هوش مصنوعی فیزیکی و مدل‌های جهانی مرز جدید فناوری هستند. در این مقاله بررسی می‌کنیم که این فناوری چگونه به ربات‌ها و خودروهای خودران کمک می‌کند تا قوانین فیزیک را درک کنند و در دنیای واقعی تصمیم بگیرند.
مدل‌های زبانی بزرگ مثل ChatGPT و Gemini انقلابی در پردازش متن و تصویر ایجاد کردند، اما یک نقطه ضعف اساسی دارند: آن‌ها دنیای فیزیکی را تجربه نکرده‌اند؛ بلکه فقط از طریق داده‌های متنی و تصویری درباره آن «خوانده‌اند». یک مدل زبانی می‌تواند توضیح دهد که وقتی یک لیوان از میز می‌افتد چه اتفاقی می‌افتد، چون میلیون‌ها توصیف از گرانش و برخورد را پردازش کرده است، اما هرگز ندیده است که این اتفاق چگونه رخ می‌دهد و نیازی به ساختن یک بازنمایی داخلی از پیامدهای آن نداشته است.
هوش مصنوعی فیزیکی (Physical AI) و مدل‌های جهانی (World Models) دقیقاً برای پر کردن همین شکاف طراحی شده‌اند. این فناوری‌ها به سیستم‌های هوشمند اجازه می‌دهند تا قوانین فیزیک را درک کنند، پیامدهای اعمال خود را پیش‌بینی نمایند و در دنیای واقعی به‌صورت ایمن و کارآمد عمل کنند.
بر اساس گزارش‌ها، جنسن هوانگ (مدیرعامل انویدیا) در CES 2026 اعلام کرد که «لحظه ChatGPT» برای هوش مصنوعی فیزیکی فرا رسیده است و آینده از آن مدل‌هایی است که می‌توانند دنیای واقعی را درک، استدلال و برنامه‌ریزی کنند.
هوش مصنوعی فیزیکی شاخه‌ای از هوش مصنوعی است که هدف آن توانمندسازی سیستم‌های هوشمند برای ادراک، استدلال، عمل و یادگیری از طریق تعامل با دنیای فیزیکی است. برخلاف هوش مصنوعی دیجیتال که صرفاً با داده‌ها کار می‌کند، عامل‌های فیزیکی باید تحت مشاهده‌پذیری جزئی، دینامیک نامطمئن، محدودیت‌های بدنی و الزامات زمان واقعی عمل کنند.
| ویژگی | هوش مصنوعی دیجیتال (مثل ChatGPT) | هوش مصنوعی فیزیکی (Physical AI) |
|---|---|---|
| محیط | داده‌های متنی و تصویری | دنیای فیزیکی واقعی |
| درک فیزیک | ندارد (فقط توصیف می‌کند) | دارد (گرانش، اصطکاک، برخورد) |
| تعامل | فقط پاسخ متنی | حرکت، دستکاری، ناوبری |
| یادگیری | از داده‌های آفلاین | از تعامل بلادرنگ و بازخورد |
| کاربرد | تولید محتوا، پاسخ به سوال | رباتیک، خودران، تولید صنعتی |
به گفته کارشناسان، هوش مصنوعی فیزیکی به سیستم‌ها توانایی «ادراک - استدلال - عمل - بازخورد» در دنیای واقعی می‌دهد. این سیستم‌ها نه تنها فکر می‌کنند، بلکه از طریق دستگاه‌های بدنی (مثل ربات‌ها) وظایف را اجرا کرده و از بازخورد واقعی به‌طور مداوم یاد می‌گیرند و خود را اصلاح می‌کنند.
مدل‌های جهانی سیستم‌هایی هستند که برای یادگیری بازنمایی‌های پیش‌بینی‌کننده از محیط‌ها طراحی شده‌اند، آینده‌های ممکن را شبیه‌سازی می‌کنند، از برنامه‌ریزی پشتیبانی می‌کنند، اقدامات را ارزیابی می‌کنند یا محیط‌های منسجم زمانی و مکانی تولید می‌کنند. می‌توان آن‌ها را به‌عنوان «شبیه‌ساز ذهنی» برای هوش مصنوعی در نظر گرفت.
مدل‌های جهانی به هوش مصنوعی اجازه می‌دهند قبل از اجرای یک عمل، پیامدهای آن را تصور کند. این دقیقاً همان کاری است که انسان‌ها انجام می‌دهند: قبل از برداشتن یک لیوان، می‌دانیم که اگر محکم بگیریم ممکن است بشکند. مدل‌های جهانی این توانایی را در اختیار ماشین‌ها قرار می‌دهند.
| مدل | توسعه‌دهنده | ویژگی |
|---|---|---|
| Genie 3 | Google DeepMind | تولید محیط‌های تعاملی سه‌بعدی |
| Dreamer 4 | Google DeepMind | ساخت بازنمایی پیش‌بینی‌کننده از محیط و تصور اقدامات قبل از اجرا |
| Marble | World Labs | توسعه هوش فضایی (با بنیان‌گذاری فاطمه‌فهیمی لی) |
| Hunyuan 3D-World 2.0 | Tencent | مدل جهانی سه‌بعدی متن‌باز |
| HappyOyster | Alibaba | تمرکز بر تعامل بلادرنگ |
| Thinker-WM | UBTech | کسب رتبه اول در سه بنچمارک مدل‌های جهانی بدنی |
در تاریخ ۲۰ اکتبر ۲۰۲۶، اولین کنفرانس تخصصی و سطح بالا در چین با موضوع «هوش مصنوعی فیزیکی و مدل‌های جهانی» در شهر نانجینگ افتتاح شد. این کنفرانس توسط گروه داده جیانگسو، گروه داده نانجینگ و انجمن هوش مصنوعی چین برگزار شد و برندگان جایزه تورینگ، آکادمیسین‌های دو آکادمی و رهبران صنعت را گرد هم آورد.
دستاوردهای کلیدی این کنفرانس:
سرمایه‌گذاری ۶ میلیارد یوانی در دو دور پروژه‌های کلیدی
تأسیس «ائتلاف صنعتی هوش مصنوعی فیزیکی و مدل‌های جهانی» با دبیرخانه در نانجینگ
راه‌اندازی اولین صندوق سرمایه‌گذاری هوش مصنوعی فیزیکی و مدل‌های جهانی در کشور
آغاز پیش‌تحقیقات استاندارد ملی «مدل‌های جهانی هوش مصنوعی»
پلتفرم WorldOracle: شرکت رباتیک 智元 (Zhiyuan) با همکاری انویدیا و چندین دانشگاه، اولین پلتفرم ارزیابی مدل‌های جهانی مبتنی بر عمل و با معیار اجرای واقعی را منتشر کرد.
مدل PAWorld: مؤسسه تحقیقات هوش مصنوعی صنعتی آکادمی علوم چین، مدل جهانی PAWorld را توسعه داده که در ارزیابی WorldArena رتبه اول را کسب کرده است.
Motubrain 2.0: شرکت فناوری شنوتو (Shengtu) فرآیند آموزش کامل مدل جهانی-عملیاتی خود را به‌صورت زنده برای عموم به نمایش گذاشت.
AMD و World Labs: شرکت AMD در سپتامبر ۲۰۲۶، شرکت World Labs (بنیان‌گذاری شده توسط فاطمه‌فهیمی لی) را به مبلغ ۸.۲ میلیارد دلار خریداری کرد و رسماً وارد رقابت هوش مصنوعی فیزیکی شد.
OpenAI و ربات انسان‌نما: سام آلمن، مدیرعامل OpenAI، تأیید کرد که این شرکت در حال توسعه ربات انسان‌نمای خود است و تمرکز اصلی را بر «مغز» هوش مصنوعی خواهد گذاشت. پیش‌بینی می‌شود نمایش اولیه در سال ۲۰۲۷ انجام شود.
هوش مصنوعی فیزیکی در حال تغییر پارادایم تولید از «فرآیندهای ثابت» به «تعمیم‌پذیری پویا» است. در تولید سنتی، خطوط تولید به برنامه‌های ثابت وابسته هستند و هر تغییری نیازمند توقف و تنظیم مجدد است. اما خطوط تولید مجهز به هوش مصنوعی فیزیکی می‌توانند به‌صورت بلادرنگ موقعیت مواد، تشخیص عیوب و بهینه‌سازی ریتم را انجام دهند.
نمونه‌های واقعی:
یک کارخانه باتری‌سازی با استفاده از سیستم دوقلوی دیجیتال Omniverse انویدیا، بهره‌وری تجهیزات را ۳۵٪ افزایش و مصرف انرژی را ۲۰٪ کاهش داده است.
ربات‌های جوشکاری کارخانه تسلا با کمک هوش مصنوعی فیزیکی، دقت را به ۰.۱ میلی‌متر رسانده‌اند و می‌توانند عملیات دقیق را با همکاری دو دست انجام دهند.
هوش مصنوعی فیزیکی «میدان اصلی» کاربرد خود را در خودران‌ها نشان می‌دهد. سیستم‌های خودران سنتی به داده‌های برچسب‌گذاری شده وابسته هستند و در شرایط «لبه‌ای» مثل باران، برف یا تصادف ضعیف عمل می‌کنند. مدل Alpamayo انویدیا با معماری بینایی-زبان-عمل نه تنها «می‌بیند»، بلکه «می‌فهمد» که نیت و رفتار سایر کاربران ترافیک چه رابطه علّی با هم دارند.
آمار عملکرد:
سیستم خودران Xpeng با ادغام هوش مصنوعی فیزیکی، توانایی مقابله با آب‌وهوای نامساعد را ۳۰٪ افزایش داده است.
ربات Optimus تسلا از طریق آموزش مجازی، دقت حرکات را ۵۰ برابر بهبود بخشیده است.
مدل‌های جهانی صنعتی در حال حاضر در صنایع فرآیندی بزرگ مانند نفت، گاز، آب و برق به کار گرفته می‌شوند. در نیروگاه حرارتی جینگ‌ننگ شیان، دقت هشدار به ۹۸.۳۸٪ رسیده و سالانه ۲۳ نفر از نگهبانان میدانی کاهش یافته و ۶.۹ میلیون یوان در هزینه‌های نیروی انسانی صرفه‌جویی شده است.
با وجود پیشرفت‌های چشمگیر، هوش مصنوعی فیزیکی هنوز در «خط شروع ماراتن» قرار دارد. چالش‌های اصلی عبارتند از:
| چالش | توضیح |
|---|---|
| تعمیم‌پذیری | مدل‌ها در محیط آزمایشگاهی خوب کار می‌کنند، اما با تغییر جزئی در چیدمان یا نور، عملکردشان افت می‌کند. |
| ایمنی و قابلیت اطمینان | در محیط‌های صنعتی، «آزمون و خطا» جایز نیست. یک اشتباه می‌تواند فاجعه‌بار باشد. |
| هزینه و مقیاس‌پذیری | آموزش مدل‌های جهانی نیازمند داده‌های عظیم و توان محاسباتی بالا است. |
| انتقال از شبیه‌سازی به واقعیت (Sim-to-Real) | تطبیق مدل‌های آموزش‌دیده در شبیه‌ساز با دنیای واقعی همچنان دشوار است. |
| یکپارچگی سیستم | نیاز به ترکیب مدل‌های ادراک، برنامه‌ریزی و کنترل در یک سیستم منسجم. |
هوش مصنوعی فیزیکی شاخه‌ای از AI است که به سیستم‌های هوشمند اجازه می‌دهد تا از طریق تعامل با دنیای فیزیکی، ادراک، استدلال، عمل و یادگیری داشته باشند. برخلاف هوش مصنوعی دیجیتال، این سیستم‌ها باید قوانین فیزیک مثل گرانش و اصطکاک را درک کنند و در محیط‌های واقعی و پویا عمل کنند.
مدل‌های زبانی دنیا را از طریق داده‌های متنی «می‌خوانند»، اما مدل‌های جهانی یک بازنمایی داخلی از محیط می‌سازند که به آن‌ها اجازه می‌دهد پیامدهای اعمال را شبیه‌سازی و پیش‌بینی کنند. این توانایی برای رباتیک و خودران حیاتی است.
بله، ایران نیز در حال تحقیق و توسعه در این حوزه است. محققان ایرانی در دانشگاه‌ها و مراکز تحقیقاتی روی مدل‌های جهانی و رباتیک کار می‌کنند، اما هنوز در مراحل اولیه قرار دارد. برای اطلاع از آخرین پیشرفت‌ها، می‌توانید مقالات مرتبط در سایت آگاهی‌ما را دنبال کنید.
شرکت‌هایی مثل انویدیا (با مدل Cosmos و Alpamayo)، گوگل دیپ‌مایند (با Genie 3 و Dreamer 4)، OpenAI (در حال توسعه ربات انسان‌نما)، AMD (با خرید World Labs) و تسلا (با ربات Optimus) از پیشروان این حوزه هستند.
هوش مصنوعی فیزیکی بیشتر بر خودکارسازی وظایف تکراری و خطرناک تمرکز دارد تا جایگزینی کامل انسان. کارشناسان معتقدند این فناوری می‌تواند کیفیت زندگی را بهبود بخشد و انسان‌ها را برای کارهای خلاقانه‌تر آزاد کند.
هوش مصنوعی فیزیکی (Physical AI) و مدل‌های جهانی (World Models) نشان‌دهنده یک تغییر پارادایم مهم در صنعت فناوری هستند. از یک سو، مدل‌های زبانی بزرگ به محدودیت‌های خود در درک دنیای واقعی رسیده‌اند و از سوی دیگر، نیاز به سیستم‌های خودمختار و قابل اعتماد در صنایع مختلف (از تولید و خودران تا پزشکی و خدمات) روزبه‌روز افزایش می‌یابد.
نکات کلیدی:
هوش مصنوعی فیزیکی به ماشین‌ها توانایی «دیدن، فکر کردن و عمل کردن» در دنیای واقعی را می‌دهد.
مدل‌های جهانی به‌عنوان «شبیه‌ساز ذهنی» عمل می‌کنند و به AI اجازه می‌دهند قبل از اقدام، پیامدها را تصور کند.
کنفرانس نانجینگ و سرمایه‌گذاری‌های کلان (مثل خرید ۸.۲ میلیارد دلاری World Labs توسط AMD) نشان‌دهنده جدیت صنعت در این حوزه است.
چالش‌های اصلی شامل تعمیم‌پذیری، ایمنی و انتقال از شبیه‌سازی به واقعیت است.
اگر به دنبال درک عمیق‌تر از آینده فناوری هستید، هوش مصنوعی فیزیکی و مدل‌های جهانی را باید در صدر فهرست خود قرار دهید.
ایجنت‌های هوش مصنوعی می‌توانند کارهای شما را خودکار کنند. در این آموزش پروژه‌محور، با n8n یک ایجنت عملی می‌سازیم، به ابزارهای مختلف متصل می‌کنیم و رفتارش را تست می‌کنیم.
تولید ویدیو با هوش مصنوعی انقلابی در محتواسازی ایجاد کرده است. در این راهنما، بهترین ابزارهای ۲۰۲۶ (Veo 3.1، Runway Gen-4.5، Kling 3.0)، تکنیک‌های پرامپت‌نویسی ویدیویی و نکات ساخت ویدیوهای سینمایی را بررسی می‌کنیم.
در این مقاله بهترین ابزارهای هوش مصنوعی رایگان در 2026 را برای تولید محتوا، تصویر، ترجمه، طراحی، ویدئو و کارهای روزمره معرفی و مقایسه می‌کنیم.
با جدیدترین قابلیت‌های ChatGPT در ۲۰۲۶ آشنا شوید؛ از جستجوی هوشمند و تحلیل فایل تا تولید محتوا و کدنویسی حرفه‌ای که بهره‌وری شما را چندین برابر می‌کند.
گیر کردی بین دنیای ChatGPT و Gemini و Claude؟ هر کدوم از این غول‌های هوش مصنوعی قلق‌های خاص خودشون رو دارن. توی این مقاله خیلی ساده بررسی کردیم که برای کارهای روزمره، نوشتن محتوا یا تحقیقات حرفه‌ای، دقیقاً کدومشون بهترین دستیار برای توئه.
در این مقاله با ChatGPT و تمام قابلیت‌های پیشرفته آن مانند تولید محتوا، ترجمه، برنامه‌نویسی، تحلیل داده، پیشنهاددهی، چت صوتی و کارهای خلاقانه آشنا می‌شوید.
سفارش طراحی سایت اختصاصی | PedramEK