Γιατί τα ρομπότ AI περνούν από τις επιδείξεις στην πραγματική εργασία

Πέρα από τα viral βίντεο

Για χρόνια, η αντίληψη του κοινού για τη ρομποτική διαμορφωνόταν από εντυπωσιακά βίντεο με ανθρωποειδή μηχανήματα που έκαναν τούμπες ή χόρευαν. Αυτά τα κλιπ ήταν εντυπωσιακά, αλλά σπάνια αντικατόπτριζαν την ακατάστατη πραγματικότητα της βιομηχανικής εργασίας. Σε ένα ελεγχόμενο εργαστήριο, ένα ρομπότ μπορεί να προγραμματιστεί να πετυχαίνει κάθε φορά. Σε μια αποθήκη ή ένα εργοτάξιο, οι μεταβλητές είναι άπειρες. Η μετάβαση από αυτές τις σκηνοθετημένες επιδείξεις στην πραγματική, παραγωγική εργασία συμβαίνει επιτέλους. Αυτή η αλλαγή δεν οφείλεται σε κάποια ξαφνική ανακάλυψη στα μέταλλα ή τους κινητήρες, αλλά σε μια θεμελιώδη αλλαγή στον τρόπο με τον οποίο τα μηχανήματα επεξεργάζονται το περιβάλλον τους. Απομακρυνόμαστε από τον άκαμπτο προγραμματισμό προς συστήματα που μπορούν να μαθαίνουν και να προσαρμόζονται.

Το βασικό συμπέρασμα για τις επιχειρήσεις είναι ότι η αξία ενός ρομπότ δεν μετριέται πλέον μόνο από τη φυσική του ευελιξία. Αντίθετα, η εστίαση έχει μετατοπιστεί στη νοημοσύνη που καθοδηγεί αυτή την ευελιξία. Οι εταιρείες αναζητούν πλέον συστήματα που μπορούν να διαχειριστούν το απρόβλεπτο του πραγματικού κόσμου χωρίς να χρειάζεται ανθρώπινη παρέμβαση κάθε πέντε λεπτά. Αυτή η αλλαγή καθιστά τον αυτοματισμό βιώσιμο για εργασίες που προηγουμένως ήταν πολύ περίπλοκες ή ακριβές. Καθώς προχωράμε στο , η έμφαση δίνεται στην αξιοπιστία και την απόδοση της επένδυσης και όχι στα social media. Η εποχή του ακριβού παιχνιδιού τελειώνει και η εποχή του αυτόνομου εργάτη ξεκινά.

Το λογισμικό επιτέλους προλαβαίνει το hardware

Για να καταλάβουμε γιατί συμβαίνει αυτό τώρα, πρέπει να δούμε το software stack. Στο παρελθόν, αν θέλατε ένα ρομπότ να σηκώσει ένα κουτί, έπρεπε να γράψετε συγκεκριμένο κώδικα για τις ακριβείς συντεταγμένες του. Αν το κουτί μετακινούνταν δύο εκατοστά, το ρομπότ θα αποτύγχανε. Τα σύγχρονα συστήματα χρησιμοποιούν αυτό που ονομάζεται embodied AI. Αυτή η προσέγγιση επιτρέπει στο μηχάνημα να χρησιμοποιεί κάμερες και αισθητήρες για να κατανοεί το περιβάλλον του σε πραγματικό χρόνο. Αντί να ακολουθεί ένα σταθερό σενάριο, το ρομπότ χρησιμοποιεί ένα foundation model για να αποφασίσει πώς να κινηθεί. Αυτό είναι παρόμοιο με τον τρόπο που τα large language models επεξεργάζονται κείμενο, αλλά εφαρμοσμένο στη φυσική κίνηση και τη χωρική αντίληψη.

Αυτή η πρόοδος στο λογισμικό σημαίνει ότι τα ρομπότ μπορούν πλέον να χειρίζονται αντικείμενα που δεν έχουν ξαναδεί. Μπορούν να ξεχωρίσουν ένα γυάλινο μπουκάλι από μια πλαστική σακούλα, ρυθμίζοντας ανάλογα τη δύναμη της λαβής τους. Αυτό το επίπεδο γενίκευσης ήταν το κομμάτι που έλειπε για δεκαετίες. Το hardware ήταν σχετικά ώριμο εδώ και καιρό. Είχαμε ικανούς ρομποτικούς βραχίονες και κινητές βάσεις από τα τέλη του εικοστού αιώνα. Ωστόσο, εκείνα τα μηχανήματα ήταν ουσιαστικά τυφλά. Απαιτούσαν ένα τέλεια δομημένο περιβάλλον για να λειτουργήσουν. Προσθέτοντας ένα επίπεδο εξελιγμένης αντίληψης και λογικής, αφαιρούμε την ανάγκη για αυτή τη δομή. Αυτό επιτρέπει στα ρομπότ να βγουν από τα κλουβιά τους και να εργαστούν δίπλα στους ανθρώπους σε κοινόχρηστους χώρους.

Το αποτέλεσμα είναι μια πιο ευέλικτη μορφή αυτοματισμού. Ένα μόνο ρομπότ μπορεί πλέον να εκπαιδευτεί για να εκτελεί πολλαπλές εργασίες κατά τη διάρκεια μιας βάρδιας. Μπορεί να ξεφορτώνει ένα φορτηγό το πρωί και να ταξινομεί πακέτα για παράδοση το απόγευμα. Αυτή η ευελιξία είναι που κάνει τα οικονομικά να λειτουργούν για μικρότερες εταιρείες που δεν έχουν την πολυτέλεια ενός ειδικού μηχανήματος για κάθε βήμα της διαδικασίας τους. Το λογισμικό γίνεται ο μεγάλος εξισωτής στον βιομηχανικό τομέα.

Η οικονομική μηχανή του αυτοματισμού

Η παγκόσμια ώθηση για τη ρομποτική δεν αφορά μόνο την cool τεχνολογία. Είναι μια απάντηση σε τεράστιες οικονομικές αλλαγές. Πολλά αναπτυγμένα έθνη αντιμετωπίζουν συρρίκνωση του εργατικού δυναμικού και γήρανση του πληθυσμού. Απλώς δεν υπάρχουν αρκετοί άνθρωποι για να καλύψουν κάθε ρόλο στα logistics, τη μεταποίηση και τη γεωργία. Σύμφωνα με δεδομένα από τη Διεθνή Ομοσπονδία Ρομποτικής, η εγκατάσταση βιομηχανικών ρομπότ συνεχίζει να σημειώνει ρεκόρ καθώς οι εταιρείες δυσκολεύονται να βρουν αξιόπιστο προσωπικό. Αυτό ισχύει ιδιαίτερα για εργασίες που είναι επαναλαμβανόμενες, βρώμικες ή επικίνδυνες.

Βλέπουμε επίσης μια τάση προς το reshoring της μεταποίησης. Οι κυβερνήσεις θέλουν να φέρουν την παραγωγή πίσω στα σύνορά τους για να αποφύγουν τις διαταραχές της εφοδιαστικής αλυσίδας. Ωστόσο, το εργατικό κόστος στις ΗΠΑ και την Ευρώπη είναι πολύ υψηλότερο από ό,τι στα παραδοσιακά κέντρα παραγωγής. Ο αυτοματισμός είναι ο μόνος τρόπος για να γίνει η εγχώρια παραγωγή ανταγωνιστική. Χρησιμοποιώντας ρομπότ για τις πιο βασικές εργασίες, οι εταιρείες μπορούν να διατηρήσουν τις δραστηριότητές τους τοπικά παραμένοντας κερδοφόρες. Αυτή η αλλαγή μεταμορφώνει το παγκόσμιο εμπόριο καθώς το πλεονέκτημα του φθηνού εργατικού δυναμικού αρχίζει να εξασθενεί.

• Κέντρα logistics και e-commerce fulfillment.
• Γραμμές συναρμολόγησης αυτοκινήτων και βαρέων μηχανημάτων.
• Επεξεργασία τροφίμων και γεωργική συγκομιδή.
• Κατασκευή και δοκιμή ηλεκτρονικών εξαρτημάτων.
• Αυτοματισμός ιατρικών εργαστηρίων και φαρμακευτική διαλογή.

Ο αντίκτυπος γίνεται πιο αισθητός στον τομέα των logistics. Η άνοδος των online αγορών έχει δημιουργήσει μια απαίτηση για ταχύτητα που οι άνθρωποι δυσκολεύονται να καλύψουν. Τα ρομπότ μπορούν να δουλεύουν όλη τη νύχτα χωρίς διαλείμματα, διασφαλίζοντας ότι ένα πακέτο που παραγγέλθηκε τα μεσάνυχτα είναι έτοιμο για παράδοση μέχρι την αυγή. Αυτός ο 24ωρος κύκλος γίνεται το νέο πρότυπο για το παγκόσμιο εμπόριο. Για περισσότερες πληροφορίες σχετικά με το πώς αυτές οι τάσεις διαμορφώνουν το μέλλον, μπορείτε να διαβάσετε για τις τελευταίες τάσεις στη ρομποτική στο AI insights hub μας.

Μια αλλαγή στην καθημερινή ρουτίνα

Σκεφτείτε μια τυπική μέρα για μια διευθύντρια αποθήκης, τη Σάρα. Πριν από λίγα χρόνια, το πρωί της θα ξεκινούσε με μια απεγνωσμένη προσπάθεια να καλύψει τις βάρδιες στην αποβάθρα φόρτωσης. Αν δύο άτομα έπαιρναν αναρρωτική, ολόκληρη η επιχείρηση θα επιβραδυνόταν. Σήμερα, η Σάρα επιβλέπει έναν στόλο από αυτόνομα κινητά ρομπότ που αναλαμβάνουν τη βαριά δουλειά. Όταν φτάνει ένα φορτηγό, αυτά τα μηχανήματα χρησιμοποιούν computer vision για να αναγνωρίσουν τις παλέτες και να τις μεταφέρουν στους σωστούς διαδρόμους. Η Σάρα δεν διαχειρίζεται πλέον μεμονωμένες εργασίες. Διαχειρίζεται ένα σύστημα. Ο ρόλος της έχει μετατοπιστεί από τη χειροκίνητη επίβλεψη στον τεχνικό συντονισμό. Ξοδεύει τον χρόνο της αναλύοντας δεδομένα απόδοσης και διασφαλίζοντας ότι τα ρομπότ είναι βελτιστοποιημένα για το συγκεκριμένο απόθεμα της ημέρας.

Αυτό το σενάριο γίνεται κοινό σε όλο τον κόσμο. Σε ένα εργοστάσιο στη Γερμανία, ένα ρομπότ μπορεί να είναι υπεύθυνο για τη συγκόλληση εξαρτημάτων με ακρίβεια που κανένας άνθρωπος δεν θα μπορούσε να φτάσει για οκτώ ώρες συνεχόμενα. Σε ένα ιαπωνικό νοσοκομείο, ένα ρομπότ μπορεί να παραδίδει γεύματα και κλινοσκεπάσματα στα δωμάτια των ασθενών, απελευθερώνοντας τους νοσηλευτές ώστε να επικεντρωθούν στην πραγματική ιατρική φροντίδα. Αυτά δεν είναι τα ανθρωποειδή ρομπότ της επιστημονικής φαντασίας. Συχνά είναι απλώς κουτιά με ρόδες ή αρθρωτοί βραχίονες βιδωμένοι στο πάτωμα. Είναι βαρετά, και ακριβώς γι’ αυτό είναι επιτυχημένα. Κάνουν τη δουλειά που οι άνθρωποι δεν θέλουν πλέον να κάνουν, και την κάνουν με συνεπή ακρίβεια.

Ωστόσο, η μετάβαση δεν είναι πάντα ομαλή. Η ενσωμάτωση αυτών των συστημάτων απαιτεί σημαντική αρχική επένδυση και αλλαγή στην εταιρική κουλτούρα. Οι εργαζόμενοι συχνά φοβούνται ότι θα αντικατασταθούν, ακόμα κι αν τα ρομπότ αναλαμβάνουν μόνο τα πιο εξαντλητικά μέρη της δουλειάς. Οι επιτυχημένες εταιρείες είναι εκείνες που επενδύουν στην επανεκπαίδευση του προσωπικού τους. Αντί να απολύουν εργαζομένους, τους διδάσκουν πώς να συντηρούν και να προγραμματίζουν τα νέα μηχανήματα. Αυτό δημιουργεί ένα πιο εξειδικευμένο εργατικό δυναμικό και μια πιο ανθεκτική επιχείρηση. Ο πραγματικός αντίκτυπος είναι μια σταδιακή εξέλιξη του χώρου εργασίας και όχι μια ξαφνική εκτόπιση του ανθρώπινου στοιχείου.

Η πραγματικότητα είναι ότι τα ρομπότ εξακολουθούν να είναι αρκετά περιορισμένα στις φυσικές τους δυνατότητες. Δυσκολεύονται με μαλακά ή ακανόνιστα αντικείμενα, όπως ένα τσαμπί σταφύλια ή ένα μπερδεμένο κουβάρι καλώδια. Επίσης, στερούνται της κοινής λογικής που οι άνθρωποι θεωρούν δεδομένη. Αν ένα ρομπότ δει μια λακκούβα με νερό, μπορεί να μην συνειδητοποιήσει ότι πρέπει να την αποφύγει για να μην γλιστρήσει ή βραχυκυκλώσει. Αυτά τα μικρά κενά στις δυνατότητες είναι εκεί όπου η συνεργασία ανθρώπου-ρομπότ είναι πιο σημαντική. Απέχουμε ακόμα χρόνια από μια μηχανή που μπορεί πραγματικά να ταιριάξει την ευελιξία ενός ανθρώπινου χεριού και εγκεφάλου σε κάθε περιβάλλον.

Το αόρατο τίμημα της προόδου

Καθώς ενσωματώνουμε αυτές τις μηχανές στη ζωή μας, πρέπει να θέσουμε δύσκολα ερωτήματα σχετικά με το κρυφό κόστος. Τι συμβαίνει με τα δεδομένα που συλλέγουν αυτά τα ρομπότ; Ένα ρομπότ που κινείται σε μια αποθήκη ή ένα σπίτι σαρώνει συνεχώς το περιβάλλον του. Δημιουργεί έναν λεπτομερή χάρτη του χώρου και καταγράφει την κίνηση όλων γύρω του. Ποιος κατέχει αυτά τα δεδομένα και πώς χρησιμοποιούνται; Αν μια εταιρεία χρησιμοποιεί έναν στόλο ρομπότ για να παρακολουθεί το εργοστάσιό της, μήπως παρακολουθεί ακούσια και τις ιδιωτικές συνήθειες των υπαλλήλων της; Οι επιπτώσεις στην ιδιωτικότητα είναι τεράστιες και σε μεγάλο βαθμό ανεξέλεγκτες.

Υπάρχει επίσης το ζήτημα της ενέργειας και της βιωσιμότητας. Η εκπαίδευση των τεράστιων μοντέλων που τροφοδοτούν αυτά τα ρομπότ απαιτεί τεράστια ποσότητα ηλεκτρικής ενέργειας. Τα data centers που εκτελούν αυτούς τους υπολογισμούς έχουν σημαντικό αποτύπωμα άνθρακα. Επιπλέον, τα ίδια τα ρομπότ είναι κατασκευασμένα από σπάνια υλικά που είναι δύσκολο να εξορυχθούν και ακόμα πιο δύσκολο να ανακυκλωθούν. Μήπως ανταλλάσσουμε ένα σύνολο περιβαλλοντικών προβλημάτων με ένα άλλο; Πρέπει να εξετάσουμε ολόκληρο τον κύκλο ζωής αυτών των μηχανών, από τα ορυκτά στις μπαταρίες τους μέχρι την ενέργεια που καταναλώνουν οι επεξεργαστές τους. Αν ένα ρομπότ εξοικονομεί δέκα τοις εκατό στο εργατικό κόστος αλλά αυξάνει την κατανάλωση ενέργειας κατά τριάντα τοις εκατό, είναι όντως βελτίωση;

Θα πρέπει επίσης να εξετάσουμε το κοινωνικό κόστος ενός κόσμου όπου η ανθρώπινη αλληλεπίδραση ελαχιστοποιείται. Αν τα ρομπότ αναλάβουν τις παραδόσεις μας, το μαγείρεμα του φαγητού μας και τον καθαρισμό των δρόμων μας, τι σημαίνει αυτό για τον κοινωνικό ιστό των κοινοτήτων μας; Υπάρχει κίνδυνος αυξημένης απομόνωσης καθώς οι περιστασιακές αλληλεπιδράσεις της οικονομίας των υπηρεσιών εξαφανίζονται. Πρέπει να αποφασίσουμε ποιες εργασίες είναι καλύτερο να αφεθούν στις μηχανές και ποιες απαιτούν ανθρώπινη επαφή. Η αποδοτικότητα είναι ένα ισχυρό κίνητρο, αλλά δεν πρέπει να είναι η μόνη μέτρηση που χρησιμοποιούμε για να κρίνουμε την επιτυχία μιας τεχνολογίας. Πώς διασφαλίζουμε ότι τα οφέλη του αυτοματισμού μοιράζονται από όλους, αντί να περιορίζονται μόνο στους ιδιοκτήτες των μηχανών;

Κάτω από το εξωτερικό περίβλημα

Για τους power users και τους μηχανικούς, η πραγματική ιστορία βρίσκεται στις λεπτομέρειες της υλοποίησης. Τα περισσότερα σύγχρονα βιομηχανικά ρομπότ κινούνται προς ένα τυποποιημένο πλαίσιο λογισμικού όπως το ROS 2 (Robot Operating System). Αυτό επιτρέπει καλύτερη διαλειτουργικότητα μεταξύ διαφορετικών κομματιών hardware. Μία από τις μεγαλύτερες προκλήσεις στον τομέα είναι το latency. Όταν ένα ρομπότ εκτελεί μια εργασία υψηλής ταχύτητας, ακόμα και λίγα χιλιοστά του δευτερολέπτου καθυστέρησης στον βρόχο επεξεργασίας μπορεί να προκαλέσουν αποτυχία. Αυτός είναι ο λόγος που βλέπουμε μια στροφή προς το edge computing. Αντί να στέλνονται δεδομένα στο cloud για επεξεργασία, η βαριά δουλειά γίνεται στο τοπικό hardware, συχνά χρησιμοποιώντας εξειδικευμένα chips σχεδιασμένα για AI inference.

Η τοπική αποθήκευση είναι ένας άλλος κρίσιμος παράγοντας. Ένα ρομπότ που παράγει δεδομένα βίντεο υψηλής ανάλυσης και logs αισθητήρων μπορεί εύκολα να παράγει αρκετά terabytes δεδομένων σε μια μόνο βάρδια. Η διαχείριση αυτών των δεδομένων χωρίς να φράξει το τοπικό δίκτυο είναι ένα μεγάλο εμπόδιο. Οι μηχανικοί πρέπει να αποφασίσουν ποια δεδομένα αξίζει να διατηρηθούν για εκπαίδευση και ποια μπορούν να απορριφθούν. Υπάρχουν επίσης αυστηρά API limits που πρέπει να ληφθούν υπόψη κατά την ενσωμάτωση ρομπότ με υπάρχοντα συστήματα enterprise resource planning. Ένα σύστημα διαχείρισης αποθήκης μπορεί να μην είναι σχεδιασμένο να χειρίζεται τις χιλιάδες ενημερώσεις κατάστασης ανά δευτερόλεπτο που παράγει ένας ρομποτικός στόλος. Αυτό απαιτεί ένα middleware layer που μπορεί να συγκεντρώνει και να φιλτράρει τα δεδομένα πριν φτάσουν στην κύρια βάση δεδομένων.

• Ταχύτητα inference για αποφυγή εμποδίων σε πραγματικό χρόνο.
• Πυκνότητα μπαταρίας και θερμική διαχείριση για 24ωρη λειτουργία.
• Τεχνικές sensor fusion που συνδυάζουν LiDAR, κάμερες βάθους και IMUs.
• End-to-end κρυπτογράφηση για όλα τα δεδομένα που μεταδίδονται μέσω τοπικού Wi-Fi.
• Modular σχεδιασμός hardware για γρήγορες επισκευές στον χώρο εργασίας.

Η ενσωμάτωση στη ροή εργασίας είναι εκεί όπου αποτυγχάνουν τα περισσότερα έργα. Είναι άλλο πράγμα να κάνεις ένα ρομπότ να δουλεύει σε ένα εργαστήριο και άλλο να το κάνεις να συνεργάζεται με το υπάρχον λογισμικό μιας παγκόσμιας εταιρείας. Η ασφάλεια είναι επίσης πρωταρχικό μέλημα. Ένα hacked ρομπότ δεν είναι μόνο κίνδυνος για τα δεδομένα, είναι κίνδυνος για τη φυσική ασφάλεια. Η διασφάλιση ότι αυτά τα μηχανήματα δεν μπορούν να παραβιαστούν απαιτεί βαθιά εστίαση σε secure boot διαδικασίες και κρυπτογράφηση σε επίπεδο hardware. Καθώς προχωράμε στο , η εστίαση για τους προγραμματιστές είναι να κάνουν αυτά τα συστήματα τόσο στιβαρά και ασφαλή όσο η παραδοσιακή IT υποδομή στην οποία εντάσσονται.

Σημείωση συντάκτη: Δημιουργήσαμε αυτόν τον ιστότοπο ως έναν πολύγλωσσο κόμβο ειδήσεων και οδηγών τεχνητής νοημοσύνης για άτομα που δεν είναι φανατικοί των υπολογιστών, αλλά εξακολουθούν να θέλουν να κατανοήσουν την τεχνητή νοημοσύνη, να τη χρησιμοποιούν με μεγαλύτερη αυτοπεποίθηση και να παρακολουθούν το μέλλον που ήδη έρχεται.

Η επόμενη δεκαετία της εργασίας

Η κίνηση από τις επιδείξεις στην πραγματική εργασία είναι σημάδι ότι η τεχνολογία έχει ωριμάσει αρκετά για να αντιμετωπίσει τον έλεγχο της αγοράς. Δεν εντυπωσιαζόμαστε πλέον από ένα ρομπότ που μπορεί να περπατήσει, θέλουμε να ξέρουμε αν μπορεί να δουλέψει για δέκα ώρες χωρίς να χαλάσει. Τα αθόρυβα κέρδη σε αποθήκες και εργοστάσια είναι πολύ πιο σημαντικά από οποιοδήποτε viral βίντεο. Αυτά τα μηχανήματα γίνονται τυπικό μέρος του παγκόσμιου βιομηχανικού stack. Επιλύουν πραγματικά προβλήματα στην εργασία και τα logistics, ακόμα κι αν δεν είναι τόσο φανταχτερά όσο αυτά που βλέπουμε στις ταινίες. Η οικονομική πίεση για αυτοματοποίηση θα αυξηθεί μόνο, και το λογισμικό είναι επιτέλους έτοιμο να καλύψει αυτή τη ζήτηση.

Το μεγάλο ερώτημα που παραμένει είναι πόσο γρήγορα μπορούμε να κλιμακώσουμε αυτά τα συστήματα. Είναι άλλο πράγμα να αναπτύξεις δέκα ρομπότ σε μια εγκατάσταση και άλλο να διαχειριστείς δέκα χιλιάδες σε ένα παγκόσμιο δίκτυο. Μαθαίνουμε ακόμα πώς να συντηρούμε, να ενημερώνουμε και να ασφαλίζουμε αυτά τα μηχανήματα σε κλίμακα. Καθώς το hardware γίνεται πιο προσιτό και το λογισμικό πιο ικανό, η γραμμή μεταξύ χειροκίνητης και αυτοματοποιημένης εργασίας θα συνεχίσει να θολώνει. Τα ρομπότ είναι εδώ και είναι επιτέλους έτοιμα να πιάσουν δουλειά. Τα επόμενα χρόνια θα καθορίσουν πώς ζούμε και εργαζόμαστε μαζί τους.