تصور کنید یک مدل زبانی، به جای اینکه فقط درباره‌ی نحوه تغییر روغن ماشین بخواند، بتواند واقعاً پیچ‌ها را باز کند. این دقیقاً همان نقطه‌ای است که Anthropic می‌خواهد سریع‌تر به آن برسد تا از رقبای خود عقب نماند.
به گزارش The Information، شرکت Anthropic و استارتاپ Physical Intelligence در بهار سال جاری میلادی مذاکراتی را برای ادغام و خرید انجام داده‌اند. اگرچه کارول هوسمن (Karol Hausman)، مدیرعامل این استارتاپ، بعداً این خبر را با یک پیام در Slack و یک گیف طنزآمیز تکذیب کرد، اما همین تعامل نشان می‌دهد که آزمایشگاه‌های بزرگ هوش مصنوعی دیگر به متن قانع نیستند و برای بقا، باید به دنیای فیزیکی وارد شوند.
این تلاش برای رسیدن به هوش مصنوعی تجسم‌یافته (Embodied AI) — یعنی ایجاد سیستمی که شبیه به انسان، حس محیط را می‌گیرد و بر اساس آن حرکت می‌کند — به یک میدان جنگ حیاتی تبدیل شده است. این رویکرد یادآور تلاش‌های شرکت‌هایی است که سعی دارند داده‌های محیطی را به مهارت تبدیل کنند، همان‌طور که در تحلیل معماری General Intuition درباره تبدیل داده‌های گیم‌پلی به مهارت‌های رباتیک بررسی کردیم. اکثر مدل‌های پیشرو روی متون اینترنتی آموزش دیده‌اند، اما ابرهوش مصنوعی احتمالاً نیازمند درکی از فیزیک و تعاملات مکانی است که هیچ «خزش داده‌ای» (Data Scraping) نمی‌تواند فراهم کند. همان‌طور که در تحلیل قبلی ما درباره‌ی آموزش مهارت‌های Claude از طریق ضبط صفحه نمایش اشاره کردیم، این شرکت اکنون به دنبال راهی سریع‌تر برای ادغام با سخت‌افزار است.
بستر اکتسابات در دنیای هوش مصنوعی
سال جاری میلادی، سال خرید‌های کلان بوده است. هم Anthropic و هم OpenAI در حال بلعیدن استارتاپ‌های تست محصول، شرکت‌های خدمات هوش مصنوعی و ابزارهای توسعه‌دهنده هستند تا قابلیت‌های مدل خود را سریعاً به درآمد سازمانی تبدیل کنند. این تغییر استراتژی را می‌توان در گزارش بازار ما درباره تغییر اولویت این دو آزمایشگاه از پژوهش محض به سودآوری مشاهده کرد.
این گسترش در حالی رخ می‌دهد که هر دو شرکت برای عرضه اولیه سهام (IPO) در بازار آمریکا آماده می‌شوند. طبق مستندات، Anthropic در ۱ ژوئن ۲۰۲۴ به‌صورت محرمانه برای IPO درخواست داد و OpenAI نیز یک هفته بعد همین مسیر را طی کرد. در حالی که Anthropic امسال چهار خرید شناخته‌شده داشته، OpenAI تهاجمی‌تر عمل کرده و از سال ۲۰۲۳ تاکنون دست‌کم ۱۷ شرکت را تصاحب کرده است.
Physical Intelligence هدف بسیار ارزشمندی در این رقابت است. این شرکت که حدود دو سال پیش در سان‌فرانسیسکو توسط لاکی گروم (Lachy Groom)، پژوهشگران سابق گوگل و اساتید استنفورد و برکلی تأسیس شد، بیش از یک میلیارد دلار جذب سرمایه کرده است. مدل π0.5 آن‌ها در حال حاضر یکی از پرکاربردترین «مغزهای رباتیک» در محافل پژوهشی است و گزارش شده که این استارتاپ در بهار امسال برای دور جدیدی از سرمایه‌گذاری با ارزش ۱۱ میلیارد دلار مذاکره می‌کرده است.
مسابقه تسلیحاتی رباتیک
علاقه Anthropic به این حوزه، بخشی از یک الگوی expansionist یا توسعه‌طلب است. برای جبران فاصله با رقبا و پرش از سال‌ها تحقیق و توسعه، این شرکت مدل‌های خود را در دنیای واقعی آزمایش می‌کند:
- پروژه Fetch: در نوامبر سال گذشته راه‌اندازی شد تا بررسی کند Claude چگونه می‌تواند به افراد غیرمتخصص در برنامه‌نویسی یک سگ رباتیک کمک کند.
- فاز ژوئن: در مرحله دوم آزمایش‌ها در ژوئن ۲۰۲۴ مشخص شد که مدل جدیدتر، همان وظایف را تقریباً ۲۰ برابر سریع‌تر از بهترین تیم «انسان + کلاود» سال قبل انجام می‌دهد.
در این میان، OpenAI پیشینه‌ای پیچیده با سخت‌افزار دارد. این شرکت پیش‌تر دستی رباتیک ساخت که می‌توانست مکعب روبیک را حل کند، اما در سال ۲۰۲۱ کل گروه رباتیک خود را تعطیل کرد. ووجک زارمبا (Wojciech Zaremba)، یکی از بنیان‌گذاران، بعدها اشاره کرد که آن رویکرد فاقد قطعات لازم برای رسیدن به ابرهوش واقعی بود.
با این حال، OpenAI در سال ۲۰۲۴ دوباره به این میدان بازگشت و به‌طور مخفیانه یک آزمایشگاه رباتیک انسان‌نما در سان‌فرانسیسکو ساخت. سام آلتمن (Sam Altman) در اواخر می ۲۰۲۴ رسماً «OpenAI Robotics» را معرفی کرد و اعلام نمود که در حال استخدام نیروی جدید است. آلتمن تمرکز کوتاه‌مدت را بر ربات‌های زیرساختی و هدف بلندمدت را فراهم کردن یک ربات شخصی برای هر فرد دانست.
نقشه‌ی پیچیده‌ی ذینفعان
یک پیچیدگی بزرگ در هرگونه معامله احتمالی وجود دارد: OpenAI در واقع یکی از سرمایه‌گذاران Physical Intelligence است. پایگاه سرمایه‌گذاران این استارتاپ، از جمله Thrive Capital و Khosla Ventures، شباهت زیادی به سرمایه‌گذاران OpenAI دارد.
به دلیل این سهام‌داری، OpenAI ممکن است دارای «حق تقدم» یا اختیارات حفاظتی باشد که اجازه می‌دهد هرگونه فروش به رقیب را مسدود کند. این یعنی OpenAI می‌تواند مانع حرکت Anthropic شود یا حتی خودش برای تصاحب شرکت اقدام کند تا رقیبش به مزیت سخت‌افزاری ناگهانی دست نیابد.
برای کاربر نهایی، این بدان معنای است که مسیر رسیدن به «ربات خانگی» دیگر فقط به مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — بستگی ندارد؛ بلکه برنده کسی است که بهترین «مغز رباتیک» را تصاحب کند.
گام بعدی شما
- اگر توسعه‌دهنده هستید، روی مدل‌های VLM (مدل‌های بینایی-زبانی) تمرکز کنید؛ چون پل ارتباطی بین متن و عمل در رباتیک هستند.
- منتظر اعلام همکاری‌های استراتژیک Anthropic با تولیدکنندگان سخت‌افزار باشید، زیرا خرید مستقیم ممکن است با وتوی OpenAI شکست بخورد.
- اخبار مربوط به «پروتکل‌های کنترل سخت‌افزاری» را دنبال کنید تا بفهمید مدل‌های زبانی چگونه دستورات را به حرکت تبدیل می‌کنند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ برای درک زیرساخت‌های محاسباتی این مدل‌ها، به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو