مراجعة متعمقة: SIMA، حيث تعيد DeepMind تعريف الوكيل الذكي في العالم ثلاثي الأبعاد باستخدام اللغة الطبيعية

بينما لا تزال معظم أنظمة الذكاء الاصطناعي تعالج النصوص والصور على الأسطح المستوية، كانت DeepMind قد وجهت أنظارها نحو مستقبل أكثر أبعادًا. الوكيل الذكي العام للبيئات ثلاثية الأبعاد SIMA الذي أطلقته هو التجسيد الملموس لهذا الطموح. SIMA ليس "لاعبًا غشاشًا" مخصصًا للعبة معينة أو محاكي، بل وكيل عام يفهم اللغة البشرية وينفذ مهامًا معقدة عبر عوالم افتراضية متعددة. بعد فترة من الاستخدام المتعمق، نقدم لكم قراءة شاملة بدءًا من القدرات الأساسية وصولاً إلى الانطباعات الأولية.

المزايا الأساسية: نزع تسمية "الأداة المتخصصة"

أكثر ما يثير الحماس في SIMA هو أنه يكسر الحدود التقليدية للذكاء الاصطناعي في الألعاب أو المساعدين الافتراضيين. يمكن تلخيص مزاياه الأساسية في ثلاث كلمات تعبر عن "الشمولية".

• الشمولية البيئية: يستطيع SIMA العمل في عشرات البيئات ثلاثية الأبعاد المتنوعة الأساليب، سواء كانت ألعاب بناء بعوالم مفتوحة، أو محاكاة بقاء معقدة، أو فضاءات مغلقة تعتمد على الألغاز. فهو يفهمها فورًا ويبدأ بالتحرك، دون الحاجة إلى إعادة تدريب لكل بيئة.
• الشمولية اللغوية: لا تحتاج إلى حفظ أي أكواد أوامر. فقط قل باللغة الطبيعية المعتادة: "اذهب خلف المنزل الأحمر واقطع خمس أشجار، ثم اصنع طاولة عمل"، وسيقوم SIMA بتفكيك المهمة وإنجازها بالتسلسل: التنقل، جمع الموارد، ثم البناء. قدرته على تحليل التعليمات الغامضة والطويلة تفوق بكثير المساعدين الصوتيين التقليديين.
• الشمولية السلوكية: لا يعتمد SIMA على نصوص برمجية ثابتة، بل على حوالي 600 مهارة حركية أساسية، تشمل التحرك، الالتقاط، استخدام الأدوات، القفز، البناء، التسلق وغيرها. من خلال فهم الصور واللغة، يمكنه دمج هذه السلوكيات بمرونة في المشاهد الجديدة، مظهرًا قدرة على التكيف تقترب من الإنسان.

الجمهور المستهدف: ليس مجرد لعبة للاعبين

إذا كنت تعتقد أن SIMA مجرد "أداة غش متقدمة" مصممة للألعاب، فقد تفوّت محيطًا واسعًا من التطبيقات.

مطورو الألعاب ومعمارو الميتافيرس هم المستفيدون الأوائل. يمكنهم استخدام SIMA لاختبار حدود العوالم الافتراضية، ومحاكاة تفاعل آلاف الوكلاء الأذكياء في البيئة، والتحقق بسرعة من منطق المشاهد والأنظمة الاقتصادية. أما الباحثون في الذكاء الاصطناعي والتفاعل بين الإنسان والحاسوب فيحصلون على منصة تجريبية ممتازة. فبنية SIMA — التي تدمج نماذج الرؤية المدربة مسبقًا مع نماذج اللغة، وتُخرج إجراءات دقيقة للوحة المفاتيح والفأرة — توفر ميدان تدريب محاكي قيّم لعقول الروبوتات العامة. إضافة إلى ذلك، بالنسبة لمصممي العروض التمهيدية السينمائية، والتدريب بالمحاكاة الآلي وحتى المدن الرقمية التوأم، فإن وجود وكيل افتراضي يمكنه التجول بحرية وتنفيذ الأوامر بدقة يعني تحسنًا هائلًا في كفاءة التحقق من النماذج الأولية.

تجربة الاستخدام: كأنك تتحدث إلى "شريك خفي" يعمل بيديه

التفاعل الفعلي مع SIMA يمنح شعورًا مدهشًا. قمنا بإصدار أوامر في عدة بيئات تجريبية، مثل "اعثر على أقرب خام حديد على ضفة النهر، واستخرجه وأعده إلى جانب الصندوق الأصلي". يمكنك أن ترى الشخصية التي يتحكم بها SIMA تنظر حولها في البداية، وتبني إدراكًا ثلاثي الأبعاد للبيئة بسرعة من خلال نظام الفهم البصري، ثم تتجه بثبات نحو ضفة النهر. قد لا يكون المسار الذي تختاره هو الأقصر دائمًا، لكنها تتجنب الاصطدامات غير الضرورية، وتلتف حول العقبات أو تقفز قفزات بسيطة بشكل تلقائي، دون أي توقف يذكر طوال العملية.

الأكثر إثارة للإعجاب هو قدرته على مقاومة "التشتت". فعند إعطاء أمر مفاجئ في منتصف الطريق مثل "اصنع فأسًا خشبيًا أولاً ثم عد لاستكمال التعدين"، يقوم SIMA بتعليق المهمة الحالية، ويبدل الهدف، وينجز البناء ثم يعود بدقة إلى نقطة المهمة الأصلية. يكمن وراء ذلك قدرة قوية على الاحتفاظ بالسياق وجدولة المهام. بالطبع، التجربة ليست مثالية. ففي ظروف الإضاءة والظلال المعقدة للغاية، قد يخطئ في التعرف على الأشياء أحيانًا؛ ولا تزال بعض عمليات الترتيب والتركيب التي تتطلب تفاعلًا فيزيائيًا دقيقًا بحاجة إلى تحسين في نسبة النجاح. لكن بالنظر إلى أن هذا الوكيل الذكي يعتمد فقط على صور الشاشة واللغة الطبيعية، فإن أداءه كافٍ ليجعلنا نؤمن بأن مساعد الذكاء الاصطناعي القادر حقًا على فهم اللغة البشرية والعمل في العالم الثلاثي الأبعاد لم يعد بعيدًا عنا.