Michael Johnsonهل يمكن إسناد تصميم جهاز كامل إلى الذكاء الاصطناعي، لا مجرد رسم منفرد، بدءًا من الهيكل ولوحة الدوائر المطبوعة وصولًا إلى البرامج الثابتة؟ في 3 نوفمبر 2026، وصفت OpenAI تجربة ساعد فيها نموذج Astra، إلى جانب GPT‑6، على تصميم جهاز للتواصل مع Codex. والخلاصة الأساسية للمهندسين هي أن الدور المفيد للذكاء الاصطناعي هنا يتمثل في ربط مراحل التصميم المتعددة وتسريع التكرارات؛ أما الانتقال من النموذج الرقمي إلى الإنتاج الفعلي، فما زال يتطلب التحقق من التفاصيل الإنشائية والتصنيعية.
في المشروع الموصوف، بدأ النظام بالمتطلبات الوظيفية. ثم صممت Astra المظهر الخارجي والهيكل والبنية الداخلية، واختارت المكونات الإلكترونية، وصممت لوحة الدوائر المطبوعة بما يشمل مواضع المكونات ووصلاتها، وأعدت الواجهة والبرامج الثابتة والتكاملات البرمجية. وهذا مسار عمل مترابط بالفعل: فتغيير أبعاد الهيكل قد يؤثر في موضع اللوحة، كما تحد المكونات ووصلاتها من خيارات التصميم.
ما الذي تغير تحديدًا في عمل النموذج؟
يجيب مولّد الصور المعتاد عن سؤال «كيف يمكن أن يبدو هذا؟». أما السيناريو الذي وصفته OpenAI فيطمح إلى ربط أوثق بين التمثيلات: إذ تُعالج المتطلبات والهندسة الميكانيكية والمخطط الكهربائي والجزء البرمجي ضمن مهمة واحدة. وما يهم المهندس هو الانتقال بينها؛ مثل التأكد من أن اللوحة تتسع فعليًا داخل الهيكل، وأن المكونات المختارة تلبي الوظيفة المتوقعة للجهاز.
أفادت OpenAI بأن موظفين اثنين أنشآ جهازًا تجريبيًا في أقل من أسبوع بوصفه مشروعًا جانبيًا، وأن مُصنّعًا متعاقدًا أنتج دفعة صغيرة من النماذج الأولية في أقل من شهر. وتتعلق هذه المدد بتجربة داخلية محددة وبالنموذج الأولي الموصوف. وهي توضح إمكانية الانتقال سريعًا من الفكرة إلى نموذج مادي، لكنها لا تقدم بحد ذاتها تقديرًا عامًا لسرعة تصميم أجهزة أخرى أو عمل فرق أخرى.
تكمن فائدة المثال في أن الذكاء الاصطناعي لم يقتصر على إعداد مُخرج واحد. فعندما يساعد النموذج على تنسيق الهيكل واللوحة والبرمجيات، يستطيع المهندس اكتشاف الترابطات المتبادلة مبكرًا، وهي ترابطات لا تظهر عادة إلا عند نقل النتائج بين أدوات واختصاصيين مختلفين. وتكتسب هذه الصلة أهمية خاصة للفرق الصغيرة التي ينسق فيها شخص واحد بين عدة تخصصات.
لماذا لا يعني اكتمال التصميم الرقمي أنه جاهز للتصنيع؟
قد يقترح النموذج تصميمًا يبدو متسقًا على الشاشة، لكنه لا يراعي قيود التصنيع الفعلية. وأشارت OpenAI تحديدًا إلى أن Astra لم تراعِ باستمرار قيود المُصنّع وتفاوتات الأبعاد والتفاصيل اللازمة للتجميع. لذلك تطلب إعداد الجهاز للإنتاج عدة جولات من الفحص والتحسين.
آلية هذه الفجوة عملية. فالتصميم الرقمي يحدد الشكل والمواضع النسبية للأجزاء؛ ثم يضيف التصنيع شروطًا محددة، منها تفاوتات الأبعاد المسموح بها، وأساليب المعالجة، ومتطلبات التجميع. وإذا لم يترك الهيكل مساحة كافية أو لم يراعِ التصميم طريقة تركيب أحد الأجزاء، فقد يكون الملف مكتملًا من الناحية التقنية، لكن يصعب تصنيع المنتج أو يستحيل تصنيعه بالعملية المحددة.
ومن هنا يأتي التقسيم العملي للمسؤوليات: يساعد النموذج على إعداد الخيارات وتنسيقها، بينما يتحقق المختصون من توافقها مع المعدات والمواد وتقنيات المُصنّع. وهذا يعني أن الفريق ينبغي ألا يقيّم النتيجة بناءً على جاذبية النموذج ثلاثي الأبعاد، بل بناءً على عدد الفحوصات والتعديلات الهندسية الجوهرية المتبقية قبل إنتاج نموذج عملي.
أين تبدو التطبيقات ملموسة بالفعل؟
تستخدم فرق الأجهزة الداخلية في OpenAI Codex وChatGPT لإنشاء نماذج CAD وتعديلها، وإعداد رسومات التصنيع، وضبط عمليات المحاكاة، وتحليل التصميمات. وأفادت الشركة بأن استخدام النماذج في فرق الأجهزة، مقاسًا بعدد الرموز، زاد 23 مرة منذ فبراير. ويعكس هذا المؤشر استهلاك النماذج داخل هذه الفرق، لا انخفاض مدة التصميم أو تكلفته.
وفي تعاونها مع Chip Ganassi Racing، تدرس الشركة الانتقال من المسوح ثلاثية الأبعاد للأجزاء الموجودة إلى نماذج CAD قابلة للتحرير ورسومات تصنيع. ويكتسب هذا السيناريو قيمة حين لا تتوفر الملفات الأصلية للتصميم: إذ يصبح المسح مادة أولية لإعادة بناء الهندسة، بينما يتحقق مهندسو الشريك من دقة الرسومات وصلاحيتها للتصنيع.
وفي العمل المشترك مع Mazda، تُطبّق النماذج على تصميم السيارات: إذ تستكشف شكل الجزء الأمامي، وتحاكي تدفق الهواء، وتقارن الخيارات بناءً على الأداء والتصميم والتكلفة. وتصف OpenAI ذلك بأنه تعاون بحثي تخطط الشركة للإعلان عن نتائجه لاحقًا. وتتمثل فائدة هذا السيناريو في استكشاف مزيد من الأشكال وربط محاكاة الديناميكا الهوائية بالقرارات الإنشائية بسرعة أكبر؛ لكن المواد المنشورة لا تقدم حتى الآن قياسات للتحسن في سيارة مكتملة.
كيف تقيّم هذه الأنظمة ضمن فريق هندسي؟
تورد OpenAI اختبار BenchCAD 2.0 ضمن تقييمات النماذج لمهام تجمع بين البرمجة والمعرفة الهندسية. ويقيّم الاختبار إعادة بناء الأجزاء والتجميعات ثلاثية الأبعاد، فضلًا عن التعرّف على الوصلات في لوحات الدوائر المطبوعة. وفي هذا التقييم، حقق نموذج داخلي جديد متوسط نتيجة قدره 0.875، في حين حقق GPT‑6 Astra في وضع الاستدلال الأقصى 0.594.
وتفيد هذه النتيجة في الاختيار العملي بوصفها مؤشرًا على التقدم في فئة محددة من المهام، هي إنشاء الهندسة والتعرّف على الروابط. لكنها لا تقيس دورة التطوير كاملة، التي تشمل اختيار المواد والاختبارات الحرارية والميكانيكية وإصدار الشهادات والتحقق من قابلية التصنيع. لذلك من المنطقي أن يختبر الفريق النموذج على مهامه المعتادة، وأن يسجل ملفات الإخراج التي تقبلها الأدوات الهندسية فعليًا، وتلك التي لا تزال تحتاج إلى معالجة يدوية.
يمكن بناء تجربة أولية عملية حول مرحلة متكررة واحدة؛ مثل تحويل مسوح الأجزاء إلى نماذج CAD، أو إعداد الرسومات، أو إنشاء الإعداد الأولي للمحاكاة. وينبغي تحديد معايير القبول مسبقًا لكل مهمة، وتكليف مهندس بمراجعة الهندسة والقيود، وتسجيل التصحيحات اللازمة قبل تسليم النتائج إلى المُصنّع. وهكذا يتضح للفريق أين يخفف النموذج العمل الروتيني، وأين تؤدي مقترحاته إلى دورات إضافية من المراجعة.
المفترق الأساسي يقع بين التصميم والتحقق
يوضح مشروع OpenAI إمكانية تطبيق الذكاء الاصطناعي على مراحل مترابطة من التصميم المادي، لا على النصوص أو الشيفرات أو الصور المنفردة فحسب. وتظهر الفائدة حين يساعد النظام على مواءمة المتطلبات والخيارات بسرعة بين الميكانيكا والإلكترونيات والبرمجيات. لكن صلاحية التصنيع تظل مهمة هندسية مستقلة تحددها تفاوتات الأبعاد والتجميع وقدرات العملية المحددة.
ويقدم ذلك لمطوري المنتجات المادية معيارًا واضحًا: ابدأوا تقييم النظام بمرحلة محدودة قابلة للتحقق، وقيسوا حجم التصحيحات اليدوية المطلوبة قبل القبول الهندسي، لا عدد النماذج التي أُنشئت. ويتيح هذا النهج الاستفادة من سرعة توليد الخيارات مع الحفاظ على الرقابة عند النقطة التي يتحول فيها التصميم الرقمي إلى منتج مادي.
