وقتی یک ربات یاد بگیرد، همه باخبر می‌شوند؛ چالش باورنکردنی انتقال داده در عصر هوش مصنوعی فیزیکی

ربات‌ها دیگر بخشی از زندگی روزمره ما شده‌اند. آن‌ها مسافران را در خیابان‌های سان‌فرانسیسکو جابه‌جا می‌کنند، بسته‌های پستی را از آسمان به مقصد می‌رسانند و در مزارع، کارخانه‌ها، معادن و مراکز صنعتی دوشادوش انسان‌ها عرق می‌ریزند و کار می‌کنند.

پیوند و برخوردی که این روز‌ها میان هوش مصنوعی و دنیای فیزیکی شاهدش هستیم، معمولاً با اصطلاح «هوش مصنوعی فیزیکی» (Physical AI) شناخته می‌شود؛ ماشین‌هایی هوشمند که می‌توانند محیط پیرامون خود را درک کنند، تصمیم بگیرند و در دنیای واقعی دست به عمل بزنند. اما هر ماشینی که شیفت کاری‌اش را شروع می‌کند، یک شغل دوم نامرئی هم دارد که کم‌تر به چشم می‌آید: تولید داده؛ آن هم در حجم بسیار سرسام‌آور!

یادداشتی از بنیان‌گذار و مدیرعامل شرکت تارا (Taara)

در ایالات متحده، اداره هوانوردی فدرال (FAA) پیش‌بینی می‌کند که ناوگان پهپادهای تجاری از حدود ۹۶۶ هزار فروند در پایان سال ۲۰۲۴ به رقم خیره‌کننده ۱.۱۸ میلیون فروند تا سال ۲۰۲۹ برسد. از سوی دیگر، در کارخانه‌های سرتاسر جهان، در سال ۲۰۲۴ حدود ۴.۶۶ میلیون ربات صنعتی مشغول به کار بوده‌اند و نیم میلیون ربات جدید هم در طول همین یک سال نصب شده است؛ رقمی که بیش از دو برابر آمار نصب ربات‌ها نسبت به یک دهه قبل محسوب می‌شود.

ماشین‌های خودران امروزی به مراتب توانمندتر از گذشته شده‌اند، اما انتقال این همه تجربه انباشته‌شده از روی آن‌ها، به شکلی عجیب و غیرمنتظره هنوز به روش‌های دستی وابسته است! باورتان می‌شود در سال ۲۰۲۶، سریع‌ترین راه برای تخلیه این حجم عظیم از داده از روی یک ماشین، هنوز هم این است که یک نفر با هارد اکسترنال در دست راه بیفتد و داده‌ها را کپی کند؟! با گسترش روزافزون ماشین‌های خودران در شهرها و کارخانه‌ها، به جریان انداختن مداوم این اطلاعات به یکی از سرنوشت‌سازترین چالش‌های زیرساختی در عصر رباتیک تبدیل خواهد شد.

جریان داده‌ها یک‌طرفه نیست!

تصور کنید یک خودروی خودران چه چیز‌هایی را تجربه می‌کند: دوربین‌ها خیابان‌ها را از چندین زاویه زیر نظر دارند، حسگر‌ها و الگوریتم‌های هوش مصنوعی محیط اطراف را تحلیل و پردازش می‌کنند و سیستم‌های داخلی خودرو مدام موقعیت مکانی و عملکرد قطعات را می‌سنجند. هم‌زمان با عبور عابران پیاده از عرض خیابان، تغییر رنگ چراغ‌های راهنمایی و حرکت هزاران خودروی دیگر در اطراف، تصمیمات مختلف به صورت آنی گرفته و ثبت می‌شوند.

پهپادهای تحویل کالا، ماشین‌آلات کشاورزی، ربات‌های انباردار و تجهیزات صنعتی خودران شاید در محیط‌های کاملاً متفاوتی کار کنند، اما منطق همه آن‌ها یکی است: هر سفر یا مأموریت، ردپایی دیجیتالی از داده‌های سنسوری، ویدیوها، اطلاعات تله‌متری، گزارش‌های عیب‌یابی و لاگ‌های عملیاتی بر جای می‌گذارد.

جالب اینجاست که این جریان اطلاعات اصلاً یک‌طرفه نیست. این ماشین‌ها به نقشه‌های جدید، به‌روزرسانی‌های نرم‌افزاری، تنظیمات پیکربندی، مدل‌های تازه هوش مصنوعی و دستورالعمل‌های جدید از سوی زیرساخت‌های ابری نیاز دارند. به بیان دیگر، تجربیات ماشین از دنیای فیزیکی به سمت مراکز داده سرازیر می‌شود و در مقابل، هوش و دستورات تازه برای مأموریت بعدی از دیتاسنتر به سمت ماشین مخابره می‌گردد.

حالا این تبادل پیوسته اطلاعات را در ابعاد میلیون‌ها ماشین ضرب کنید؛ آن‌وقت با لایه جدید و شگفت‌انگیزی از ترافیک اینترنت روبرو می‌شوید که تازه در آغاز مسیر درک ابعاد آن هستیم.

مسیر حرکت فناوری حتی از سال ۲۰۱۹ هم قابل پیش‌بینی بود؛ زمانی که یک مقاله دانشگاهی برجسته درباره نسل ششم ارتباطات (6G) پیش‌بینی کرد که ربات‌های متحرک، پهپادها و وسایل نقلیه خودران موتور محرک اصلی تقاضا برای هوش بی‌سیم فراگیر خواهند بود. چشم‌انداز آن مقاله برای عصر 6G، شبکه‌هایی بود که بتوانند جهش ۱۰ هزار برابری ترافیک داده را تاب بیاورند. امروز ناوگان پهپادهای تجاری آمریکا به تنهایی در حال میلیونی شدن است و ربات‌های صنعتی در جهان هم از مرز چند میلیون دستگاه عبور کرده‌اند.

شاید ملموس‌ترین نشانه برای عموم مردم، حضور پررنگ‌تر خودروهای خودران در خیابان‌های کلان‌شهرها باشد. در ژوئن امسال، ترافیک تولیدشده توسط ماشین‌ها از ۵۷ درصد کل ترافیک وب جهان فراتر رفت؛ این نخستین باری است که ربات‌ها از انسان‌ها در بستر وب پیشی می‌گیرند، ضمن اینکه نحوه استفاده آن‌ها از شبکه کاملاً متفاوت است. شرکت کلودفلر (Cloudflare) پیش‌بینی کرده که در طول پنج سال آینده، حجم ترافیک غیرانسانی ممکن است تا ۱,۰۰۰ برابر از کل ترافیک انسانی سبقت بگیرد!

نکته هیجان‌انگیز ماجرا اینجاست: درسی که یک ماشین یاد می‌گیرد، لزوماً پیش خودش باقی نمی‌ماند! این‌جا دقیقاً همان نقطه‌ای است که یک ارتباط شبکه‌ای قدرتمند پتانسیل واقعی‌اش را نشان می‌دهد. پروژه جمینای رباتیکس ۱.۵ (Gemini Robotics 1.5) متعلق به گوگل دیپ‌مایند (Google DeepMind) نشان داد که مهارت‌ها می‌توانند به صورت آنی و بدون آموزش قبلی (Zero-shot) میان دو ربات با ساختار فیزیکی کاملاً متفاوت منتقل شوند؛ یعنی کاری که به یک بازوی رباتیک دو دست فرانکا (Franka) آموزش داده شده بود، توسط یک ربات انسان‌نما بدون نیاز به جمع‌آوری حتی یک بایت داده اولیه روی ربات مقصد، به زیبایی اجرا شد!

کمی به این مفهوم عمیق فکر کنید: وقتی انسانی در مهارتی استاد می‌شود، آن دانش در ذهن خودش حبس می‌ماند و وقتی بازنشسته شود، بخش اعظمی از آن تجربه با خودش می‌رود. اما یک ربات می‌تواند آموخته‌هایش را دودستی تقدیم تمام ربات‌های دیگر شبکه کند! این یعنی تجربه از حالت «فردی و محلی» خارج شده و به یک دارایی مشترک در سراسر شبکه بدل می‌شود؛ دارایی ارزشمندی که پیوسته هوش جمعی سیستم را بالا می‌برد و مزیت رقابتی شرکت‌ها را تقویت می‌کند.

حضور فیزیکی ربات‌ها روزبه‌روز در حال گسترش است، اما جریان داده‌ای که تولید می‌کنند هنوز به پایگاه‌های مرکزی گره خورده است. هوش مصنوعی شاید چرخ، بال و دست پیدا کرده باشد، اما هوشمندی و تعامل آن با جهان مادی، هنوز هم کاملاً وابسته به ارتباطش با نزدیک‌ترین مرکز داده است؛ و این دقیقاً همان چالشی است که باید هر چه زودتر چاره‌ای برایش پیدا کنیم.

گیر کار کجاست؟ معطلی در ایستگاه‌های تخلیه داده

وقتی یک ربات به پایگاه اصلی (دپو) بازمی‌گردد و شیفت کاری‌اش تمام می‌شود، بهترین فرصت فراهم می‌شود تا باتری‌اش را شارژ کند، بازرسی فنی و عیب‌یابی خودکار را پشت سر بگذارد، آپدیت‌های نرم‌افزاری را تحویل بگیرد و داده‌های لازم برای شیفت بعدی را دریافت کند. این درست همان لحظه‌ای است که حجم عظیمی از داده‌ها – بسته به ابعاد ناوگان – باید بین ربات و سرور‌ها جابه‌جا شوند.

در نتیجه، محل‌های شارژ، نگهداری یا سرویس این ماشین‌آلات ناخواسته به مینی‌دیتاسنترهایی تبدیل می‌شوند که با ورود و خروج هر ماشین، زیر بار حجم سنگینی از ترافیک ناگهانی می‌روند. با بزرگ‌تر شدن ناوگان، فشار روی شبکه‌ای که این هاب‌ها را به هم وصل می‌کند هم بیش‌تر می‌شود. وقتی زمان آپلود و دانلود داده‌ها از زمان شارژ باتری یا تعمیرات مکانیکی طولانی‌تر شود، خود شبکه به گلوگاه اصلی سد راه توسعه ناوگان تبدیل خواهد شد.

لایه‌ای نوین از جنس نور؛ ارتباطات نوری بی‌سیم وارد می‌شوند

شبکه‌های سیمی سنتی به هیچ وجه نمی‌توانند پابه‌پای اقتصاد پرتحرک و پویای رباتیک پیش بروند. یک مدیر ناوگان ممکن است بخواهد پایگاه جدیدی در شهری دیگر راه بیندازد، آشیانه‌های پهپاد را به مشتریان نزدیک‌تر کند یا تجهیزات خودران را در پروژه‌های موقت صنعتی مستقر سازد. کشیدن خطوط فیبر نوری به هرکدام از این نقاط، مستلزم حفاری خیابان‌ها و دریافت مجوزهای اداری فراوان است که هم زمان زیادی می‌برد و هم هزینه‌های سرسام‌آوری روی دستشان می‌گذارد.

اینجاست که اتصالات بی‌سیم، رویکردی بسیار سریع‌تر و منعطف‌تر پیش رو می‌گذارند. پیوندهای ارتباطی را می‌توان بدون نیاز به کندن زمین یا انتظار برای مجوزهای اداری راه‌اندازی کرد و پایگاه‌های جدید را در چشم‌به‌هم‌زدنی به شبکه متصل ساخت. با رشد ناوگان یا جابه‌جایی مقرهای کاری، می‌توان این پیوندها را به‌راحتی جابه‌جا یا تقویت کرد.

ارتباطات نوری بی‌سیم یا همان WOC (مخفف Wireless Optical Communication) می‌تواند دقیقاً همان پل ارتباطی پرسرعت و پرظرفیت باشد. این فناوری با ارسال پرتوهای باریک نور در هوا، پهنای باندی در حد فیبر نوری را میان دو نقطه‌ای که دید مستقیم به هم دارند برقرار می‌کند؛ سرعتی تا ۲۰ گیگابیت بر ثانیه در فواصل حداکثر ۲۰ کیلومتری! جالب‌تر اینکه تجهیزات آن را می‌توان ظرف چند ساعت روی دکل‌های مخابراتی موجود یا بالای ساختمان‌ها نصب کرد.

برای ناوگان‌های خودران، این یعنی معجزه‌ای در بهره‌وری: داده‌های تله‌متری و عملیاتی به سرعت برق و باد تخلیه می‌شوند، نقشه‌ها و مدل‌های هوش مصنوعی تازه آپلود می‌گردند و این سرمایه‌های باارزش به جای معطل ماندن در پارکینگ و دپو، خیلی سریع دوباره به خط مقدم کار و مأموریت برمی‌گردند.

البته فناوری WOC جادوگری هم نیست! پیوندهای نوری همچنان به خط دید مستقیم نیاز دارند و مه غلیظ یا باران‌های سیل‌آسا می‌توانند کیفیت ارتباط را پایین بیاورند. به همین دلیل در پیاده‌سازی‌های حرفه‌ای، این سیستم با یک مسیر رادیویی (RF) پشتیبان جفت می‌شود تا پایداری ارتباط تضمین شود. این فناوری جایگزین فیبر نوری سنتی نخواهد شد، اما دسترسی فیبر را به مناطقی می‌رساند که کابل‌کشی به آن‌ها غیرممکن است. علاوه بر این، با مهاجرت از هدایت مکانیکی پرتوها به سمت سیستم‌های حالت جامد مبتنی بر فوتونیک سیلیکونی، این تجهیزات روزبه‌روز کوچک‌تر، سریع‌تر و ارزان‌تر می‌شوند. خلاصه اینکه نور، پاسخ این معماست!

ظهور خودروهای برقی به ما یاد داد که نگاهمان فقط به خود ماشین نباشد و زیرساخت‌های پشت صحنه را هم جدی بگیریم. ماشین‌های خودران هم دقیقاً همین دیدگاه را طلب می‌کنند؛ با این تفاوت که این بار، آنچه باید تجدید شود صرفاً شارژ باتری دستگاه نیست، بلکه «تجربه انباشته‌شده ماشین» و در نتیجه، هوش جمعی و مشترک کل ناوگان است.

ربات‌ها به شکلی شگفت‌انگیز در حال یادگیری مسیریابی و کار در دنیای مادی هستند؛ پس واقعاً روا نیست گام پایانی مسیر یادگیری و پیشرفت آن‌ها را به دست یک نفر بسپاریم که با هارد اکسترنال وسط پارکینگ راه می‌رود!