Zdjęcia Aly Song / REUTERS
Wbrew strachy алармистов, roboty póki co nie bardzo niezależny: te głupie stworzenia potrzebują w człowieku więcej, niż się wydaje, ponieważ tylko człowiek może nauczyć się je prawidłowo wykonywać powierzone im funkcje
Według ukazała się we wrześniu 2018 roku raportu McKinsey, wdrożenie robotów przemysłowych w 1990 roku doprowadziły do wzrostu światowego PKB o 0,4% w skali roku; w tym samym raporcie potencjalne korzyści z wdrożenia inteligentnych maszyn” oceniane są jeszcze wyżej — do 1,2% wzrostu światowego PKB od wprowadzenia sztucznej inteligencji (AI) w horyzoncie do 2030 roku. Jednak dziś nawet Amazon wciąż używa do kompletacji i pakowania towarów osób: prosta na pierwszy rzut oka zadanie — przejąć przedmiot z parametrami, które programie niewiadomą, — wymaga “kreatywności”. Do tego robot musi nie tylko nauczyć się widzieć, czyli rozpoznawać obiekty, ale i zdobyć doświadczenie interakcji z nimi. Wirtualne środowiska — gry komputerowe-symulacje dla robotów — pozwalają znacznie przyspieszyć i obniżyć proces uczenia maszynowego i skrócić czas wprowadzania nowych modeli na rynek.
Kultura masowa przyzwyczaiła nas postrzegać roboty, jak ludzkie-podobne maszyny (androidy). To zaczęło się w 1921 roku, kiedy Karel Čapek przedstawił sztukę pod tytułem “R. U. R.” (“Uniwersalne Roboty rossuma”). Właśnie Чапеку jesteśmy zobowiązani przez słowo “robot”, który dzisiaj może oznaczać i obrabiarki ze sterowaniem programowym, i offline transport i drony i inteligentnego domu.
Ale jeszcze wcześniej ludzie zaczęli straszyć siebie opowieści o maszynach-mordercy, które łatwo mogą zabić człowieka lub przynajmniej odebrać możliwość zarabiania na chleb powszedni. Angielskie луддиты jeszcze w XIX wieku bezskutecznie próbowali oprzeć automatyzacji procesów produkcji. Nic nie wychodzi i u неолуддитов. Zakres aktywnie rozwija się tam, gdzie jest dużo “przenośnikowych” miejsc pracy, czyli w krajach azjatyckich. Według IFR World Robotics, w 2018 roku w Azji został dostarczony 69,1% robotów przemysłowych, do Europy — 17,2%, a w Stany Zjednoczone — 13,7%.
Wbrew powszechnemu pomieszania, roboty nie tylko zastępują ludzi, ale i tworzą dodatkowe miejsca pracy. Bez inżynierów-budowniczych, specjalistów dotycząca szkoleń i kontrolerów efektywna praca automatycznej linii montażowej nie jest możliwe. Analityk finansowy z singapurskiego DBS Bank Mitchell Chan w wywiadzie dla BitNewToday niedawno powiedział: “Oczywiście, ludzie okresowo tendencję do myślenia, że mogą stracić miejsca pracy. To prawda, ale zamiast każdej nieaktualne specjalności tworzony jest inna specjalność. To pytanie przeszacowania własnych umiejętności i ich stosowania zgodnie z nieuchronnej przemianie”.
Wartość robota zależy od tego, jak skomplikowane zadania może on wykonywać i w jakim stopniu jest niezależny od operatora. Na przemysł samochodowy stanowi 36% robotów sprzedanych w tym roku, na elektrotechnika i elektronika — to najszybciej rozwijający się segment rynku na dziś — 32%, a produkcja metali i obróbki — 10%. Pozostałe były przeznaczone dla przemysłu spożywczego, logistyki i innych branż. Ogółem roczna rynku robotów przemysłowych wynosi $15 mld.
Roboty, które grają w gry
Samochód, jak i człowieka, trzeba się uczyć. Wcześniej to robili poprzez programowania konkretnych działań, i to wystarczyło, aby “obrabiarkach ze sterowaniem programowym”. Dla autonomicznego taksówki, a nawet dla robota-pakowarki tego mało: zbyt duża różnorodność scenariuszy, nie da się zaprogramować wszystkie sytuacje drogowe i wszystkie możliwe położenia wszystkich możliwych produktów. Tak i łańcuchy produkcyjne stają się trudniejsze.
Nowoczesny sztuczna inteligencja, zdolny do samodzielnej nauki, znacznie zmienił podejścia do programowania robotów. Ustawienie “inteligentnego oprogramowania” przypomina raczej proces натаскивания uczniów na test: nauka odbywa się poprzez wielokrotne odtwarzanie typowych scenariuszy.
Słynny amerykański psycholog i psychiatra Eric Berne, autor książek “Ludzie, którzy grają w gry” oraz “Gry, w które grają ludzie”, pisał: “Rodzice uważają, że dziecko poniżej dojrzałości, kiedy on zachowuje się tak, jak mu każą, a nie tak, jak mu najbardziej chcę”. Nauczyciel oburzony na takie podejście, ale ten preparat jest w pełni zgodny z чаяниям każdego, kto zajmuje się uczeniem maszynowym”. Uczymy samochód do nauki, czyli pozyskiwać i analizować doświadczenie. Najlepiej to robić w trakcie gry, czyli “symulacji realnych działań”. Berno — psycholog, który bardzo dużo zrobił dla tego, aby pojęcie “gra” wyszło poza a) matematycznej (teorii gier) i b) do użytku domowego zrozumienia (forma działalności rekreacyjnej).
Jakość ludzkiego edukacji zależy nie tylko od osobowości nauczyciela, ale i od znajdujących się w jego posiadaniu podręczników; i “nauczyciele do maszyn” potrzebują specyficznych instrumentach. Specjaliści w dziedzinie uczenia maszynowego cierpią na brak wyznaczonych danych — tablicy informacji, który pozwala sztucznej inteligencji nauczyć się prawidłowo postrzegać i interpretować obiekty. Обучающемуся algorytmu trzeba “nakarmić” setki tysięcy, a czasem miliony wyznaczonych obiektów, aby nauczyć go rozwiązać naprawdę trudne zadanie.
Początkowo najważniejszym kierunkiem badań w dziedzinie robotyki było widzenie komputerowe (computer vision). Ta sekcja sztucznej inteligencji powinien dać robotom możliwość zobaczyć i zrozumieć, co widzą. To kierunek ważne i dla robotów przemysłowych, i dla bezzałogowych pojazdów, jak i dla domowych robotów asystentów, i dla branży zabezpieczeń (inteligentne systemy nadzoru na zewnątrz budynków, automatyczna kontrola obwodów, itp.), i, na przykład, do marketingu, aby AI mógł w czasie rzeczywistym przymocować zakup i analizować preferencje klientów w sklepie.
Nowy trend robotyki — szkolenia z posiłkami (reinforcement learning), gdy robot możliwość wyboru, jakie działania podjąć. Mechaniczna ręka może milion razy spróbować uchwycić obiekt, doskonaląc swoje umiejętności, i na milion po raz pierwszy u niej powstaje “pojęcie” o tym, jak to zrobić poprawnie. Ale z nauką w świecie fizycznym pojawia się poważny problem: deficyt czasu i specyficzne wymagania do poligonu. Nie możemy pozwolić беспилотному samochodu przejechać milion pieszych, aby metodą prób i błędów odkrył, że tego robić nie warto.
Dlatego roboty uczą się z wykorzystaniem syntetycznych danych, czyli na symulatorach, które najbardziej przypominają rzeczywistość. Tam bezzałogowe samochody uczą się jeździć po wirtualnych ulicach, gdzie można cisnąć ile chcesz pieszych, jak w grze komputerowej. Niech jeszcze потренируются w swoim wirtualnym świecie.
- Koszmar postępu: czy będą roboty-zabójcy zakazana