رباتهای انساننمای چین از رقبایشان سبقت گرفتهاند—حتی به معنای تحتاللفظی آن. در ۱۷ اوت، یکی از آنها به نام «سوپرمن» توانست سرعت دویدن ۱۲.۶۶ متر بر ثانیه ثبت کند و رکورد قبلی یوسین بولت را بشکند، پیش از آنکه به دیوار برخورد کند. این پیروزی تنها بر هیجان پیرامون یونیتروی (Unitree)، سازنده سوپرمن، افزود که سهام خود را دو روز بعد در شانگهای عرضه کرد. قیمت سهام آن ۴۶۰ درصد افزایش یافت.
اما همانطور که پایان رسوایانه دویدن سوپرمن نشان داد، فناوری هنوز راه طولانی پیش رو دارد. انتظار میرود شرکتهای چینی امسال ۵۰ هزار ربات انساننما بفروشند، رقمی بیش از سه برابر فروش سال گذشته. آنها عمدتاً بر سختافزار پشت این ماشینها مسلط شدهاند. با این حال، نرمافزار موضوع دیگری است.
برای ایجاد مدلهای پایهای که به رباتها امکان انجام بیوقفه طیف وسیعی از وظایف مفید را بدهند، اکنون باید مقادیر عظیمی از داده جمعآوری شود. مدلهایی که نسل فعلی رباتهای انساننما را به کار میبرند، دارای چند میلیارد «پارامتر» هستند؛ برای بازتولید عملکرد بدن انسان، آنها به صدها میلیارد پارامتر نیاز خواهند داشت.
این امر آنها را در اندازه مشابهی با مدلهای زبانی بزرگ (Large Language Models) قرار میدهد که چتباتها را به کار میگیرند. تفاوت اینجاست که چتباتها میتوانند بر اساس انبوه متنهای دیجیتال موجود در اینترنت آموزش ببینند. جمعآوری دادههای لازم برای آموزش به یک ربات جهت شناسایی یک لیوان، برداشتن آن و پر کردن آن با قهوه بسیار دشوارتر است. ربات باید همه چیز را از موقعیت فضایی خود تا شکنندگی لیوان و ویسکوزیته محتویات آن درک کند. این اطلاعات باید از تجربیات دنیای واقعی یا بازسازیهای دقیق از آنها استخراج شود.
رباتهای انساننما در حال حاضر با ترکیبی درهمریخته از دادهها تغذیه میشوند که اغلب از شبیهسازیهای با کیفیت پایین هستند. دادههای جمعآوریشده از دنیای واقعی بسیار مفیدترند و اکنون مورد تقاضای بالایی قرار دارند. ارزشمندترین فرم، دادههای «ماشین واقعی» است که توسط اقدامات یک ربات تولید میشود، چه زمانی که به صورت از راه دور کنترل شود و چه زمانی که وظایفی را به تنهایی انجام دهد. منبع مهم دیگری نیز از ضبط انسانها هنگام انجام وظایف ناشی میشود. این اطلاعات که به عنوان دادههای «از دیدگاه اول شخص» شناخته میشوند، با تجهیز یک فرد به هدست، دستکشهای حسگر لمسی و سایر تجهیزات که حرکات او را ضبط میکنند، جمعآوری میشوند.
چین به سرعت به پیشرو در جستجوی دادههای ماشین واقعی تبدیل شده است، به لطف مراکز آموزشی مانند مرکز نوآوری انساننمای هوبئی. در این مجموعه گسترده در شهر مرکزی ووهان چین، تا ۱۰۰ ربات هر روز ساعتها صرف مشاهده و تقلید از انسانها میکنند. در یکی از دهها ایستگاه کاری، مرد جوانی پشت پیشخوان ایستاده و دستی که به سنسورهای دیجیتال آغشته است را به صورت دایرهای حرکت میدهد، گویی در حال ریختن آب داغ روی قهوه است. در کنار او رباتی ایستاده که حرکت او را تقلید میکند اما آب واقعی را از یک کتری روی قیف قهوه میریزد. نحوه حرکت مچ و انگشتان ربات به شکلی ترسناک انسانی است. چند قدم آنطرفتر از کافه موقت، چیزی شبیه به داروخانه دیده میشود که در آن جفت دیگری از انسان و ربات قفسهها را مرتب میکنند. سپس یک فروشگاه کوچک، بعد یک خط تولید کارخانه و پس از آن صحنههای مختلف زندگی کاری قرار دارد. (تا کنون خبرنگاران خارجی اجازه بازدید از این مراکز را نداشتهاند.)
مرکز ووهان یکی از ۵۳ تأسیسات در چین است که به طور خاص برای استخراج اسرار حرکت انسان ساخته شده است، بر اساس دادههای شرکت مشاورهای Interact Analysis. بیشتر آنها در دو سال گذشته ایجاد شدهاند. ۳۴ مورد دیگر در حال ساخت یا برنامهریزی هستند. یکی که در شانگهای در حال ساخت است، فضای کافی برای ۱۰۰۰ ربات انساننما خواهد داشت. شهری کوچک در استان ساحلی ژجیانگ هماکنون شش مرکز آموزشی دارد.
مراکز آموزشی به فضای زیادی، افراد فراوانی برای اداره آنها و لشکری از رباتهای انساننمای پیشرفته نیاز دارند که قیمت هر کدام میتواند تا ۱۰۰ هزار یوان (۱۵ هزار دلار) باشد. و برای هر هشت ساعت ریختن قهوه، مثلاً، دroid در ایستگاه کافه تنها سه ساعت داده مفید تولید میکند. بقیه فاسد میشود، عمدتاً به دلیل خطاهایی که مهندسان نمیخواهند رباتها آنها را یاد بگیرند. این نوع آموزش بنابراین ساعتی ۵۰۰ تا ۷۰۰ یوان هزینه دارد، طبق محاسبه کری چن (Corey Chan) از بانک HSBC. بر اساس یک تخمین، ۱۰۰ میلیون ساعت آموزش برای توسعه رباتی که بتواند طیف وسیعی از وظایف روزمره را انجام دهد، مورد نیاز است.
خوشبختانه برای کسبوکارهای چینی مانند یونیتروی، دولت بخش عمدهای از هزینه مراکز را تقبل کرده است. حدود چهار پنجم آنها حمایت دولتی دارند. بسیاری از آنها همکاری بین مؤسسات خصوصی و دولتهای محلی هستند که رباتهای انساننما را میخرند و دادههای تولیدشده را دوباره به شرکتها میفروشند. تخمینها متفاوت است اما در نیمه اول سال ۲۰۲۶ تا ۷۰ درصد از رباتهای انساننمای ساختهشده در چین ممکن است به این مراکز آموزشی رفته باشند که مجموعاً حدود ۱۳ هزار دستگاه میشود. با ساخت یکی از این مراکز، مقامات محلی میتوانند تقاضا برای رباتهایی را که در منطقه آنها تولید میشوند، تقویت کنند.
در همین حال، سازندگان ربات چینی راههایی برای جمعآوری دادههای از دیدگاه اول شخص از نیروی کار بزرگ تولیدی کشور و همچنین جوانان بیکار فراوان آن پیدا میکنند. صنعت کوچکی از فروشندگان تجهیزات پوشیدنی برای این منظور ظهور کرده است. برخی امیدوارند جوانان این تجهیزات را در خانه به عنوان شغل پارهوقت بپوشند. JD.com، یک شرکت تجارت الکترونیک، اوایل امسال اعلام کرد که پروژهای را برای پرداخت حقوق به ۱۰۰ هزار نفر از پرسنل خود و ۵۰۰ هزار نفر دیگر آغاز کرده است تا حرکات خود را ردیابی کنند. در تأسیساتی که گزارش شده بود در استان ساحلی جیانگسو حمایت دولتی دریافت کرده است، این شرکت به مردم پول میدهد تا وظایفی را در فروشگاههای مواد غذایی جعلی و محیطهای دیگر انجام دهند. این شرکت قصد دارد در طی دو سال آینده ۱۰ میلیون ساعت داده از سناریوهای انسانی دنیای واقعی جمعآوری کند.
دادههای از دیدگاه اول شخص تولیدشده توسط انسانها به دلیل تفاوتهای در نحوه حرکت اندامهای انسانی و رباتی در عمل، بسیار کمتر از دادههای ماشین واقعی مفید هستند. و حتی بخشهای مفید باید برچسبگذاری شوند، که نیازمند حضور انسان برای برچسبگذاری دستی هر حرکت است تا ربات بداند هر حرکت به کدام اندام یا عمل مربوط میشود. با این حال، چین با استخدام گروههای بزرگ افراد برای برچسبگذاری تصاویر، پیشرویی زودهنگام در فناوری تشخیص تصویر کسب کرد. مهندسی که برای یک شرکت رباتیک کار میکند، میگوید میتواند دوباره همین کار را انجام دهد.
صنعت انساننمای چین برخلاف بیشتر کسبوکارهای تولیدی دیگری است که در این کشور رونق یافتهاند. در طی چند سال آینده، قرار است صدها هزار دستگاه گرانقیمت اما عمدتاً بیفایده تولید و بفروشد به امید اینکه در آینده دستگاههای ارزان و مفیدی بسازد. از زمان اوج اولیه، قیمت سهام یونیتروی ۳۰ درصد سقوط کرده است. رقبا آمریکایی بر روشهای آموزش کمهزینهتر تکیه کردهاند. تسلا، بزرگترین تولیدکننده انساننما در آمریکا، گفته میشود رباتها را در انبارهای خودش آموزش میدهد که هزینه ساخت تأسیسات آموزشی مستقل را برای آن صرفهجویی میکند. شرکتهای مختلف از ویدیوهای حرکت انسان برای آموزش انساننماهای خود استفاده کردهاند. و از آنجا که امروزه آمریکا کارگران کارخانه معدودی دارد که بتوان تجهیزات جمعآوری از دیدگاه اول شخص را به آنها داد، تعدادی از شرکتها reportedly به کارگران در کشورهای فقیر با دستمزدهای پایینتر از چین پول میدهند تا هنگام کار هدست و دستکشهای لمسی بپوشند.
همانطور که با بینایی ماشین، چین با این حال به نظر میرسد تقریباً مطمئن باشد که پیشرویی را در جمعآوری داده ربات حفظ کند. اما به چه قیمتی؟ با توجه به وضعیت فعلی فناوری و زمانی که برای بهبود آن مورد نیاز است، بعید است بازار تجاری برای انساننماها در این دهه شکل بگیرد. مورگان استنلی (Morgan Stanley)، یک بانک، محاسبه میکند که چین ممکن است تا سال ۲۰۳۰ سالانه نزدیک به ۴۵۰ هزار ربات بفروشد (به نمودار مراجعه کنید). بسیاری از آنها همچنان کمهوش خواهند ماند—و به ضرب خوردن به دیوارها ادامه خواهند داد.