AI रोबोट्स आता डेमोंस्ट्रेशन सोडून प्रत्यक्ष कामात का उतरत आहेत?

व्हायरल व्हिडिओच्या पलीकडे

गेल्या अनेक वर्षांपासून, रोबोटिक्सबद्दलची लोकांची धारणा ही ह्युमनॉइड मशीन्सनी मारलेल्या बॅकफ्लिप्स किंवा डान्सिंग व्हिडिओमुळे तयार झाली होती. हे क्लिप्स प्रभावी होते, पण ते औद्योगिक कामाच्या कठीण वास्तवाचे प्रतिबिंब नव्हते. एका नियंत्रित लॅबमध्ये, रोबोटला प्रत्येक वेळी यशस्वी होण्यासाठी प्रोग्राम केले जाऊ शकते. मात्र, गोदामाच्या किंवा कन्स्ट्रक्शन साइटच्या फ्लोरवर परिस्थिती अनिश्चित असते. आता अखेर या स्टेज डेमोंस्ट्रेशनकडून प्रत्यक्ष, उत्पादक कामाकडे वाटचाल सुरू झाली आहे. हे स्थित्यंतर धातू किंवा मोटर्समधील अचानक झालेल्या क्रांतीमुळे नाही, तर मशीन्स आपल्या सभोवतालच्या परिस्थितीवर प्रक्रिया कशी करतात, यातील मूलभूत बदलामुळे घडत आहे. आपण आता रिजिड प्रोग्रामिंगकडून शिकू शकणाऱ्या आणि जुळवून घेणाऱ्या सिस्टिम्सकडे वळत आहोत.

व्यवसाय आणि निरीक्षकांसाठी मुख्य मुद्दा हा आहे की रोबोटचे मूल्य आता केवळ त्याच्या शारीरिक चपळतेवर मोजले जात नाही. आता लक्ष त्या चपळतेला चालना देणाऱ्या बुद्धिमत्तेवर (intelligence) केंद्रित झाले आहे. कंपन्या आता अशा सिस्टिम्स शोधत आहेत ज्या मानवी हस्तक्षेपाशिवाय प्रत्यक्ष जगातील अनपेक्षित आव्हाने पेलू शकतील. या बदलामुळे पूर्वी खूप क्लिष्ट किंवा महाग वाटणारी कामे आता ऑटोमेशनद्वारे करणे शक्य झाले आहे. आपण जसे पुढे जात आहोत, तसे आता सोशल मीडिया एंगेजमेंटपेक्षा विश्वासार्हता आणि रिटर्न ऑन इन्व्हेस्टमेंट (ROI) वर अधिक भर दिला जात आहे. महागड्या खेळण्यांचा काळ संपत असून, स्वायत्त कामगारांचा (autonomous worker) काळ सुरू झाला आहे.

सॉफ्टवेअर आता हार्डवेअरच्या बरोबरीने

हे आता का घडत आहे हे समजून घेण्यासाठी आपल्याला सॉफ्टवेअर स्टॅककडे पाहावे लागेल. पूर्वी, जर तुम्हाला रोबोटकडून एखादा बॉक्स उचलायचा असेल, तर तुम्हाला त्या बॉक्सच्या अचूक स्थानासाठी विशिष्ट कोड लिहावा लागायचा. जर तो बॉक्स दोन इंच जरी हलला, तरी रोबोट अपयशी ठरायचा. आधुनिक सिस्टिम्स आता embodied AI चा वापर करतात. ही पद्धत मशीनला कॅमेरे आणि सेन्सर्सच्या मदतीने रिअल-टाइममध्ये आपल्या वातावरणाचे आकलन करण्यास मदत करते. फिक्स्ड स्क्रिप्टचे पालन करण्याऐवजी, रोबोट आता मूव्हमेंट ठरवण्यासाठी फाऊंडेशन मॉडेलचा वापर करतो. हे मोठ्या लँग्वेज मॉडेल्सप्रमाणेच आहे, पण ते शारीरिक हालचाल आणि अवकाशीय जागरूकतेसाठी (spatial awareness) वापरले जाते.

या सॉफ्टवेअर प्रगतीचा अर्थ असा की रोबोट आता अशा वस्तू हाताळू शकतात ज्या त्यांनी यापूर्वी कधीही पाहिल्या नव्हत्या. ते काचेची बाटली आणि प्लास्टिकची पिशवी यातील फरक ओळखून त्यानुसार पकड (grip) ॲडजस्ट करू शकतात. ही क्षमता अनेक दशकांपासून गहाळ होती. हार्डवेअर बऱ्याच काळापासून प्रगत होते. आपल्याकडे विसाव्या शतकाच्या उत्तरार्धापासूनच सक्षम रोबोटिक आर्म्स आणि मोबाईल बेस होते. मात्र, ती मशीन्स प्रभावीपणे आंधळी आणि विचारशून्य होती. त्यांना काम करण्यासाठी पूर्णपणे स्ट्रक्चर्ड वातावरणाची गरज होती. आता अत्याधुनिक आकलन आणि तर्कशक्तीची जोड देऊन, आपण त्या स्ट्रक्चरची गरज काढून टाकत आहोत. यामुळे रोबोट्स आता त्यांच्या पिंजऱ्यातून बाहेर पडून मानवांसोबत काम करू शकत आहेत.

याचा परिणाम म्हणजे ऑटोमेशनचे अधिक लवचिक स्वरूप. एकच रोबोट आता एका शिफ्टमध्ये अनेक कामे करण्यासाठी ट्रेन केला जाऊ शकतो. तो सकाळी ट्रक अनलोड करू शकतो आणि दुपारी डिलिव्हरीसाठी पॅकेजेस सॉर्ट करू शकतो. ही लवचिकता अशा छोट्या कंपन्यांसाठी फायदेशीर ठरते ज्यांना प्रत्येक टप्प्यासाठी स्वतंत्र मशीन घेणे परवडत नाही. सॉफ्टवेअर आता औद्योगिक क्षेत्रात एक मोठी समानता आणणारे साधन बनत आहे.

ऑटोमेशनचे आर्थिक इंजिन

रोबोटिक्ससाठीचा जागतिक कल केवळ कूल टेक्नॉलॉजीबद्दल नाही. हे मोठ्या आर्थिक बदलांना दिलेले उत्तर आहे. अनेक विकसित देशांमध्ये कामगारांची संख्या कमी होत आहे आणि लोकसंख्या वृद्ध होत आहे. लॉजिस्टिक, मॅन्युफॅक्चरिंग आणि शेतीमध्ये प्रत्येक भूमिका भरण्यासाठी पुरेसे लोक उपलब्ध नाहीत. इंटरनॅशनल फेडरेशन ऑफ रोबोटिक्स च्या डेटानुसार, कंपन्यांना विश्वासार्ह कामगार मिळत नसल्यामुळे औद्योगिक रोबोट्सची स्थापना विक्रमी पातळीवर पोहोचली आहे. हे विशेषतः पुनरावृत्ती होणाऱ्या, घाणेरड्या किंवा धोकादायक कामांसाठी खरे आहे.

आपण मॅन्युफॅक्चरिंग पुन्हा देशांतर्गत आणण्याचा (reshoring) ट्रेंडही पाहत आहोत. सरकारांना सप्लाय चेनमधील व्यत्यय टाळण्यासाठी उत्पादन पुन्हा आपल्या सीमांतर्गत आणायचे आहे. मात्र, अमेरिका आणि युरोपमधील मजुरीचा खर्च पारंपारिक मॅन्युफॅक्चरिंग हबच्या तुलनेत खूप जास्त आहे. ऑटोमेशन हाच देशांतर्गत उत्पादनाला किफायतशीर बनवण्याचा एकमेव मार्ग आहे. मूलभूत कामांसाठी रोबोट्सचा वापर करून, कंपन्या आपला नफा टिकवून ठेवू शकतात. स्वस्त मजुरीचा फायदा कमी होत असल्याने जागतिक व्यापाराचे वातावरण बदलत आहे.

• लॉजिस्टिक आणि ई-कॉमर्स फुलफिलमेंट सेंटर्स.
• ऑटोमोटिव्ह आणि हेवी मशिनरी असेंब्ली लाइन्स.
• अन्न प्रक्रिया आणि शेतीतील काढणी.
• इलेक्ट्रॉनिक घटक निर्मिती आणि चाचणी.
• मेडिकल लॅबोरेटरी ऑटोमेशन आणि फार्मास्युटिकल सॉर्टिंग.

याचा परिणाम लॉजिस्टिक क्षेत्रात सर्वाधिक जाणवत आहे. ऑनलाइन शॉपिंगच्या वाढीमुळे वेगाची मागणी वाढली आहे, जी पूर्ण करणे मानवी कामगारांना कठीण जात आहे. रोबोट्स रात्रीच्या वेळी ब्रेक न घेता काम करू शकतात, ज्यामुळे मध्यरात्री ऑर्डर केलेले पॅकेज पहाटेपर्यंत डिलिव्हरीसाठी तयार असते. हे २४ तासांचे चक्र जागतिक व्यापारासाठी नवीन मानक बनत आहे. हे ट्रेंड भविष्याला कसे आकार देत आहेत, याबद्दल अधिक माहितीसाठी तुम्ही आमच्या AI इनसाइट्स हबवर रोबोटिक्सचे लेटेस्ट ट्रेंड्स वाचू शकता.

दैनंदिन कामातील बदल

सारा नावाच्या गोदामाच्या मॅनेजरचा एक सामान्य दिवस विचारात घ्या. काही वर्षांपूर्वी, तिची सकाळ लोडिंग डॉकसाठी शिफ्ट भरण्याच्या धावपळीत सुरू व्हायची. जर दोन लोक आजारी पडले, तर संपूर्ण कामावर परिणाम व्हायचा. आज, सारा स्वायत्त मोबाईल रोबोट्सच्या ताफ्यावर देखरेख करते जे जड उचलण्याचे काम करतात. जेव्हा ट्रक येतो, तेव्हा ही मशीन्स कॉम्प्युटर व्हिजनचा वापर करून पॅलेट्स ओळखतात आणि योग्य ठिकाणी हलवतात. सारा आता वैयक्तिक कामांचे व्यवस्थापन करत नाही. ती एका सिस्टिमचे व्यवस्थापन करत आहे. तिची भूमिका मॅन्युअल देखरेखीवरून तांत्रिक समन्वयाकडे (technical coordination) बदलली आहे. ती आपला वेळ परफॉर्मन्स डेटाचे विश्लेषण करण्यात आणि रोबोट्स त्या दिवसाच्या इन्व्हेंटरीसाठी ऑप्टिमाइझ असल्याची खात्री करण्यात घालवते.

हे चित्र जगभरात सामान्य होत आहे. जर्मनीतील मॅन्युफॅक्चरिंग प्लांटमध्ये, एखादा रोबोट आठ तास सलग मानवी अचूकतेपेक्षा जास्त अचूकतेने वेल्डिंगचे काम करू शकतो. जपानमधील हॉस्पिटलमध्ये, रोबोट रुग्णांच्या खोल्यांमध्ये जेवण आणि कपडे पोहोचवू शकतो, ज्यामुळे नर्सना प्रत्यक्ष वैद्यकीय सेवेवर लक्ष केंद्रित करण्यास वेळ मिळतो. हे सायन्स फिक्शनमधील ह्युमनॉइड रोबोट्स नाहीत. ते अनेकदा चाकांवरचे बॉक्स किंवा जमिनीवर बसवलेले आर्म्स असतात. ते कंटाळवाणे आहेत आणि म्हणूनच ते यशस्वी आहेत. ते अशी कामे करतात जी लोकांना आता करायची नाहीत, आणि ते सातत्यपूर्ण अचूकतेने करतात.

मात्र, हे स्थित्यंतर नेहमीच सोपे नसते. या सिस्टिम्सना समाविष्ट करण्यासाठी मोठ्या गुंतवणुकीची आणि कंपनीच्या संस्कृतीत बदलाची गरज असते. कामगारांना भीती वाटते की त्यांची जागा घेतली जाईल, जरी रोबोट्स केवळ कामातील सर्वात कठीण भागच घेत असतील. यशस्वी कंपन्या त्या आहेत ज्या आपल्या कर्मचाऱ्यांना पुन्हा प्रशिक्षित (retraining) करण्यात गुंतवणूक करतात. कामगारांना कामावरून काढण्याऐवजी, ते त्यांना नवीन मशीन्सची देखभाल आणि प्रोग्रामिंग कसे करायचे हे शिकवतात. यामुळे अधिक कुशल कर्मचारी आणि अधिक लवचिक व्यवसाय तयार होतो. प्रत्यक्ष जगातील परिणाम म्हणजे मानवी घटकाचे अचानक विस्थापन होण्याऐवजी कामाच्या ठिकाणचा हळूहळू होणारा विकास आहे.

वास्तव हे आहे की रोबोट्सच्या शारीरिक क्षमता अजूनही मर्यादित आहेत. द्राक्षांचा घड किंवा वायरचा गुंता यांसारख्या मऊ किंवा अनियमित वस्तूंशी ते अजूनही संघर्ष करतात. त्यांच्याकडे मानवासारखी सामान्य बुद्धी (common sense) नाही. जर रोबोटला पाण्याचे डबके दिसले, तर त्याला कदाचित समजणार नाही की घसरू नये म्हणून ते टाळले पाहिजे. क्षमतेतील या लहान त्रुटींमुळेच मानव-रोबोट भागीदारी महत्त्वाची ठरते. आपण अशा मशीनपासून अजूनही काही वर्षे दूर आहोत जी प्रत्येक वातावरणात मानवी हात आणि मेंदूच्या अष्टपैलुत्वाशी खरोखर जुळू शकेल.

प्रगतीची न दिसणारी किंमत

जसजसे आपण या मशीन्सना आपल्या जीवनाचा भाग बनवत आहोत, तसतसे आपल्याला त्यांच्या लपलेल्या खर्चाबद्दल कठीण प्रश्न विचारले पाहिजेत. हे रोबोट्स जो डेटा गोळा करतात त्याचे काय होते? गोदामातून किंवा घरातून जाणारा रोबोट सतत आपल्या वातावरणाचे स्कॅनिंग करत असतो. तो जागेचा तपशीलवार नकाशा तयार करतो आणि आजूबाजूच्या प्रत्येकाच्या हालचालींची नोंद करतो. या डेटाचा मालक कोण आहे आणि त्याचा वापर कसा केला जात आहे? जर एखादी कंपनी आपल्या फॅक्टरीवर लक्ष ठेवण्यासाठी रोबोट्सचा ताफा वापरत असेल, तर ती नकळत आपल्या कर्मचाऱ्यांच्या खाजगी सवयींवरही लक्ष ठेवत आहे का? गोपनीयतेचे परिणाम खूप मोठे आहेत आणि ते अजूनही मोठ्या प्रमाणात अनियंत्रित आहेत.

ऊर्जा आणि टिकाऊपणाचाही प्रश्न आहे. या रोबोट्सना चालवणारे विशाल मॉडेल्स ट्रेन करण्यासाठी प्रचंड वीज लागते. हे कॅल्क्युलेशन करणाऱ्या डेटा सेंटर्सचा कार्बन फूटप्रिंट मोठा आहे. शिवाय, रोबोट्स स्वतः दुर्मिळ पदार्थांपासून बनलेले असतात जे खाणकाम करणे कठीण असते आणि रिसायकल करणे त्याहून कठीण असते. आपण एका पर्यावरणीय समस्येच्या बदल्यात दुसरी समस्या निर्माण करत आहोत का? आपल्याला या मशीन्सच्या संपूर्ण जीवनचक्राचा विचार करणे आवश्यक आहे, त्यांच्या बॅटरीमधील खनिजांपासून ते त्यांच्या प्रोसेसरद्वारे वापरल्या जाणाऱ्या ऊर्जेपर्यंत. जर एखादा रोबोट मजुरीच्या खर्चात दहा टक्के बचत करत असेल पण ऊर्जेचा वापर तीस टक्क्यांनी वाढवत असेल, तर ती खरोखर सुधारणा आहे का?

आपण अशा जगाच्या सामाजिक खर्चाचाही विचार केला पाहिजे जिथे मानवी संवाद कमी केला जातो. जर रोबोट्स आपली डिलिव्हरी हाताळत असतील, आपले अन्न शिजवत असतील आणि रस्ते साफ करत असतील, तर आपल्या समुदायांच्या सामाजिक रचनेवर त्याचा काय परिणाम होईल? सर्व्हिस इकॉनॉमीमधील अनौपचारिक संवाद नाहीसे झाल्यामुळे अलगीकरणाचा धोका वाढला आहे. आपल्याला हे ठरवावे लागेल की कोणती कामे मशीन्सवर सोडणे चांगले आहे आणि कोणत्या कामांना मानवी स्पर्शाची गरज आहे. कार्यक्षमता हे एक शक्तिशाली प्रेरणास्थान आहे, परंतु तंत्रज्ञानाच्या यशाचे मोजमाप करण्यासाठी ते एकमेव निकष नसावे. ऑटोमेशनचे फायदे केवळ मशीनच्या मालकांनाच नाही, तर सर्वांना मिळतील याची खात्री आपण कशी करू शकतो?

बाह्य आवरणाच्या खाली

पॉवर युजर्स आणि इंजिनिअर्ससाठी, खरी गोष्ट अंमलबजावणीच्या तपशीलात आहे. बहुतेक आधुनिक औद्योगिक रोबोट्स ROS 2 (Robot Operating System) सारख्या प्रमाणित सॉफ्टवेअर फ्रेमवर्ककडे वळत आहेत. यामुळे वेगवेगळ्या हार्डवेअरमध्ये उत्तम इंटरऑपरेबिलिटी मिळते. क्षेत्रातील सर्वात मोठ्या आव्हानांपैकी एक म्हणजे latency. जेव्हा रोबोट हाय-स्पीड काम करत असतो, तेव्हा प्रोसेसिंग लूपमधील काही मिलीसेकंदांचा विलंबही अपयशाला कारणीभूत ठरू शकतो. म्हणूनच आपण एज कॉम्प्युटिंगकडे वळताना पाहत आहोत. डेटा प्रोसेसिंगसाठी क्लाउडवर पाठवण्याऐवजी, जड कामे स्थानिक हार्डवेअरवर केली जातात, ज्यासाठी अनेकदा AI इन्फरन्ससाठी डिझाइन केलेल्या विशेष चिप्सचा वापर केला जातो.

स्थानिक स्टोरेज हा आणखी एक महत्त्वाचा घटक आहे. हाय-रिझोल्यूशन व्हिडिओ डेटा आणि सेन्सर लॉग्स जनरेट करणारा रोबोट एका शिफ्टमध्ये सहजपणे काही टेराबाइट्स डेटा तयार करू शकतो. स्थानिक नेटवर्कवर ताण न देता या डेटाचे व्यवस्थापन करणे हे एक मोठे आव्हान आहे. इंजिनिअर्सना ठरवावे लागते की कोणता डेटा ट्रेनिंगसाठी ठेवण्यासारखा आहे आणि कोणता काढून टाकता येईल. रोबोट्सना विद्यमान एंटरप्राइझ रिसोर्स प्लॅनिंग सिस्टिम्सशी जोडताना विचार करण्यासाठी कडक API मर्यादाही आहेत. वेअरहाऊस मॅनेजमेंट सिस्टिम कदाचित रोबोटिक फ्लीटद्वारे तयार होणाऱ्या प्रति सेकंद हजारो स्टेटस अपडेट्स हाताळण्यासाठी डिझाइन केलेली नसेल. यासाठी अशा मिडलवेअर लेयरची गरज असते जी डेटा मुख्य डेटाबेसपर्यंत पोहोचण्यापूर्वी एकत्रित आणि फिल्टर करू शकेल.

• रिअल-टाइम अडथळे टाळण्यासाठी इन्फरन्स स्पीड.
• २४ तास ऑपरेशनसाठी बॅटरी डेन्सिटी आणि थर्मल मॅनेजमेंट.
• LiDAR, डेप्थ कॅमेरे आणि IMUs एकत्रित करणारी सेन्सर फ्यूजन तंत्रे.
• स्थानिक Wi-Fi वर प्रसारित होणाऱ्या सर्व डेटासाठी एंड-टू-एंड एन्क्रिप्शन.
• फ्लोरवर जलद दुरुस्तीसाठी मॉड्युलर हार्डवेअर डिझाइन.

वर्कफ्लो इंटिग्रेशनमध्येच बहुतेक प्रकल्प अयशस्वी होतात. लॅबमध्ये रोबोट काम करणे एक गोष्ट आहे, पण त्याला जागतिक कॉर्पोरेशनद्वारे वापरल्या जाणाऱ्या विद्यमान सॉफ्टवेअरसोबत जुळवून घेणे दुसरी गोष्ट आहे. सुरक्षा ही देखील एक महत्त्वाची चिंता आहे. हॅक झालेला रोबोट केवळ डेटाचा धोका नाही, तर तो शारीरिक सुरक्षेचाही धोका आहे. या मशीन्सना हायजॅक करता येणार नाही याची खात्री करण्यासाठी सुरक्षित बूट प्रक्रिया आणि हार्डवेअर-लेव्हल एन्क्रिप्शनवर खोलवर लक्ष केंद्रित करणे आवश्यक आहे. आपण जसे पुढे जात आहोत, तसे डेव्हलपर्ससाठी या सिस्टिम्सना ते ज्या IT इन्फ्रास्ट्रक्चरमध्ये सामील होत आहेत, तितकेच मजबूत आणि सुरक्षित बनवण्यावर भर आहे.

संपादकाची नोंद: आम्ही ही साइट बहुभाषिक AI बातम्या आणि मार्गदर्शिका केंद्र म्हणून अशा लोकांसाठी तयार केली आहे जे संगणक तज्ञ नाहीत, परंतु तरीही कृत्रिम बुद्धिमत्ता समजून घेऊ इच्छितात, अधिक आत्मविश्वासाने तिचा वापर करू इच्छितात आणि आधीच येत असलेल्या भविष्याचा मागोवा घेऊ इच्छितात.

कामगारांचे पुढील दशक

डेमोंस्ट्रेशनकडून प्रत्यक्ष कामाकडे होणारी वाटचाल हे लक्षण आहे की तंत्रज्ञान आता मार्केटच्या तपासणीला सामोरे जाण्याइतपत प्रगत झाले आहे. आता चालणाऱ्या रोबोटमुळे आपण प्रभावित होत नाही, तर तो न थांबता दहा तास काम करू शकतो का, हे जाणून घ्यायचे आहे. गोदामांमधील आणि फॅक्टरीमधील शांत प्रगती कोणत्याही व्हायरल व्हिडिओपेक्षा कितीतरी पटीने महत्त्वाची आहे. या मशीन्स आता जागतिक औद्योगिक स्टॅकचा एक मानक भाग बनत आहेत. ते मजुरी आणि लॉजिस्टिकमधील वास्तविक समस्या सोडवत आहेत, जरी ते चित्रपटात दिसतात तितके आकर्षक नसले तरीही. ऑटोमेशनसाठीचा आर्थिक दबाव वाढतच जाणार आहे आणि सॉफ्टवेअर आता ही मागणी पूर्ण करण्यासाठी सज्ज झाले आहे.

मोठा प्रश्न असा आहे की आपण या सिस्टिम्सना किती वेगाने स्केल करू शकतो. एका सुविधेत दहा रोबोट तैनात करणे एक गोष्ट आहे, पण जागतिक नेटवर्कवर दहा हजार रोबोट्सचे व्यवस्थापन करणे दुसरी गोष्ट आहे. आपण अजूनही या मशीन्सची देखभाल, अपडेट आणि सुरक्षा मोठ्या प्रमाणावर कशी करायची हे शिकत आहोत. जसजसे हार्डवेअर स्वस्त आणि सॉफ्टवेअर अधिक सक्षम होत जाईल, तसतसे मॅन्युअल आणि ऑटोमेटेड कामातील रेषा धूसर होत जाईल. रोबोट्स आले आहेत आणि ते शेवटी कामावर जाण्यासाठी तयार आहेत. पुढील काही वर्षे आपण त्यांच्यासोबत कसे राहतो आणि काम करतो हे ठरवतील.