ما هو الذكاء الاصطناعي الفيزيائي Physical AI؟ وكيف يعمل؟

اعتدنا خلال السنوات الأخيرة على ذكاء اصطناعي يكتب النصوص ويولد الصور ويجيب عن الأسئلة وينفذ المهام داخل البيئة الرقمية. لكن الموجة التالية من تطور هذه التقنية تتجه إلى نقل قدرات الذكاء الاصطناعي من الشاشة إلى العالم الحقيقي.

هنا يظهر مفهوم الذكاء الاصطناعي الفيزيائي (Physical AI)، الذي يمنح الآلات والروبوتات القدرة على إدراك محيطها وفهمه واتخاذ قرارات ثم تنفيذ أفعال حقيقية داخله.

ولا يقتصر هذا الاتجاه على الروبوتات الشبيهة بالبشر؛ بل يمتد إلى المركبات ذاتية القيادة والمصانع والمستودعات والأنظمة المستقلة وغيرها من التطبيقات التي تحتاج إلى فهم العالم المادي والتفاعل معه.

ما هو الذكاء الاصطناعي الفيزيائي Physical AI؟

الذكاء الاصطناعي الفيزيائي هو استخدام نماذج وأنظمة الذكاء الاصطناعي داخل آلات تستطيع إدراك العالم المادي والاستدلال بشأنه والتفاعل معه وتنفيذ أفعال حقيقية.

وتعرّف NVIDIA المفهوم بأنه تقنية تسمح للأنظمة المستقلة، مثل الروبوتات والمركبات ذاتية القيادة، بإدراك العالم الفيزيائي وفهمه والاستدلال حوله وتنفيذ إجراءات معقدة داخله.

يمكن تبسيط الفكرة من خلال الفرق بين روبوت تقليدي وروبوت يعتمد على Physical AI.

فالروبوت الصناعي التقليدي قد يكون مبرمجاً لتنفيذ حركة محددة آلاف المرات بالطريقة نفسها. أما النظام المعتمد على الذكاء الاصطناعي الفيزيائي فيحاول فهم ما يحدث حوله والتكيف مع تغير موقع الأشياء أو البيئة واتخاذ القرار المناسب قبل تنفيذ الحركة.

لهذا يمثل Physical AI انتقالاً من الآلة التي تنفذ التعليمات إلى الآلة التي تدرك وتقرر ثم تتصرف.

كيف يعمل Physical AI؟

حتى يتمكن نظام ذكي من العمل في العالم الحقيقي، يجب أن تمر العملية بعدة مراحل مترابطة.

1. إدراك البيئة المحيطة

تبدأ العملية بجمع المعلومات من العالم الحقيقي باستخدام الكاميرات وأجهزة الاستشعار والميكروفونات وتقنيات قياس المسافة واللمس وغيرها.

هذه البيانات تشكل ما يشبه الحواس الرقمية للنظام.

2. فهم ما يحدث

بعد استقبال البيانات، تستخدم نماذج الذكاء الاصطناعي الرؤية الحاسوبية والنماذج متعددة الوسائط لفهم الأشياء والأشخاص والمسافات والعلاقات المكانية الموجودة حول النظام.

فإذا كان روبوتاً في مستودع، يجب ألا يرى صندوقاً فقط، بل أن يفهم مكانه وحجمه وكيف يمكن الإمساك به والعوائق الموجودة في الطريق إليه.

3. الاستدلال واتخاذ القرار

هنا ينتقل النظام من الإدراك إلى تحديد ما يجب فعله.

قد يقرر الروبوت مثلاً تغيير مساره بسبب ظهور شخص أمامه، أو تعديل طريقة الإمساك بجسم بسبب اختلاف شكله أو وزنه.

4. تنفيذ الفعل

تتحول القرارات بعد ذلك إلى حركة فعلية باستخدام المحركات والأذرع والأجزاء الميكانيكية الموجودة في الروبوت أو الآلة.

وتستمر الدورة بعد الحركة؛ إذ يراقب النظام نتيجة ما فعله ويعدل قراراته استناداً إلى المعلومات الجديدة.

إدراك → فهم → استدلال → فعل → تعلم وتكيف.

وهذه الحلقة المستمرة هي إحدى الأفكار الأساسية التي تميز Physical AI عن أنظمة الذكاء الاصطناعي التي تعمل داخل البيئة الرقمية فقط.

ما الفرق بين الذكاء الاصطناعي الفيزيائي والذكاء الاصطناعي التوليدي؟

يعمل الذكاء الاصطناعي التوليدي (Generative AI) بصورة أساسية على المعلومات الرقمية، فيستطيع إنشاء نص أو صورة أو فيديو أو كود برمجي اعتماداً على الأنماط التي تعلمها من البيانات.

أما Physical AI فيضيف تحدياً مختلفاً: فهم قوانين وخصائص العالم المادي والتصرف داخله.

على سبيل المثال، يستطيع نموذج لغوي شرح الطريقة الصحيحة لرفع صندوق من الأرض، لكن الروبوت الذي ينفذ المهمة يحتاج إلى تقدير موقع الصندوق والمسافة والوزن وقوة الإمساك والتوازن، ثم تعديل حركته لحظة بلحظة.

لذلك يستفيد Physical AI من التطورات التي حدثت في النماذج التوليدية ومتعددة الوسائط، لكنه يربطها بالحساسات والمحركات وأنظمة التحكم.

هل Physical AI هو نفسه Embodied AI؟

يُستخدم مصطلحا Physical AI وEmbodied AI أحياناً للإشارة إلى أفكار متقاربة، لكنهما ليسا متطابقين تماماً في جميع السياقات.

يركز Embodied AI عادة على وجود الذكاء داخل كيان أو وكيل يتفاعل مع بيئة من خلال الإدراك والفعل، بينما أصبح مصطلح Physical AI يُستخدم بصورة أوسع لوصف منظومة الذكاء الاصطناعي التي تعمل في العالم المادي، بما يشمل الروبوتات والمركبات والأنظمة الصناعية والمساحات الذكية.

بالنسبة للقارئ العام، يجتمع المفهومان حول فكرة أساسية: إخراج الذكاء الاصطناعي من البيئة الرقمية وجعله يتعامل مع العالم الحقيقي.

كيف يتعلم الروبوت التعامل مع العالم الحقيقي؟

هذه إحدى أصعب مشكلات Physical AI.

تستطيع النماذج اللغوية التدريب على كميات هائلة من النصوص الموجودة على الإنترنت، لكن لا توجد قاعدة بيانات مماثلة تحتوي على كل الحركات والتفاعلات الممكنة للروبوتات في العالم الحقيقي.

كما أن تدريب روبوت حقيقي عن طريق التجربة والخطأ قد يكون بطيئاً ومكلفاً، وفي بعض الحالات خطراً.

لذلك أصبحت المحاكاة (Simulation) جزءاً مهماً من تطوير هذه الأنظمة.

يمكن إنشاء مصنع أو مستودع افتراضي يحاكي الفيزياء، ثم السماح للروبوت بالتدرب على آلاف أو ملايين المحاولات قبل نقل ما تعلمه إلى الآلة الحقيقية، وهي عملية تعرف غالباً باسم Sim-to-Real.

كما يُستخدم التعلم المعزز والبيانات الاصطناعية والنماذج التي تفهم الفيديو والحركة لتسريع عملية التدريب.

والتطورات الأخيرة تشير إلى محاولة تقليل كمية التدريب المطلوبة. ففي سبتمبر 2026 كشفت Skild AI عن نموذج روبوتي باسم S1 صُمم لتعلم مهام لم يسبق له تنفيذها بالاعتماد على عرض المهمة في فيديو واحد، دون الحاجة إلى إعادة تدريب النموذج خصيصاً لكل مهمة.

أين يمكن استخدام الذكاء الاصطناعي الفيزيائي؟

أحد أسباب الاهتمام المتزايد بـPhysical AI هو أن تطبيقاته تتجاوز نوعاً واحداً من الروبوتات.

في المصانع يمكن للروبوتات التكيف مع تغير المنتجات والمهام بدلاً من إعادة برمجتها لكل عملية.

وفي المستودعات والخدمات اللوجستية تستطيع الأنظمة المستقلة التنقل بين العمال والعوائق والتعامل مع المنتجات المختلفة.

أما المركبات ذاتية القيادة فتحتاج إلى إدراك الطريق والمشاة والمركبات والطقس واتخاذ قرارات فورية استناداً إلى بيئة تتغير باستمرار.

ويظهر المفهوم كذلك في الروبوتات الطبية والخدمية والزراعية، إضافة إلى الروبوتات البشرية الشكل التي يجري تطويرها لتنفيذ مجموعة أوسع من المهام.

لماذا أصبح Physical AI مهماً الآن؟

الروبوتات ليست تقنية جديدة، لكن ما يتغير هو مستوى الذكاء العام الذي يمكن دمجه داخلها.

تطور النماذج متعددة الوسائط والاستدلال والرؤية الحاسوبية، إلى جانب زيادة قوة الحوسبة وتطور المحاكاة، يسمح ببناء آلات أكثر قدرة على التعامل مع مواقف لم تتم برمجتها لها بصورة مباشرة.

وفي سبتمبر 2026 أعلنت Arm توسيع منظومتها التقنية باتجاه Physical AI بمشاركة أكثر من 80 شركة، في مؤشر على تشكل منظومة حوسبة وصناعة أوسع حول هذا المجال.

كما تتسابق شركات الذكاء الاصطناعي والروبوتات وأشباه الموصلات على تطوير النماذج والحواسيب والحساسات والمنصات اللازمة لتشغيل الجيل القادم من الأنظمة المستقلة.

ما التحديات التي تواجه الذكاء الاصطناعي الفيزيائي؟

الانتقال من نموذج يعمل على شاشة إلى آلة تتحرك في العالم الحقيقي يرفع مستوى المخاطر والتعقيد بصورة كبيرة.

فالخطأ في إجابة روبوت محادثة يمكن تصحيحه بسهولة نسبية، بينما قد يؤدي القرار الخاطئ من آلة صناعية أو مركبة مستقلة إلى نتائج مادية مباشرة.

لذلك تواجه التقنية تحديات تتعلق بسلامة الأنظمة ودقة فهم البيئة، وجمع بيانات التدريب، واستهلاك الطاقة، وتكلفة الأجهزة والحوسبة، إضافة إلى القدرة على التعامل مع الحالات غير المتوقعة.

وهذا يجعل الموثوقية والسلامة من أهم العوامل التي ستحدد سرعة انتشار Physical AI خارج البيئات الصناعية المنظمة.

هل Physical AI هو المرحلة القادمة من الذكاء الاصطناعي؟

من المبكر معرفة إلى أي مدى ستصل هذه التقنية، لكن الاتجاه الحالي يشير بوضوح إلى انتقال جزء متزايد من أبحاث واستثمارات الذكاء الاصطناعي نحو الأنظمة التي تستطيع العمل خارج الشاشة.

بعد أن تعلمت النماذج التعامل مع اللغة والصور والفيديو، أصبح التحدي الجديد هو تعليمها فهم المكان والحركة والفيزياء ونتائج أفعالها.

وإذا نجحت الصناعة في تجاوز مشكلات السلامة والبيانات والتكلفة، فقد يكون Physical AI الخطوة التي تجعل الذكاء الاصطناعي جزءاً مباشراً من الآلات والمصانع والمركبات والروبوتات التي نتعامل معها في العالم الحقيقي.