ფიზიკური AI-ის ეპოქის დასაწყისი

 

ქართულენოვანი საზოგადოებისთვის მასალა მოამზადა
პროფესორმა ზაზა ცოტნიაშვილმა* NotebookLM-ისა და Claude-ის გამოყენებით

1. შესავალი: ციფრულიდან ფიზიკურ სამყაროში

თუ ფიქრობდით, რომ ხელოვნური ინტელექტის რევოლუცია ChatGPT-ის ეკრანებზე დასრულდა, მწარედ ცდებით. ჩვენ ვამთავრებთ „ბიტების“ ეპოქას და გადავდივართ „ატომების“ რევოლუციაზე. სანამ მსოფლიო LLM-ების (Large Language Models) ჰალუცინაციებით არის დაკავებული, ჯეფ ბეზოსი აანონსებს თავის ყველაზე ამბიციურ პროექტს — Prometheus (ყოფილი Project Prometheus). ეს არ არის მორიგი ჩატბოტი; ეს არის მცდელობა, ხელოვნურმა ინტელექტმა ფიზიკური სამყაროს მართვა და ინჟინერია ისწავლოს. AI-ის მომავალი აღარ არის მხოლოდ ტექსტში, ის მატერიაშია.

დაჯავშნეთ ტრენინგი და გახადეთ როგორც თქვენი პირადი, ასევე თქვენი ორგანიზაციის, საქმიანობა ათჯერ ეფექტური

2. 7 თვე და 41 მილიარდი დოლარი: წარმოუდგენელი მასშტაბი

ტექნოლოგიურ ინდუსტრიაში სიჩქარე ახალ მნიშვნელობას იძენს. Prometheus-მა შეძლო ის, რაც აქამდე შეუძლებელი ჩანდა: დაარსებიდან სულ რაღაც 7 თვეში მიაღწია 41 მილიარდი დოლარის ღირებულებას.

კომპანიის პარამეტრი	მონაცემები (2026 წლის ივნისი)
დამფუძნებლები	ჯეფ ბეზოსი და ვიკ ბაჯაჯი (Ex-Google)
დაფინანსების რაუნდი (Series B)	$12 მილიარდი
საბაზრო ღირებულება (Valuation)	$41 მილიარდი
ძირითადი ინვესტორები	JPMorgan, Goldman Sachs, BlackRock, ჯეფ ბეზოსი
ლოკაციები	სან-ფრანცისკო, ლონდონი, ციურიხი

სტრატეგიული ანალიზი: ეს ციფრები მხოლოდ სპეკულაცია არ არის. ბეზოსი გეგმავს $100-მილიარდიანი ფონდის შექმნას ტრადიციული საწარმოო ქარხნების შესაძენად. რატომ? იმიტომ, რომ ფიზიკურ AI-ს სჭირდება ე.წ. „Data Moat“ — რეალური სამყაროს მონაცემები, რომლებიც ინტერნეტში არ დევს. ქარხნების ფლობით Prometheus მიიღებს წვდომას იმ ფიზიკურ მონაცემებზე, რაც მის მოდელებს კონკურენტებისგან მიუწვდომელს გახდის. ამავდროულად, იკვეთება საინტერესო დაძაბულობა AWS-თან (Amazon Web Services): გახდება თუ არა Prometheus მისი უმსხვილესი კლიენტი, თუ შექმნის საკუთარ ინფრასტრუქტურას და გაუწევს კონკურენციას ღრუბლოვან გიგანტს?

თქვენი სამაგიდო წიგნი: ხელოვნური ინტელექტის საფუძვლები: AI ყველასათვის

3. „ხელოვნური ზოგადი ინჟინერი“: 10-წლიანი ციკლის 10-ჯერ აჩქარება

Prometheus-ის მიზანია შექმნას Artificial General Engineer (AGE). ეს ნიშნავს ინსტრუმენტს, რომელიც რთული ფიზიკური ობიექტების პროექტირებისას ადამიანის ფანტაზიასა და რეალურ წარმოებას შორის ბარიერს წაშლის.

„თუ დღეს მიხვალთ რეაქტიული ძრავის მწარმოებელთან და ეტყვით, რომ გსურთ ზუსტად იგივე ძრავა, ოღონდ 10%-ით მეტი წევით (thrust), ამას შეიძლება 10 წელი დასჭირდეს. არა იმიტომ, რომ ზარმაცები არიან, არამედ იმიტომ, რომ პროცესია კოლოსალურად კომპლექსური. ჩვენი მიზანია შევქმნათ ინსტრუმენტები, რომლებიც ამ ციკლს 10-ჯერ ან უფრო მეტად დააჩქარებს.“ — ჯეფ ბეზოსი.

ტრადიციული CAD სისტემები მხოლოდ პასიური ინსტრუმენტებია. Prometheus კი არის აქტიური პარტნიორი, რომელიც მომენტალურად აგენერირებს ათასობით ოპტიმიზებულ დიზაინს და მათ ვირტუალურ სიმულაციას ახდენს.

  SOLO Talks - გენერაციული ხელოვნური ინტელექტი და კაცობრიობის მომავალი

4. რატომ არ არის ეს ChatGPT? Physical AI-ის არსი

Generative AI-სა და Physical AI-ს შორის არსებული უფსკრული ფუნდამენტურია. აქ შეცდომის დაშვება არა უხერხულობა, არამედ კატასტროფაა.

• ჰალუცინაცია vs კატასტროფა: თუ LLM-მა არასწორი ფაქტი დაწერა, ეს ტექსტური შეცდომაა. თუ Physical AI შეცდა, ხიდი ჩამოინგრევა ან ძრავა აფეთქდება.
• უწყვეტი სივრცე: LLM მუშაობს დისკრეტულ სიმბოლოებზე (ტოკენებზე). Physical AI მუშაობს უწყვეტ ფიზიკურ სამყაროში, სადაც გრავიტაცია, თერმოდინამიკა და დრო განუყოფელია.
• მონაცემთა ბუნება: ნაცვლად ინტერნეტ-სტატიკური ტექსტებისა, Prometheus იყენებს სენსორულ, დინამიკურ „Time-series“ მონაცემებს და მოლეკულურ სტრუქტურებს.

5. ბადეების მიღმა: უსასრულო განზომილების ფუნქციები და FNO

ტრადიციული საინჟინრო სიმულაციები სივრცეს პატარა ბადეებად (meshes) ყოფს, რაც სუპერკომპიუტერებისგან დღეებს მოითხოვს. Prometheus ამ პრობლემას Fourier Neural Operators (FNO)-ით წყვეტს.

ნაცვლად იმისა, რომ სისტემამ პიქსელებად დაყოს სივრცე, ის სწავლობს კავშირს უსასრულო განზომილებიან ფუნქციებს შორის. ის რთულ ფიზიკურ განტოლებებს (მაგალითად, Navier-Stokes-ის განტოლებას, რომელიც სითხეების მოძრაობას აღწერს) გადაიყვანს სიხშირეების სამყაროში (Fourier Domain). იქ მათი ამოხსნა ბევრად მარტივია, რის შემდეგაც შედეგი უკან ბრუნდება ფიზიკურ სივრცეში. ეს პროცესი ტრადიციულ მეთოდებზე 10,000-ჯერ სწრაფია.

ამას ემატება PINNs (Physics-Informed Neural Networks). აქ ფიზიკის კანონები პირდაპირ AI-ის „დაჯარიმების“ სისტემაში (Loss Function) არის ჩაშენებული. თუ მოდელი ისეთ დიზაინს შემოგვთავაზებს, რომელიც ენერგიის შენარჩუნების კანონს არღვევს, სისტემა მას ავტომატურად ბლოკავს.

6. რობოტები, რომლებსაც აქვთ „ინტუიცია“

Physical AI-ის წყალობით, რობოტები (Tesla Optimus, Figure 01) გადადიან მარტივი კოდიდან „ინტუიციურ“ მოქმედებაზე. აქ უმთავრესია Proprioception — საკუთარი სხეულის შეგრძნება.

სახსრებში ჩამონტაჟებული Torque სენსორების მეშვეობით, AI წამში ათასჯერ ამუშავებს მონაცემებს. ეს იძლევა "Sim-to-Real" ტრანსფორმაციის საშუალებას: რობოტი ვირტუალურ სიმულაციაში მილიარდჯერ ვარჯიშობს სიარულში და შემდეგ ამ „ინტუიციას“ მომენტალურად გადაიტანს რეალურ, არასტაბილურ ზედაპირზე.

7. ავტონომიური მართვა: წესებიდან გამოცდილებამდე

ავტომობილები გადადიან End-to-End (E2E) AI პრინციპზე. ძველი ავტოპილოტები წესებით მუშაობდნენ, Physical AI კი — ფიზიკის კანონების გაგებით.

განვიხილოთ ტიპური Edge Case: გზაზე მიგორებული მუყაოს ყუთი. ტრადიციული AI მას კედლად აღიქვამს და მკვეთრად დაამუხრუჭებს. Physical AI კი აანალიზებს ობიექტის სიმკვრივესა და მასას — ის ახდენს ფიზიკის სიმულაციას რეალურ დროში და ხვდება, რომ ყუთი საშიში არ არის. მანქანა აღარ მხოლოდ „ხედავს“ გამოსახულებას, ის „გრძნობს“ ფიზიკურ გარემოს.

8. დასკვნა: ტექნოლოგიური ბუშტი თუ ახალი ერა?

Prometheus-ის $41-მილიარდიანი ღირებულება სულ რაღაც 7 თვეში ბევრ კითხვას აჩენს. თუმცა, თუ გავითვალისწინებთ, რომ ეს არის ფიზიკური სამყაროს ათვისების პირველი სერიოზული მცდელობა, ფასი შეიძლება გამართლებულიც იყოს.

ჩვენ ვდგავართ ეპოქაში, სადაც ინჟინერიის ღირებულება შეიძლება ნულს მიუახლოვდეს. სტრატეგიული კითხვა კი შემდეგია: ამ ახალ სამყაროში ვინ გაიმარჯვებს — პროგრამული უზრუნველყოფის გიგანტები თუ ისინი, ვინც ატომებსა და ქარხნებს ფლობენ? მზად ხართ სამყაროსთვის, სადაც რთული მანქანების შექმნა ისეთივე მარტივი იქნება, როგორც „პრომპტის“ დაწერა?

___

*ზაზა ცოტნიაშვილი

პროფესორი, სოციალურ მეცნიერებათა დოქტორი;განათლების სახლის დამფუძნებელი;კავკასიის საერთაშორისო უნივერსიტეტის მედიის პროგრამების ხელმძღვანელი; მეცნიერებისა და ტექნოლოგიების ევროპული თანამშრომლობის (COST) მმართველი კომიტეტის წევრი; ბიზნეს და სახელმწიფო ორგანიზაციების კონსულტანტი GenAI დანერგვის საკითხებში; საქართველოს პარლამენტის კვლევითი და სასწავლო დეპარტამენტისა და საქართველოს იუსტიციის სასწავლო ცენტრის GenAI ტრენერი და კონსულტანტი;განათლების ხარისხის განვითარების ეროვნული ცენტრის ექსპერტი.