توسع الذكاء الاصطناعي الفيزيائي وضرورة السلامة

يشهد قطاع الذكاء الاصطناعي الفيزيائي تحولاً جذرياً، حيث تتحرك التقنيات بسرعة من مختبرات الأبحاث إلى أرض الواقع. ووفقاً لبيانات [ABI Research](https://my.abiresearch.com/research/15976/)، من المتوقع أن يصل حجم الأسطول العالمي للمركبات ذاتية القيادة من المستوى 3 إلى 5 إلى 49 مليون مركبة بحلول عام 2035. هذا التوسع لا يقتصر على الطرق فحسب، بل يمتد ليشمل البيئات الصناعية، حيث تتوقع [Omdia](https://omdia.tech.informa.com/om146251/robotics-hardware-market-forecast--2026) نشر نحو 60 مليون روبوت صناعي خلال العقد المقبل.

مع دخول هذه الآلات إلى مساحات مشتركة مع البشر، مثل المستودعات والمصانع والطرق العامة، لم يعد الأمان مجرد اختبار يسبق الإطلاق، بل أصبح عملية مستمرة. إن السلامة في [Physical AI](https://www.nvidia.com/en-us/glossary/generative-physical-ai/) تعني ضمان سلوك الآلات المعتمدة على الذكاء الاصطناعي—سواء كانت [AVs](https://www.nvidia.com/en-us/solutions/autonomous-vehicles/) أو [humanoid robots](https://www.nvidia.com/en-us/glossary/humanoid-robot/)—بشكل آمن عند تحويل القرارات البرمجية إلى أفعال في العالم الحقيقي.

تجاوز نموذج السلامة التقليدي

تتطلب البيئات الديناميكية مثل المصانع والطرق العامة نهجاً مرناً في التعامل مع الأمان. لا يمكن الاعتماد فقط على الحواجز الثابتة؛ إذ يجب أن تمتلك الأنظمة المستقلة قدرة على إدراك المتغيرات، والتكيف مع السلوكيات غير المتوقعة، والعودة إلى حالة آمنة فور اكتشاف أي خطر. وتطرح شركة [NVIDIA Blog](https://blogs.nvidia.com/blog/physical-ai-halos-safety/) رؤية مفادها أن اختبار البرمجيات التقليدية لم يعد كافياً، بل يجب دمج تقنيات التحقق عبر المحاكاة والبيانات الاصطناعية لضمان سلامة العمليات.

التحدي الحقيقي يكمن في دمج الذكاء الاصطناعي ضمن معايير السلامة الوظيفية، حيث يتم تقييم السلوك في مرحلة التصميم، وأثناء التشغيل، ومرحلة التحقق. وتبرز هنا معايير ناشئة مثل ISO/IEC TS 22440 التي تهدف إلى معالجة المخاطر الخاصة بالذكاء الاصطناعي، مما يعكس تحولاً نحو أمانٍ أكثر دقة وقابلية للقياس في بيئات معقدة ومتغيرة باستمرار.

منظومة NVIDIA Halos: الأمان كطبقة أساسية

قامت شركة NVIDIA بتطوير [NVIDIA Halos](https://www.nvidia.com/en-us/ai-trust-center/halos/autonomous-vehicles/?deeplink=use-case-tabs--2) كأول نظام أمان متكامل مصمم خصيصاً لأنظمة الذكاء الاصطناعي الفيزيائي. يغطي هذا النظام كافة جوانب التصميم والتحقق والنشر، بدءاً من المعالجة المسرعة عبر [NVIDIA DRIVE AGX Thor](https://www.nvidia.com/en-us/solutions/autonomous-vehicles/in-vehicle-computing/) وصولاً إلى بنيات المرجع في [NVIDIA Hyperion](https://www.nvidia.com/en-us/solutions/autonomous-vehicles/drive-hyperion/) التي تخدم المركبات ذاتية القيادة من المستوى الرابع.

وفي جانب الروبوتات، يمثل [Halos OS](https://blogs.nvidia.com/blog/halos-os-robotaxi-safety/) العمود الفقري البرمجي الذي يدعم العزل والرقابة والتواصل الحتمي، وهو أمر حيوي للأنظمة التي تتعامل مع أفعال فيزيائية دقيقة. كما توفر المنصة أدوات متقدمة مثل مختبر تقييم السلامة، الذي يساعد في توليد الأدلة المطلوبة لشهادات الامتثال، مما يضمن أن تظل أدلة الأمان قابلة للتتبع طوال دورة حياة المنتج.

شراكات استراتيجية لبناء مستقبل آمن

تعمل شركة NVIDIA على ربط المطورين، ومزودي أنظمة البرمجيات المدمجة، وشركات تصنيع أشباه الموصلات، وجهات إصدار الشهادات في منظومة واحدة. ففي قطاع المركبات، تتبنى شركات مثل Geely وIsuzu وNissan منصات الأمان هذه لتعزيز مركباتها، بينما تستخدم شركات مثل Uber وLyft البنية التحتية لـ Hyperion لتوسيع نطاق خدمات الروبوتاكسي بأمان.

وعلى صعيد الروبوتات، تتعاون NVIDIA مع شركاء مثل Agility Robotics، التي تعمل على دمج التقنيات الحديثة في أنظمة الأمان الخاصة بروبوت Digit 5، مما يبرهن على تكامل الحلول البرمجية والعتادية في بيئة واحدة تضمن استجابة آمنة للآلات حتى في أكثر المهام تعقيداً.

المصادر

• NVIDIA BlogWhy Deploying Physical AI at Scale Demands Safety at Every Layer