OpenAI گروه رباتیک مستقلش را در واحدهای اصلی ادغام کرد

تغییر ساختار گروه رباتیک OpenAI، پرسش تازهای درباره راهبرد این شرکت در ساخت هوش مصنوعی برای دنیای واقعی ایجاد کرده است. پژوهشگران رباتیک به گروه اصلی پژوهش منتقل شدهاند و تیمهای رباتیک کاربردی و سختافزار به بخش Applied پیوستهاند. OpenAI میگوید رباتیک همچنان بخشی از چشمانداز بلندمدت شرکت است و بازآرایی با هدف پیشبرد سریعتر این حوزه انجام شده است؛ شمار کارکنان جابهجاشده و زمانبندی دقیق اجرای تغییر اعلام نشده است.
پژوهشگران به کدام بخشها منتقل شدند؟
بر اساس اطلاعاتی که OpenAI در پاسخ به Fortune ارائه کرد، پژوهشگران گروه رباتیک به تیم اصلی پژوهش شرکت پیوستهاند؛ تیمی که زیر نظر مارک چن، مدیر ارشد پژوهش OpenAI، فعالیت میکند. تیمهای رباتیک کاربردی و سختافزار نیز به سازمان Applied منتقل شدهاند؛ بخشی که زیر نظر گرگ براکمن، رئیس OpenAI، قرار دارد. بنابراین خبر از پایان فعالیت رباتیکی شرکت حکایت نمیکند، بلکه از تغییر جایگاه سازمانی گروهی میگوید که پیشتر بهصورت مستقل کار میکرد.
OpenAI تعداد افرادی را که جابهجا شدهاند اعلام نکرده است. همچنین جزئیات عمومی روشنی درباره تقسیم پروژهها، مسئولیتهای تازه کارکنان یا اینکه کدام برنامهها با همان ترکیب قبلی ادامه پیدا میکنند، منتشر نشده است. آنچه فعلاً میتوان با اتکا به گفته شرکت بیان کرد، جهت کلی تغییر است: پژوهش مرتبط با رباتیک به گروه پژوهش اصلی نزدیکتر شده و فعالیتهای کاربردی و سختافزاری در بخش Applied قرار گرفتهاند.
این تفاوت در توصیف خبر اهمیت دارد. عنوان اولیه گزارش Fortune از «منحلشدن» تیم مستقل سخن میگفت، اما OpenAI توضیح داد که رباتیک را کنار نمیگذارد و گزارش بعدی The Decoder نیز عبارت بازآرایی ساختار را به کار برد. حذف یک واحد مستقل، با متوقفکردن همه پژوهشها یا لغو برنامه ساخت ربات یکسان نیست. دادههای موجود از جابهجایی تیمها حکایت دارند، نه از اعلام توقف کامل پروژههای رباتیک.
چرا مدلهای عمومی به رباتیک رسیدهاند؟
رباتی که در کارخانه یا خانه کار میکند فقط به یک پاسخ متنی نیاز ندارد. باید محیط را از راه دوربین یا حسگرهای دیگر تشخیص دهد، بفهمد کاربر چه میخواهد، حرکت مناسب را کند و اثر حرکتش را دوباره بررسی کند. اگر فنجانی روی میز باشد، سامانه باید جای فنجان را تشخیص دهد، فاصله و زاویه بازوی ربات را برآورد کند و دستگرفتن آن را طوری برنامهریزی کند که فنجان نیفتد. در زبان پژوهش هوش مصنوعی، به بهکارگیری سامانههای هوشمند برای اقدام در جهان فیزیکی، «هوش مصنوعی تجسمیافته» میگویند.
مدلهای عمومیِ چندوجهی میتوانند متن و تصویر را با هم پردازش کنند و در برخی نسخهها توانایی برنامهریزی و استفاده از ابزار نیز دارند. ایدهای که در پشت تغییر OpenAI قرار دارد این است که شاید همان مدلهایی که برای کدنویسی، تحلیل تصویر یا پیروی از دستورها آموزش دیدهاند، بتوانند با سازگاری مناسب بخشی از وظایف ربات را هم انجام دهند. اگر چنین رویکردی جواب بدهد، شرکتها ممکن است بهجای ساخت یک سامانه هوش مصنوعی کاملاً جداگانه برای هر نوع ربات، از مدلهای عمومی بهعنوان پایه استفاده کنند.
این ایده در حال حاضر یک مسیر پژوهشی است، نه راهحلی که همه دشواریهای رباتیک را برطرف کرده باشد. ربات با کلمات سروکار ندارد؛ باید در محیطی حرکت کند که اشیا جابهجا میشوند، سطحها اصطکاک متفاوت دارند و خطای کوچک میتواند کار را مختل کند. فهمیدن اینکه «لیوان را بردار» با اجرای امن و دقیق آن دستور تفاوت دارد. سامانه باید علاوه بر تشخیص هدف، محدودیتهای حرکت، وزن وسیله، موقعیت اجسام و تغییرات محیط را هم در نظر بگیرد.
آزمونی که توجهها را جلب کرد
یکی از زمینههایی که به این بحث توجه بیشتری داده، پژوهشی از آزمایشگاه رباتیک NVIDIA است که عملکرد GPT-6 Astra را در وظایف شبیهسازیشده رباتیک بررسی میکند. این پژوهش سه شیوه استفاده از مدل را مقایسه کرده است: تولید مستقیم حرکت، استفاده از مدل در یک نشست عاملمحور با زمینه پایدار، و حالتی که مدل نقش نظارتی دارد و بخشی از کار را به سامانهای دیگر میسپارد.
در این آزمون، روش عاملمحور به نرخ موفقیت ۷۴٫۸ درصد رسید. روش مستقیم ۶۶٫۳ درصد و روش نظارتی ۶۶٫۵ درصد ثبت کردند. پژوهشگران همچنین گزارش کردند نتیجه روش عاملمحور در RoboLab-120 از بهترین مدل تخصصی نمایشدادهشده در همان مقایسه ۲۳٫۸ واحد درصد بیشتر بوده است. این عدد، نتیجه یک آزمایش مشخص با تنظیمات و معیارهای همان پژوهش است؛ نباید آن را به این معنا گرفت که مدل عمومی در همه رباتها یا همه محیطهای واقعی از سامانههای تخصصی بهتر عمل میکند.
RoboLab-120 یک معیار شبیهسازی برای وظایف دستکاری اشیا است. در شبیهساز، پژوهشگران میتوانند وضعیت آغازین و شرایط آزمایش را کنترل کنند و بارها یک وظیفه را اجرا کنند. چنین آزمایشی برای بررسی تواناییها مفید است، چون نشان میدهد مدل در محیطی استاندارد چه میکند. اما ربات واقعی با دوربینهای فیزیکی، تأخیر ارتباطی، حرکتهای ناخواسته، سطحهای لغزنده و اشیای نامنظم روبهرو است. نتیجه آزمایش شبیهسازی را نمیتوان بدون آزمونهای بیشتر به کار روزمره یک ربات تعمیم داد.
دقت بیشتر، هزینه و زمان بیشتر
در پژوهش NVIDIA، عملکرد بالاتر روش عاملمحور بدون هزینه به دست نیامد. این روش بهطور متوسط ۳۰٫۹ میلیون توکن و ۳۶٫۴۰ دلار برای هر اپیزود آزمایشی مصرف کرد. در همان مقایسه، روش مستقیم به حدود ۱۶۰ هزار توکن و ۱٫۹۶ دلار برای هر اپیزود نیاز داشت. بنابراین یک روش فقط با نگاهکردن به درصد موفقیت ممکن نیست. در محصول واقعی، تعداد دفعات اجرا، هزینه پردازش، زمان انتظار و میزان خطا هم باید در محاسبه وارد شوند.
تأخیر نیز برای کاربرد فیزیکی مسئله مهمی است. پژوهش NVIDIA میانگین زمان هر فراخوان مدل در روش مستقیم را ۱۸٫۵۶ ثانیه گزارش کرده است. اگر ربات برای هر حرکت چندین ثانیه منتظر بماند، انجام بعضی کارها کند یا دشوار میشود؛ بهویژه وقتی محیط یا شیء در حال حرکت باشد. سامانههای کنترلی ربات معمولاً باید بارها در بازههای زمانی کوتاه وضعیت را بسنجند و فرمان تازه صادر کنند. یک مدل زبانی یا چندوجهیِ بزرگ ممکن است در استدلال پیچیده توانمند باشد، اما توانایی پاسخگویی سریع و پیوسته را نباید مفروض گرفت.
همین محدودیت توضیح میدهد که چرا پژوهش درباره رباتیک فقط به ساخت مدل بزرگتر ختم نمیشود. یک راهکار ممکن است بخشی از تصمیمگیری را به مدل عمومی بسپارد و اجرای حرکتهای سریع و تکراری را بر عهده کنترلگرهای کوچکتر و تخصصی بگذارد. اینکه چنین ترکیبی در هر کاربردی بهتر باشد، نیاز به آزمایش دارد. پژوهش NVIDIA هم تأکید میکند که شکل دستور، اطلاعات هندسی درباره ربات و میزان زمینهای که در اختیار مدل قرار میگیرد، روی نتیجه اثر میگذارند.
فاصله میان شبیهسازی و استفاده واقعی
مدلهای هوش مصنوعی برای پاسخگویی به نمونههای آموزشی نیاز دارند و رباتیک به دادههایی از تعامل فیزیکی نیازمند است: ربات چه چیزی را دید، چه حرکتی انجام داد و آن حرکت چه نتیجهای داشت. گردآوری چنین دادههایی از یک پایگاه متنی دشوارتر است؛ هر اجرا میتواند به تجهیزات، زمان و نظارت نیاز داشته باشد. اگر مدل در محیط آموزش با یک نوع بازو یا دوربین کار کرده باشد، انتقال آموختههای آن به سختافزار یا محیط دیگر هم مسئلهای جداگانه است.
دقت در شرایط کنترلشده نیز همه جنبههای کاربرد را پوشش نمیدهد. در خانه، چیدمان اتاق عوض میشود و اشیا ممکن است شکل یا جنس متفاوتی داشته باشند. در انبار، قفسهها و بستهها در وضعیتهای گوناگون قرار میگیرند. در کارخانه، سرعت و ثبات عملکرد اهمیت اقتصادی دارد و خطا میتواند به محصول یا تجهیزات آسیب بزند. بنابراین شرکتها باید علاوه بر اینکه مدل یک کار را در چند نوبت انجام میدهد، بررسی کنند با شرایط تازه چه میکند، چگونه از خطا بازمیگردد و چه زمانی باید کار را متوقف کند.
گزارش The Decoder به نتایج یک معیار دیگر برای دستکاری اشیای روی میز هم اشاره میکند که در آن GPT-6 Astra در بخشی از وظایف موفقیت کامل به دست آورده، اما میزان تکمیل وظایف محدود بوده است. خود گزارش تصریح میکند که مدلهای تخصصی همچنان ممکن است از نظر هزینه، قابلیت اتکا، سرعت یا مصرف انرژی مزیتهایی داشته باشند. این نکته در کنار نتیجه NVIDIA نشان میدهد که یک مدل عمومی میتواند در بعضی معیارها پیشرفت چشمگیری داشته باشد، درحالیکه هنوز برای هر استفاده فیزیکی گزینه مناسب یا اقتصادی نباشد.
سابقه قبلی OpenAI در رباتیک
این نخستین بار نیست که OpenAI ساختار رباتیک خود را تغییر میدهد. Fortune مینویسد شرکت در سال ۲۰۲۰ گروه رباتیک اولیهاش را کنار گذاشت. در آن زمان، کمبود دادههای رباتیک و تمرکز بر مسیرهای دیگری برای توسعه هوش مصنوعی عمومی از جمله عواملی بود که درباره آن صحبت شد. OpenAI در سال ۲۰۲۴ دوباره یک تیم مستقل رباتیک ساخت و با شرکت Figure برای توسعه مدلهای هوش مصنوعی مورد استفاده در رباتهای انساننما همکاری کرد.
آن همکاری در فوریه ۲۰۲۵ پایان یافت؛ Figure اعلام کرد هوش مصنوعی رباتهایش را خودش توسعه میدهد. OpenAI نیز پس از پایان همکاری گفته است روی ربات انساننمای خود کار میکند. گزارش Fortune میگوید سم آلتمن نمایش عمومی نمونه نخست را برای سال ۲۰۲۷ هدفگذاری کرده است. این زمانبندی باید بهعنوان هدف اعلامشده در گزارش فهمیده شود، نه وعدهای قطعی که تحقق آن تضمین شده باشد.
تغییر تازه را میتوان در چارچوب همین سابقه دید: شرکت یک بار گروه را کنار گذاشت، سپس آن را دوباره مستقل کرد و اکنون پژوهشگران و تیمهای کاربردی را به بخشهای بزرگتر منتقل کرده است. با این حال، از این توالی بهتنهایی نمیتوان نتیجه گرفت که OpenAI از ساخت ربات صرفنظر کرده یا برعکس، بهزودی محصولی آماده عرضه خواهد کرد. جزئیات عمومی فعلی درباره تعداد نیروها، نمونههای در حال ساخت و برنامه زمانی پروژه محدود است.
معنای سازمانی تغییر
ادغام پژوهشگران در گروه اصلی تحقیق ممکن است همکاری میان توسعه مدلهای عمومی و آزمایشهای رباتیک را نزدیکتر کند؛ این برداشت با توضیح OpenAI درباره پیشبرد سریعتر حوزه سازگار است، اما تفسیر پیامدهای سازمانی آن است و نه گزارشی مستقل از همه تصمیمهای داخلی شرکت. قرارگرفتن تیمهای کاربردی و سختافزار در Applied نیز نشان میدهد فعالیت عملیاتی در ساختار سازمانی جداگانهای متمرکز شده است. اینکه این تقسیم کار در عمل سرعت توسعه را بیشتر میکند یا تمرکز بر رباتیک را دشوارتر، با اطلاعات فعلی مشخص نیست.
همزمان، Fortune این بازآرایی را در بستری از فشار برای تمرکز بر فعالیتهای اصلی و کنترل هزینهها قرار میدهد. این رسانه به فشارهای مالی و نیاز شرکت به اولویتبندی منابع اشاره میکند، اما OpenAI توضیح رسمی خود را بر شتابدادن به برنامه رباتیک بنا کرده است. بنابراین نمیتوان بدون شواهد بیشتر گفت تغییر صرفاً با هدف کاهش هزینه انجام شده؛ همچنین نمیتوان انگیزه اعلامشده شرکت را تنها علت قطعی تصمیم دانست. هر دو نکته باید با انتساب روشن به منبع بیان شوند.
چه چیزی هنوز معلوم نیست؟
خبر تازه درباره مسیر سازمانی است و جزئیات فنی یک ربات جدید را معرفی نمیکند. OpenAI در این گزارشها مشخصات سختافزار، وظایف هدف، قیمت احتمالی یا زمان آغاز تولید را اعلام نکرده است. همچنین از شمار پژوهشگران منتقلشده و برنامه دقیق ادامه پروژهها اطلاعاتی در دست نیست. هدف نمایش عمومی در ۲۰۲۷ نیز خبر از عرضه تجاری یا آغاز تولید انبوه نمیدهد.
از سوی دیگر، نتایج شبیهسازی NVIDIA پژوهشی مستقل درباره عملکرد GPT-6 Astra در وظایف مشخص است؛ این نتایج بهخودیخود ثابت نمیکنند که همان آزمایش دلیل تصمیم مدیریتی OpenAI بوده است. Fortune میگوید شرکت از قابلیت اعمال مدلهای عمومی در رباتیک سخن گفته، اما پیوند مستقیم میان یک پژوهش خاص و تصمیم ساختاری شرکت بهطور کامل تشریح نشده است. کنار هم گذاشتن این دادهها میتواند زمینه بحث را روشن کند، ولی نباید علت قطعی تصمیم را از روی همزمانی دو خبر حدس زد.
اهمیت خبر هفتم در همین تغییر جهت احتمالی نهفته است: بهجای توسعه هوش مصنوعی رباتیک در واحدی کاملاً جدا، OpenAI میخواهد فعالیتها را به ساختار پژوهش و کاربرد عمومی نزدیک کند و همچنان میگوید رباتیک بخشی از برنامه بلندمدت آن است. موفقیت این به مسائلی وابسته خواهد بود که هنوز حلشده نیستند؛ از داده و سازگاری با محیط واقعی گرفته تا تأخیر، هزینه و اطمینان از اجرای ایمن. در حال حاضر، ادغام تیمها یک واقعیت گزارششده است؛ تبدیل مدلهای عمومی به رباتهای قابل اتکا، هدفی است که باید در آزمونهای واقعی سنجیده شود.



