أعلنت Google عن إطلاق نموذجها الجديد والحدودي Gemini 4 Argon، والذي أصبح متاحًا عالميًا اليوم للمطورين والشركات عبر واجهة برمجة التطبيقات (API) في AI Studio ومنصة Gemini. يعتبر هذا الإطلاق خطوة مهمة نحو تسريع التقدم في مجال الذكاء الاصطناعي العام الفيزيائي (physical AGI)، بفضل قدرات النموذج المتقدمة في فهم العالم المادي وتوليد الكود والاستدلال البصري-الدلالي.
وقد أشار كوراي كافوككوغلو، النائب الأول لرئيس Google DeepMind والمهندس الرئيسي للذكاء الاصطناعي في Google، إلى أن Gemini 4 Argon يمثل نقلة نوعية في هذه القدرات، مما يفتح مسارات عمل جديدة عبر مكدس الروبوتات.
قدرات Gemini 4 Argon في عالم الروبوتات
يُظهر Gemini 4 Argon قفزة كبيرة في القدرة، خاصة على معيار Embodied Reasoning (ERQA)، الذي يختبر قدرة النموذج على فهم وحل المشكلات الفيزيائية والمكانية في بيئات ثلاثية الأبعاد. وقد حقق النموذج 87% في هذا المعيار باستخدام الاستدلال النقي، متفوقًا على جميع النماذج الحدودية الأخرى.
يمكن تطبيق Argon، كنموذج استدلال فيزيائي للأغراض العامة، عبر دورة حياة الروبوتات بأكملها. وقد شاركت Google أمثلة توضيحية لـ Argon في أربعة مجالات رئيسية، أبرزها التحكم في الروبوتات والتحويل من الواقع إلى المحاكاة (Real2Sim).
- التحكم في الروبوتات: يتضمن ذلك التلاعب بالروبوت Spot من Boston Dynamics، حيث يتدرب على إلقاء علب الصودا في سلة المهملات باستخدام توأم رقمي (MuJoCo) قبل التنفيذ الفعلي. كما يشمل التحكم بدون تدريب مسبق (zero-shot control) لذراع روبوتية لأداء مهام بسيطة، والتحكم الشامل (Omni control) في نماذج العالم الافتراضي لإعادة ترتيب الأشياء.
- التحويل من الواقع إلى المحاكاة (Real2Sim): يمكن لـ Argon من خلاله مشاهدة حلقة تشغيل روبوت حقيقي وتطوير توأم رقمي مطابق لها. يقوم النموذج بإنشاء أصول محاكاة تتطابق بصريًا وسلوكيًا مع الكائنات الحقيقية، ويضبطها لتتوافق مع المرئيات والأحداث الفيزيائية المسجلة في البيانات الحقيقية.
ما يعنيه هذا للمطورين
بالنسبة للمطورين، يفتح إطلاق Gemini 4 Argon آفاقًا جديدة في تطوير تطبيقات الروبوتات. إن توفره عبر واجهة برمجة التطبيقات يجعل من السهل دمج قدراته المتقدمة في مشاريعهم. نرى أن هذا النموذج سيمكن المطورين من بناء روبوتات أكثر ذكاءً وقدرة على فهم العالم والتفاعل معه بشكل طبيعي.
إنه يوفر أدوات قوية لمعالجة المشكلات الفيزيائية والمكانية المعقدة، ويقلل من الحاجة إلى كتابة كميات هائلة من الكود المخصص لكل سيناريو. يتيح ذلك للمطورين التركيز على الاستدلال عالي المستوى وهندسة الأوامر (prompt engineering)، مما يسرّع دورة التطوير ويفتح الباب أمام ابتكارات غير مسبوقة في الأتمتة والروبوتات.
المصادر: deepmind.google، deepmind.google، blog.google