اگر میخواهید رباتی لباسها را تا کند یا آشپزخانه را بشوید، به میلیونها ساعت داده از حرکات واقعی انسان نیاز دارید. Human Archive شرط بسته است که اقتصاد گیگ (Gig Economy) در هند، بزرگترین منبع دستنخورده برای این آموزش است. این استراتژی یادآور رویکرد شرکت Wispr Flow است که برای تسخیر بازار هند، درآمد کوتاهمدت را فدای حجم انبوه دادهها کرد تا مدلهای خود را بهینهتر کند.
آزمایشگاههای پیشرو در حال برخورد با یک «دیوار داده» هستند. در حالی که متن و تصویر فراوان است، دادههای خودمحور (Egocentric Data) — مثل دیدن دنیا دقیقاً از پشت چشمهای یک انسان، نه از دوربینهای نظارتی — اکنون کمیابترین مادهی اولیه برای آموزش هوش مصنوعی فیزیکی (Physical AI) هستند. این فناوری شبیه به دادن بدن و حس لمس به یک مغز دیجیتال است تا بتواند در دنیای واقعی حرکت کند. این تلاش برای تجسد هوش مصنوعی در دنیای فیزیکی، بخشی از یک موج بزرگتر است؛ درست مانند نقشهی ۱۰۰ میلیارد دلاری سافتبنک برای اتوماسیون زیرساختهای AI که هدف آن تغییر بنیادین در ساختوسازهای رباتیک است.
همانطور که در تحلیلهای پیشین ما دربارهی بحران دادههای متنی اشاره کردیم، وقتی دادههای باکیفیت تمام شوند، پیشرفت مدلها متوقف میشود. در ۲۶ مه ۲۰۲۶، این استارتاپ اعلام کرد ۸.۲ میلیون دلار سرمایه از Wing Venture Capital، NVP Capital و Y Combinator جذب کرده است. همچنین فرشتگان سرمایهگذار از OpenAI، Nvidia و Meta در این دور پشتیبانی کردهاند.
طبق اعلام شرکت، برای ثبت این دادهها از سختافزارهای زیر استفاده میشود:
- کلاههای مخصوص مجهز به دوربینهای RGB-D برای ثبت عمق و رنگ
- دستکشهای لمسی و دوربینهای مچی برای اندازهگیری نیرو
- لباسهای کامل ثبت حرکت (Motion Capture)
این شرکت با استارتاپهای کوچکتر همکاری میکند تا مشتریان را با یک انتخاب روبرو کند: پرداخت قیمت کامل یا دریافت تخفیف در ازای رضایت به جمعآوری دادهها. به نقل از Economic Times، کارگران برای شرکت در این طرح ساعتی ۱ دلار دریافت میکنند؛ رقمی که بهطور قابلتوجهی کمتر از نرخ ۲.۶۳ تا ۴.۲۰ دلاری رقبای این حوزه است.
این رویکرد، مفهوم انسان در حلقه (Human-in-the-loop) — شبیه به داشتن یک معلم کنار شاگرد که هر جا اشتباه کرد، او را اصلاح میکند — را به یک فرآیند صنعتی مقیاسپذیر تبدیل میکند. با بهرهگیری از دستمزد پایین در هند، Human Archive در واقع حرکات انسانی را برای سوخترسانی به رقابت رباتیک در سیلیکونولی میخرد. با این حال، اصطکاک با غولهایی مثل Urban Company و بازرسیهای وزارت الکترونیک و فناوری اطلاعات هند نشان میدهد که این مدل «رضایتمحور» با موانع قانونی شدیدی روبروست.
گام بعدی شما
- اگر در حوزه رباتیک فعالیت میکنید، مدل جمعآوری دادههای «تخفیفمحور» را به عنوان یک استراتژی رشد بررسی کنید.
- تغییرات قوانین دادههای بیومتریک در هند را دنبال کنید تا ریسکهای مشابه را شناسایی کنید.
- خروجیهای احتمالی این دادهها در مدلهای نسل بعد رباتهای خانگی را زیر نظر بگیرید.
اما چالشهای اخلاقی این مدل در بازارهای با دستمزد بالا، فصل بعدی این رقابت است — تحلیل ما دربارهی حریم خصوصی دادههای بیومتریک را بخوانید.
گفتگو