استارتاپ مخفی Danijar Hafner برای ربات‌های انسان‌نما

دانیشار هافنر (Danijar Hafner)، پژوهشگر ۳۱ ساله سابق Google DeepMind، استارتاپی در حالت مخفی در محله SoMa سان‌فرانسیسکو راه‌اندازی کرده که روی ربات‌های انسان‌نما کار می‌کند. دفتر تقریباً خالی است و نامی روی در ندارد؛ اما قفسه‌های وسط سالن پر از ربات‌های انسان‌نمایی وارداتی از چین است. شرط موفقیت این ربات‌ها یک چیز است: عمل کردن در محیط‌هایی که هرگز در آموزش ندیده‌اند.

چرا ربات‌ها هنوز نمی‌توانند وارد خانه ما شوند؟

رباتی که به خانه انسان فرستاده می‌شود باید با مبلمانی کنار بیاید که هیچ‌وقت ندیده. آموزش سنتی رباتیک با آزمون‌وخطای واقعی برای این کار گران و کند است. هافنر سراغ یادگیری تقویتی مبتنی بر مدل رفته: ابتدا یک مدل جهانی می‌سازد که واقعیت فیزیکی را شبیه‌سازی می‌کند، بعد ایجنت را داخل همان شبیه‌سازی آموزش می‌دهد. ایجنت تجربه جمع می‌کند و از آن برای پیش‌بینی—یا به تعبیر خودش «تخیل»—نتیجه‌های آینده استفاده می‌کند؛ وظایف پیچیده بدون تمرین میدانی در دنیای واقعی.

از Atari تا Minecraft؛ کارنامه Dreamer

هافنر این رویکرد را سال‌ها با بازی‌های ویدیویی محک زده. نخستین جهش او PlaNet بود، مدلی که به ایجنت‌ها برنامه‌ریزی پیش‌دستانه می‌داد. سپس Dreamer 2 اولین ایجنتی شد که در بازی‌های Atari 2600 به عملکرد سطح انسان رسید. Dreamer 3 اولین سیستمی بود که چالش Minecraft Diamond را حل کرد—خودش درون بازی الماس استخراج می‌کرد. Dreamer 4 یک قدم جلوتر رفت و از روی مجموعه‌داده آفلاین ویدیوهای گیم‌پلی، بدون هیچ تعامل مستقیم با بازی، استخراج الماس را یاد گرفت. پروژه DayDreamer هم همین الگوریتم را به دنیای فیزیک آورد: ربات‌هایی که به تجربه‌های تازه—مثل زمین خوردن—بدون آموزش اختصاصی واکنش نشان می‌دادند.

از یک شهر کوچک آلمانی تا Google Brain

هافنر در شهر کوچکی در شمال شرقی آلمان بزرگ شد؛ والدینش موسیقی‌دان کلاسیک بودند و برنامه‌نویسی را از یک همسایه یاد گرفت. در سال ۲۰۱۵، وقتی هنوز دانشجوی کارشناسی مهندسی در Hasso Plattner Institute پوتسدام بود، جایگاه پژوهشگر دانشجویی در Google Brain گرفت. بعد از آن ۱۲ کارآموزی و سمت در گوگل در بریتانیا، کانادا و آمریکا پشت سر گذاشت و با چهره‌هایی مثل Geoffrey Hinton و Ashish Vaswani، هم‌نویسنده مقاله «Attention Is All You Need»، کار کرد.

تیموتی لیلیکرپ، مدیر و هم‌نویسنده سابقش در گوگل، او را استثنایی می‌داند:

«با خیلی از آدم‌های باهوش در تحقیقات گوگل تعامل دارم، و او به‌راحتی در نیم‌درصد بالایی قرار می‌گیرد. در خیلی موارد او به‌تنهایی چیزهایی می‌ساخت که ساختنشان کل تیم‌هایی از مهندسان را می‌طلبید.»

قدم بعدی: از شبیه‌سازی به بدن فیزیکی

هافنر در پاییز ۲۰۲۵ برای تاسیس استارتاپش Google DeepMind را ترک کرد و هنوز درباره جزییات کارش محتاط است. جهت‌گیری اما روشن است: بردن ایجنت‌های آموزش‌دیده در مدل‌های جهانی از دنیای مجازی به بدن‌های فیزیکی انسان‌نما. اگر این رویکرد جواب بدهد، مانع اصلی تجاری‌سازی ربات‌های خانگی—مواجهه با محیط‌های دیده‌نشده—برداشته می‌شود. خودش فقط یک اشاره می‌کند: «به دنبال حل مسیله‌ای بودم که دنیا را تغییر دهد.»

این گزارش بر اساس پروفایل منتشرشده در MIT Technology Review نوشته شده است.

سوالات رایج

**استارتاپ دانیشار هافنر چه می‌سازد؟ ** ربات‌های انسان‌نما که با مدل‌های جهانی و یادگیری تقویتی مبتنی بر مدل آموزش می‌بینند تا در محیط‌های دیده‌نشده عمل کنند. استارتاپ در حالت مخفی است و حتی نامی روی در دفترش در SoMa سان‌فرانسیسکو ندارد.

**مدل‌های جهانی چه مشکلی را حل می‌کنند؟ ** به‌جای آزمون‌وخطای گران در دنیای واقعی، ایجنت درون شبیه‌سازی فیزیکی آموزش می‌بیند و وظایف پیچیده را بدون تمرین میدانی یاد می‌گیرد. همین موضوع مانع اصلی ورود ربات‌ها به فضاهای انسانی را هدف می‌گیرد.

**هافنر پیش از این چه دستاوردهایی داشته است؟ ** Dreamer 2 نخستین ایجنتی بود که در Atari 2600 به عملکرد سطح انسان رسید و Dreamer 3 چالش Minecraft Diamond را حل کرد. پروژه DayDreamer هم به ربات‌ها امکان واکنش به تجربه‌های جدید بدون آموزش اختصاصی را داد.

بیشتر بخوانید

• منشور رفتاری هوش مصنوعی مایکروسافت: انسان مهم‌تر از مدل است
• منشور اخلاقی مایکروسافت: رد حقوق قانونی برای هوش مصنوعی
• Vy Capital با چهار کارمند، سهام ۴۰ میلیارد دلاری SpaceX را در دست دارد