات پلتفرم‌های رباتیک NVIDIA بود و اکنون بنیان‌گذار و شریک مدیریتی Techable VC است، در اپیزود تازه‌ی پادکست Equity رسانه‌ی TechCrunch گفت که رباتیک امروز در «دوران لگو» قرار دارد؛ مرحله‌ای که اجزای پایه‌ی آن — از جمله عملگرها (actuators)، دست‌های رباتیک، نرم‌افزار و استانداردهای ایمنی — هنوز در حال بازسازی‌اند.

این نگاه در تضاد مستقیم با روایت رایجی است که می‌گوید رباتیک با یک مدل بنیادی عمومی (general foundation model) در آستانه‌ی «لحظه ChatGPT» خودش قرار دارد — همان روزی که در اواخر ۲۰۲۲ یک چت‌بات با قابلیت‌های خیره‌کننده عرضه شد و همه‌چیز را عوض کرد. پیم دی‌ویت، مدیرعامل General Intuition، پیش‌تر در همین پادکست گفته بود که یک مدل بنیادی عمومی می‌تواند بخش زیادی از کارهای تخصصی فعلی رباتیک را بی‌اثر کند و همان «لحظه ChatGPT» باشد.

ویسوانات اولین زنِ مدیرعاملی است که از NVIDIA جدا شده و شرکت سرمایه‌گذاری اولیه‌ی خودش را راه‌اندازی کرده است. Techable VC در حوزه‌های رباتیک، علم مواد و علوم زیستی سرمایه‌گذاری می‌کند — سه حوزۀ زیرمجموعه‌ی آنچه او «هوش مصنوعی فیزیکی» (physical AI) می‌نامد.

این خبر برای کسی که امروز ایجنت می‌سازد یعنی چه؟#

اختلاف میان «دوران لگو» و «لحظه ChatGPT» فقط بحث آکادمیک نیست. اگر ویسوانات درست بگوید و اجزای پایه هنوز در حال بازسازی باشند، یعنی هر ایجنت یا سامانۀ اتوماسیون فیزیکی که امروز روی یک پلتفرم سخت‌افزاری یا نرم‌افزاری خاص ساخته شود، ریسک بالایی دارد که زیرپایش عوض شود. در این حالت، سرمایه‌گذاری روی لایه‌ی انتزاع بالاتر — منطق تصمیم‌گیری، هماهنگی چندعاملی، رابط انسان-ربات — منطقی‌تر از درگیر شدن مستقیم با انتخاب عملگر یا دست رباتیک است.

اما اگر روایت دی‌ویت درست باشد و یک مدل بنیادی عمومی واقعاً کارهای تخصصی را بی‌اثر کند، آنگاه برعکس: هر کاری که الان روی اجزای جداگانه انجام می‌دهید، ممکن است ظرف دو سه سال بی‌معنا شود. این دو سناریو استراتژی‌های کاملاً متفاوتی می‌طلبند و هنوز هیچ‌کدام قطعی نیست. احتیاط عملی این است که معماری‌تان را طوری طراحی کنید که به لایه‌های پایین سخت‌افزاری وابسته نباشد.

منبع: TechCrunch AI