Завдяки впровадженню інтелектуальної системи адаптації швидкості імітаційного навчання, відомої як SAIL, поява багатофункціональних роботів для виконання повсякденних справ, зокрема прибирання, може стати реальністю вже найближчим часом.
Щоб дізнатись останні новини, слідкуйте за нашим каналом Google News онлайн або через застосунок.
Науковці з Технологічного інституту Джорджії зробили вагомі кроки до того, щоб машини могли замінити людський ресурс не лише в екстремальних умовах на кшталт освоєння Місяця чи глибоководного видобутку копалин, і не тільки в інтенсивному серійному виробництві автомобілів.
Читайте також: AERONAUT – про все, що літає вище землі: авіація, БПЛА та дрони, ракети та космос
Йдеться про делікатні маніпуляції з дрібною моторикою та прихованою складністю, які раніше вважалися недосяжними для координації та спритності механізмів. До таких операцій належать упорядкування чашок, складання білизни, фасування продуктів чи розкладання фруктів по тарілках – тобто типи робіт, які традиційно виконує персонал у медичних закладах, центрах догляду за дітьми та людьми похилого віку, а також у ресторанному бізнесі. Для власників компаній, які прагнуть мінімізувати витрати на оплату праці задля збільшення прибутків, такі новини є обнадійливими. Проте особи, чиє життя та заробіток безпосередньо залежать від подібної діяльності, або ж мешканці міст, чия податкова база формується з доходів таких робітників, можуть сприймати перспективу заміни людей машинами під зовсім іншим кутом.
Варто детальніше розглянути суть цього технічного досягнення. У нещодавно опублікованій праці дослідники Надун Ранавака Араччіге, Чженьян Чен та їхні колеги описують спосіб вдосконалення роботів, що дозволяє їм здійснювати операції в побуті та торгівлі з людською точністю, проте на значно вищій швидкості. Співавтор проєкту Шрейяс Коусік зазначає, що головною метою групи є створення робота загального призначення, здатного відтворити будь-яку маніпуляцію, доступну людським рукам. Умовах поза межами лабораторії критичним фактором стає саме темп роботи, що й зумовило появу SAIL – системи на основі AI для швидкісної адаптації навчання через наслідування.
Об’єднуючи принципи робототехніки, механічної інженерії та машинного навчання, SAIL базується на алгоритмі, що підтримує плавність і безперервність траєкторій при прискоренні, використовує високоточне відстеження позиціонування, автоматично коригує швидкість залежно від складності завдання та планує дії з урахуванням затримок реального світу. Експериментальні дані свідчать, що у дванадцяти віртуальних та двох фізичних сценаріях маніпулятори з підтримкою SAIL працювали до чотирьох разів швидше в симуляціях та до 3,2 раза оперативніше в реальності порівняно зі звичайною демонстраційною швидкістю.
Хоча розробники і раніше оснащували роботів сенсорами та камерами для офлайн-навчання шляхом копіювання поведінки людини, ці методи мали суттєве обмеження – вони залежали від темпу, з яким людина показувала завдання. Це своєю чергою стримувало пропускну здатність та продуктивність, необхідні для повноцінної промислової автоматизації. SAIL успішно долає цей бар’єр. Раніше прискорення виконання людських завдань було складним для машин, оскільки навіть незначні зміни в оточенні чи фізичні нюанси роботи на високій швидкості призводили до помилок і пошкоджень майна. Коусік пояснює, що проблема полягала у прив’язці робота до тренувальних даних, через що будь-яке відхилення в середовищі викликало збій.
Наприклад, під час випробувань з витирання дошки маркерна основа на стійці починала вібрувати при занадто швидких рухах. Людина здатна миттєво підлаштуватися під такі коливання, тоді як роботи до цього часу не мали подібної гнучкості. Розуміння того, коли швидкість є перевагою, а коли – ризиком, є фундаментальним фактором. Колеги дослідника наголошують, що іноді сповільнення є найправильнішим рішенням. Мета полягає не просто в механічному прискоренні, а в наданні машинам інтелекту, щоб вони розуміли межу між продуктивністю та аварійністю. Для досягнення цього модулі SAIL координують прискорення, що виходить за межі початкових даних, забезпечуючи при цьому чіткість рухів, контроль затримки апаратного забезпечення та адаптивність швидкості. Поки що SAIL не є універсальним розв’язанням усіх проблем робототехніки, проте це вагомий поступ до повної інтеграції машин у людську активність.
Цей прогрес знову повертає нас до дискусії про масштабне скорочення робочих місць через автоматизацію. За прогнозами McKinsey Global Institute, до 2030 року внаслідок поширення роботів та штучного інтелекту у світі може зникнути від 400 до 800 млн вакансій. Експерти ресурсу Robozaps уточнюють, що це змусить приблизно 375 млн осіб, що становить близько 14% світової робочої сили, повністю змінити сферу діяльності. Лише у Сполучених Штатах Америки автоматизація може поглинути до 30% робочого часу вже до кінця поточного десятиліття.
Попри твердження деяких оптимістів, що роботи не становлять загрози і можуть стати фундаментом для запровадження загального базового доходу, інші аналітики вказують на надзвичайну складність реалізації такої утопії. Це також порушує питання про наміри тих, хто володіє ресурсами: чи дійсно вони прагнуть створення такого суспільства. Якщо ні, то постає питання, хто зможе згенерувати мільйони нових вакансій для запобігання глобальній економічній кризі. Економічний інститут політики зазначає, що ліквідація 100 позицій у роздрібній торгівлі тягне за собою втрату ще 122 робочих місць через падіння купівельної спроможності звільнених працівників. У виробничому секторі ситуація ще критичніша: зникнення сотні робочих місць опосередковано знищує ще 744 інші вакансії. Зрештою, для краху соціального ладу машинам не обов’язково виглядати як персонажі бойовиків – достатньо лише навчитися ефективно складати ваші рушники.
Читайте також:
- Кінець епохи «шкіри та кісток»: 9 сфер, де роботи стануть кращими за людей уже завтра
- Залізний легіон: Україна відправить на фронт 25 тисяч наземних роботів