وقتی یک ربات یاد می گیرد، هر روباتی می داند که آیا می تواند ارتباط برقرار کند یا خیر

روبات ها در بین ما هستند. آن‌ها مسافران را در خیابان‌های سانفرانسیسکو حمل می‌کنند، بسته‌ها را از طریق هوا تحویل می‌دهند و مسیر خود را در مزارع، کارخانه‌ها، معادن و سایت‌های صنعتی طی می‌کنند.

برخوردی که اکنون بین هوش مصنوعی و دنیای فیزیکی شاهد آن هستیم، اغلب به عنوان «هوش مصنوعی فیزیکی» توصیف می‌شود - ماشین‌هایی که قادر به درک محیط اطراف خود، تصمیم‌گیری و اقدام در بین ما در دنیای واقعی هستند. اما هر دستگاه جدیدی که به کار می‌رود، کار دومی دارد که به ندرت می‌بینیم. داده ایجاد می کند. مقدار زیادی از آن.

در ایالات متحده، اداره هوانوردی فدرال انتظار دارد که ناوگان هواپیماهای بدون سرنشین تجاری از حدود 966000 هواپیما در پایان سال 2024 به حدود 1.18 میلیون هواپیما تا سال 2029 افزایش یابد. و در کارخانه‌های سراسر جهان، حدود 4.66 میلیون ربات صنعتی در سال 2024 کار می‌کردند، در حالی که نیم میلیون دیگر بیش از دو برابر سال قبل نصب شد.

ماشین‌های خودمختار امروزی بسیار توانمندتر هستند، اما انتقال تمام تجربیات انباشته‌شده از آنها همچنان می‌تواند به طرز شگفت‌آوری دستی باشد. در سال 2026، سریع‌ترین راه برای جابه‌جایی انبوه داده‌ها از ماشین، هنوز شخصی است که یک هارد دیسک حمل می‌کند. و با گسترش بیشتر ماشین‌های خودران در شهرها و صنایع ما، حفظ این اطلاعات می‌تواند به یکی از چالش‌های زیرساختی تعیین‌کننده عصر روباتیک تبدیل شود.

داده ها به هر دو صورت اجرا می شوند

تصور کنید یک وسیله نقلیه خودمختار چه تجربه‌ای را تجربه می‌کند. دوربین‌ها جاده‌ها را از زوایای مختلف تماشا می‌کنند، حسگرها و هوش مصنوعی محیط اطراف را اندازه‌گیری می‌کنند و حس می‌کنند، در حالی که سیستم‌های سواری موقعیت و عملکرد خود خودرو را ردیابی می‌کنند. با عبور عابرین پیاده از جاده ها، تغییر چراغ های راهنمایی و حرکت هزاران وسیله نقلیه دیگر و فناوری های مرتبط دیگر و تبادل داده ها در اطراف آن، تصمیمات در زمان واقعی گرفته و ثبت می شود.

پهپادهای تحویلی، ماشین‌آلات کشاورزی، ربات‌های انبار و تجهیزات صنعتی مستقل ممکن است در محیط‌های مختلف کار کنند، اما منطق آن را دنبال می‌کند. هر سفر یا کار یک دنباله دیجیتالی از خوانش حسگرها، ویدئو، تله متری، تشخیص و گزارش های عملیاتی را پشت سر می گذارد.

و اطلاعات فقط در یک جهت حرکت نمی کند. این ماشین‌ها همچنین ممکن است به نقشه‌های جدید، به‌روزرسانی‌های نرم‌افزار، پیکربندی‌ها، مدل‌های هوش مصنوعی و دستورالعمل‌های زیرساخت محاسباتی پشت آن‌ها نیاز داشته باشند. آنچه آنها در دنیای فیزیکی تجربه می کنند به سمت مراکز داده سرازیر می شود، در حالی که هوش مورد نیاز برای کار بعدی آنها به بیرون منتقل می شود.

این مبادله را در میلیون‌ها ماشین ضرب کنید و یک لایه جدید و جالب از ترافیک اینترنتی ظاهر می‌شود که ما تازه در حال فکر کردن به آن هستیم.

جهت سفر در اوایل سال 2019 قابل مشاهده بود، زمانی که یک مقاله دانشگاهی برجسته در 6G شناسایی کرد که روبات های متحرک، پهپادها و وسایل نقلیه خودران تقاضا برای هوش بی سیم همه جا حاضر را افزایش می دهند - چشم انداز آن برای عصر 6G شامل شبکه هایی بود که قادر به پشتیبانی از افزایش 10000 برابری ترافیک بودند. ناوگان هواپیماهای بدون سرنشین تجاری ایالات متحده به تنهایی اکنون به سمت هفت رقم حرکت می کند، در حالی که تعداد ربات های صنعتی در سراسر جهان به میلیون ها نفر می رسد.

شاید برای ناظران معمولی قابل توجه‌تر این باشد که وسایل نقلیه خودران در خیابان‌های پایتخت‌ها و شهرهای بزرگ ما بسیار رایج‌تر می‌شوند. در ژوئن سال جاری، ماشین‌ها از 57 درصد ترافیک وب در سراسر جهان فراتر رفتند - اولین باری که تعداد ربات‌ها از انسان‌ها بیشتر شد - و آنها از شبکه‌ها به روشی بسیار متفاوت استفاده می‌کنند. Cloudflare پیش‌بینی می‌کند که ترافیک غیرانسانی می‌تواند در نهایت تا 5 سال آینده از ترافیک انسانی 1000 برابر شود.

و درسی که توسط یک ماشین گرفته می شود، لازم نیست در آن ماشین باقی بماند. در اینجا فرصتی وجود دارد که فقط اتصال می تواند آن را باز کند. Gemini Robotics 1.5 گوگل دیپ‌مایند مهارت‌هایی را در انتقال «شات صفر» بین ربات‌های فیزیکی متفاوت نشان داد – وظیفه‌ای که با استفاده از ربات Franka دو بازو آموزش داده می‌شود، توسط یک انسان‌نما بدون هیچ گونه داده جمع‌آوری‌شده روی دستگاه مورد نظر اجرا شد.

با این مفهوم بشین فردی که به یک تکنیک تسلط دارد، آن دانش را در ذهن خود حمل می کند، و زمانی که بازنشسته می شود، بیشتر آن تجربه با او باقی می ماند. یک ربات به طور بالقوه می تواند آنچه را که آموخته است به هر ربات دیگری در شبکه تحویل دهد، به این معنی که تجربه از "محلی" بودن متوقف می شود و شروع به تبدیل شدن به یک دارایی مشترک در سراسر شبکه می کند و هوش را برای خندق شرکت ترکیب می کند.

ردپای فیزیکی روبات‌ها به سمت بیرون گسترش می‌یابد، اما ترافیک داده‌ای که آنها ایجاد می‌کنند در مکان‌های مرکزی متمرکز باقی می‌ماند. ممکن است هوش مصنوعی به طور فزاینده‌ای دارای چرخ، بال و بازو باشد، اما هوش و تعامل آن‌ها با جهان همچنان کاملا به رابطه آن‌ها با نزدیک‌ترین مرکز داده وابسته است، و این مشکلی است که اکنون باید آن را حل کنیم.

چه خبر است؟

هنگامی که یک ربات به انبار بازمی‌گردد و برای مدتی از کار خارج می‌شود، فرصتی ایده‌آل برای شارژ مجدد، انجام بازرسی، اجرای خود عیب‌یابی، دانلود به‌روزرسانی‌ها و دریافت داده‌های مورد نیاز برای شیفت بعدی خود ارائه می‌دهد. این زمانی است که حجم بالقوه عظیمی از داده، بسته به اندازه ناوگان، باید هم به دستگاه و هم از دستگاه منتقل شود.

سایت‌هایی که خانه، شارژ یا ماشین‌آلات خدماتی دارند، می‌توانند خود را به‌عنوان مرکز داده‌های مینیاتوری کار کنند و با انبوه ترافیک در هنگام ورود و خروج ماشین‌ها مقابله کنند. و با رشد ناوگان، فشار روی شبکه ای که همه این هاب ها را به هم متصل می کند، افزایش می یابد. وقتی آپلود و دانلود بیشتر از شارژ یا نگهداری طول بکشد، شبکه به گلوگاه عملیاتی تبدیل می شود.

لایه جدیدی از اتصال

یک شبکه سیمی به سادگی نمی تواند با همان سرعت اقتصاد موبایل تکامل یابد. یک اپراتور ناوگان ممکن است نیاز داشته باشد که یک انبار جدید در شهر دیگری باز کند، لانه‌های هواپیماهای بدون سرنشین را نزدیک‌تر به مشتریان قرار دهد، یا تجهیزات خودران را در سایت‌های صنعتی موقت متصل کند. گسترش الیاف به هر مکان مستلزم ایجاد ترانشه است که اجازه می دهد اغلب هزینه و زمان زیادی را صرف کند.

اتصال بی سیم یک رویکرد سریع تر و انعطاف پذیرتر ارائه می دهد. پیوندها را می توان بدون حفاری یا انتظار برای مجوز نصب کرد و به اپراتورها اجازه می دهد تا سایت های جدید را به سرعت متصل کنند. پیوندها همچنین می‌توانند با رشد ناوگان‌ها، با گسترش پویا ردپای فیزیکی آن‌ها، دوباره مستقر یا گسترش یابند.

ارتباطات نوری بی سیم (WOC) می تواند این پل با ظرفیت بالا را فراهم کند. با استفاده از پرتوهای باریک نور، ظرفیت فیبر مانند را از طریق هوا بین دو نقطه با یک خط دید واضح، تا 20 گیگابیت در ثانیه در فواصل تا 20 کیلومتر حمل می کند. در عرض چند ساعت می توان آن را روی دکل های رادیویی یا ساختمان های موجود نصب کرد.

برای ناوگان های مستقل، راهی برای تخلیه سریع داده های تله متری و عملیاتی، آپلود نقشه ها و مدل های جدید و بازگرداندن دارایی های با ارزش بالا به محل کار به جای اینکه آنها در انبار منتظر بمانند، ایجاد می کند.

اگرچه WOC جادو نیست. پیوندهای نوری همچنان به خط دید نیاز دارند و مه شدید و باران می تواند اتصال آنها را کاهش دهد. به همین دلیل است که استقرارهای جدی آنها را با یک مسیر RF جفت می کند و آنها را برای در دسترس بودن مهندسی می کند نه اینکه صرفا آن را فرض کنیم. جایگزین فیبر نمی‌شود، اما دامنه دسترسی فیبر را تا جاهایی که فیبر نمی‌تواند برود گسترش می‌دهد، و با حرکت فناوری از مکانیکی به هدایت پرتوهای حالت جامد با فوتونیک سیلیکونی، کوچک‌تر، سریع‌تر و مقرون به صرفه‌تر می‌شود. نور پاسخ است.

ورود وسایل نقلیه الکتریکی به ما آموخت که فراتر از ماشین نگاه کنیم و زیرساخت های پشت آن را در نظر بگیریم. ماشین‌های خودمختار از ما می‌خواهند که دوباره همین کار را انجام دهیم، اما این بار چیزی که باید دوباره پر شود فقط باتری ماشین نیست - تجربه ماشین و از آن، هوش مشترک کل ناوگان است.

روبات ها در جهت یابی در دنیای فیزیکی فوق العاده خوب می شوند. ما نباید آخرین مایل سفر یادگیری آنها را به کسی بسپاریم که هارد دیسک را در پارکینگ حمل می کند.

ما بهترین چت ربات هوش مصنوعی را برای تجارت معرفی کرده ایم.

این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.

نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit