Власть роботов. Как подготовиться к неизбежному - Мартин Форд

Ознакомительный фрагмент

и избегать ошибок — это отчетливая граница между контролируемой средой по типу складской, где появится множество роботов уже в ближайшее время, и намного более хаотическим внешним миром, где такие технологии, как полный автопилот, столкнутся с очень серьезными препятствиями. Складской робот, предсказуемо справляющийся с половиной встречающихся ему предметов, может быть очень полезным. Беспилотник на дороге общего назначения, надежно справляющийся с 99 % возможных ситуаций, не просто бесполезен — он опасен, поскольку оставшийся 1 % практически гарантирует катастрофу.

Ценность частично функционального робота — исполнителя заказов дополнительно повышает то обстоятельство, что продажи Amazon характеризуются распределением с длинным хвостом: львиная доля заказов клиентов приходится на относительно небольшую часть продуктов, хранящихся на складе. Робот, способный надежно захватывать и обрабатывать существенный процент этих популярных товаров, обеспечил бы наибольший выигрыш в производительности. Конечно, никакой робот не будет полностью надежным, даже если доверять ему лишь заказы, которые он, предположительно, способен исполнить. Однако неудачи будут относительно редки, и легко представить ситуацию, когда один человек надзирает за работой сразу нескольких роботов-исполнителей, вмешиваясь лишь в случае возникновения проблемы. Итак, массовая автоматизация складов едва ли будет откладываться до момента, когда роботы станут такими же ловкими, как и люди. Более вероятно ее постепенное проникновение, поэтапная эволюция, в ходе которой каждая стадия процесса может потребовать существенной реорганизации потока операций на складе.

Что происходит за пределами Amazon и как создать эффективного робота

Инициативы Amazon в области робототехники привлекают огромное внимание вследствие размера и влияния компании, но ее конкуренты в области онлайновой торговли и всевозможные традиционные розничные сети идут примерно по тому же пути. Так, продовольственные магазины в Северной Америке и Европе энергично занимаются автоматизацией распределительных центров, чтобы повысить свою эффективность и застолбить место в сфере онлайновой торговли. Отчасти их подталкивает к этому подрывное изменение, происходящее с подачи Amazon на рынке торговли продуктами питания, — это неизбежность после покупки ею сети Whole Foods в июне 2017 года.

Один из лидеров в этой области — британская компания Ocado, имеющая собственную онлайновую службу доставки продуктов, а также поставляющая свою систему автоматизации складской деятельности сетям супермаркетов всего мира. В распределительном центре компании в Андовере больше тысячи роботов движутся по рельсам, образующим приподнятую над полом решетчатую структуру наподобие гигантской шахматной доски. В ячейках под рельсами можно разместить до 250 000 ящиков — каждый с определенной товарной позицией. Роботы перемещаются по рельсам, захватывают и втягивают ящики внутрь, а затем доставляют их на станции, где сотрудники достают нужные товары и комплектуют заказы клиентов. Роботы работают автономно, взаимодействуя друг с другом и избегая столкновений благодаря мобильной сети передачи данных и периодически возвращаясь на станции подзарядки аккумуляторов[48]. Имеются даже специализированные роботы-спасатели, которые приходят на помощь в случае сбоя в работе какого-то робота-перевозчика. Склад в Андовере может выполнять в неделю около 65 000 онлайновых заказов, составленных в совокупности из 3,5 млн товарных позиций[49].

Как и на складах Amazon, роботы занимаются быстрым перемещением грузов, тогда как главная задача людей в условиях подобной автоматизации — отбор и упаковка товаров, до сих пор требующие человеческой ловкости. Огромное разнообразие товарных позиций, характерное для типичного списка наименований, включающего все, от консервов до фасованных и свежих продуктов питания, — серьезная проблема для роботов. Как отмечает пишущий о технологиях журналист Джеймс Винсент, «ничто так не озадачивает робота, как сетка апельсинов». Сложность заключается в том, что «сетка может иметь неожиданную ориентацию, на ней нет очевидных мест для захвата, а если сжать ее слишком сильно, вместо апельсинов получится апельсиновый сок»[50]. Тем не менее Ocado уже экспериментирует с роботами, пытающимися преодолеть эти препятствия. Компания использует роботизированные манипуляторы с присосками для поднятия предметов с подходящей поверхностью, таких как консервные банки, а также мягкие обрезиненные манипуляторы, которые когда-нибудь смогут эффективно захватывать более хрупкие предметы.

Попытки создать по-настоящему ловкого робота стали центром внимания многих венчурных фирм Кремниевой долины. Появился ряд хорошо финансируемых стартапов с разными подходами к исследованиям и инновациям. Одним из самых заметных является компания Covariant, основанная в 2017 году, но вышедшая из тени только в начале 2020 года. Исследователи из Covariant убеждены, что «обучение с подкреплением», по сути методом проб и ошибок, — это самый эффективный путь к прогрессу. Компания заявила, что разрабатывает систему на основе мощной глубокой нейронной сети, которую называет универсальным ИИ для роботов. Предполагается, что такой ИИ сможет управлять всевозможными машинами, способными «видеть, мыслить и выполнять задачи, слишком сложные для традиционных программируемых роботов»[51]. Компания, основанная исследователями из Калифорнийского университета в Беркли и OpenAI, получила инвестиции и положительные отзывы от ряда светил в области глубокого обучения, включая лауреатов премии Тьюринга Джеффри Хинтона и Яна Лекуна, Джеффа Дина из Google и основательницу ImageNet Фей-Фей Ли[52]. В 2019 году Covariant обошла 19 компаний в состязании, организованном швейцарским производителем промышленных роботов АВВ, где представила единственную систему, способную распознавать разнообразные объекты и манипулировать ими без участия человека[53]. Covariant будет работать совместно с АВВ и другими ведущими компаниями над созданием интеллекта для промышленных роботов, который когда-нибудь достигнет человеческого уровня восприятия или даже превзойдет его.

Многие стартапы и университетские исследователи, занятые в этой области, считают, как и Covariant, что глубокие нейронные сети и обучение с подкреплением — лучший двигатель прогресса в создании более ловких роботов. Примечательным исключением является Vicarious, маленькая фирма — разработчик ИИ, расположенная в районе залива Сан-Франциско. Долгосрочная цель этой фирмы, основанной в 2010 году, за два года до состязания ImageNet 2012 года, благодаря которому глубокое обучение получило широкую известность, — интеллект человеческого уровня, или универсальный искусственный интеллект. Иными словами, Vicarious в определенном смысле конкурирует с более масштабными и намного лучше финансируемыми проектами DeepMind и OpenAI. Мы ближе познакомимся с путями, которые прокладывают эти две компании, и с погоней за ИИ человеческого уровня в целом в главе 5.

Одна из главных задач Vicarious — разработка приложений более гибких (или, как говорят исследователи ИИ, менее «хрупких»), чем типичные системы глубокого обучения. Подобная адаптивность — обязательное требование для любого робота, который должен взять на себя широкий круг задач, в настоящее время выполняемых людьми. Технический сооснователь Vicarious Дилип Джордж, возглавляющий в компании исследования в области ИИ, убежден, что создание роботов, способных распознавать окружающие предметы и обращаться с ними, — это принципиально важный этап на пути к универсальному интеллекту. В начале 2020 года компания сообщила, что разработка универсальных роботов для сферы логистики и производства станет ее главной бизнес-стратегией в краткосрочной перспективе.