ربات ها اولین روز بعد از سال نوی 1921 روی صحنه رفتند. بیش از نیم قرن قبل از اینکه جهان برای اولین بار نگاهی اجمالی به درویدهای جورج لوکاس داشته باشد، ارتش کوچکی از انسان نماهای نقره ای به صحنه های اولین جمهوری چکسلواکی رفتند. آنها برای همه مقاصد انسان نما بودند: دو دست، دو پا، یک سر - کل شبانگ.

بازی کارل چاپک، RUR (Rossumovi Univerzální Roboti)، موفقیت آمیز بود. به ده ها زبان ترجمه شد و در سراسر اروپا و آمریکای شمالی پخش شد. با این حال، میراث ماندگار این اثر، معرفی کلمه «ربات» بود. معنای این اصطلاح در قرن اخیر کمی تکامل یافته است، زیرا روبات های چاپک بیشتر ارگانیک بودند تا ماشین.

با این حال، دهه‌ها داستان علمی تخیلی تضمین کرده است که تصویر عمومی روبات‌ها خیلی از منشأ خود دور نشده است. برای بسیاری، شکل انسان نما هنوز هم ایده آل ربات افلاطونی است - فقط این است که وضعیت فناوری به آن چشم انداز نمی رسد. در اوایل این هفته، انویدیا رژه ربات‌های خود را در کنفرانس توسعه‌دهندگان GTC برگزار کرد، زیرا جنسن هوانگ، مدیر عامل شرکت، تصاویری از یک دوجین انسان‌نما در کنارش قرار گرفت.

در حالی که مفهوم انسان نمای همه منظوره، در اصل، طولانی تر از کلمه "ربات" بوده است، تا همین اواخر، تحقق این مفهوم کاملاً غیرقابل درک به نظر می رسید. ما هنوز به آنجا نرسیده ایم، اما برای اولین بار، این مفهوم در افق ظاهر شد.

"انسان نمای همه منظوره" چیست؟

اعتبار تصویر: Nvidia

قبل از اینکه عمیق تر شویم، اجازه دهید دو تعریف کلیدی را از سر راه برداریم. وقتی در مورد "انسان نماهای همه منظوره" صحبت می کنیم، واقعیت این است که هر دو اصطلاح برای افراد مختلف معنای متفاوتی دارند. در مکالمات، اکثر مردم رویکرد عدالت پاتر «وقتی آن را می‌بینم می‌دانم» برای هر دو در مکالمه اتخاذ می‌کنند.

به خاطر این مقاله، من قصد دارم یک ربات همه منظوره را به عنوان رباتی تعریف کنم که می تواند به سرعت مهارت ها را پیدا کند و اساساً هر کاری را که یک انسان می تواند انجام دهد، انجام دهد. یکی از نکات مهم در اینجا این است که ربات های چند منظوره به طور ناگهانی یک شبه همه کاره نمی شوند.

از آنجایی که این یک فرآیند تدریجی است، دشوار است که دقیقاً بگوییم چه زمانی یک سیستم از آن آستانه عبور کرده است. این وسوسه وجود دارد که با این بیت اخیر کمی از یک سوراخ خرگوش فلسفی پایین بیایم، اما برای اینکه این مقاله در طول کتاب باقی بماند، ادامه می دهم و به اصطلاح دیگر می روم.

وقتی به سیستم رفلکس رباتیک به عنوان یک انسان نما اشاره کردم، مقداری فلک (تا حد زیادی خوش اخلاق) دریافت کردم. مردم به این واقعیت واضح اشاره کردند که ربات پا ندارد. اگر برای لحظه ای کنار بگذاریم که همه انسان ها پا ندارند، من سیستم را "انسان نما" یا به طور خاص تر "انسان نما چرخ دار" می نامم. به نظر من، آنقدر به شکل انسان شباهت دارد که متناسب با این صورت باشد.

مدتی پیش، یکی از افراد در Agility وقتی Digit را «احتمالاً یک انسان نما» نامیدم، این موضوع را مطرح کرد که نشان داد هیچ چیز قابل بحثی در مورد آن وجود ندارد. آنچه واضح است این است که ربات به اندازه برخی از رقبا تلاشی وفادار برای بازسازی شکل انسان نیست. با این حال، من اعتراف می کنم که ممکن است تا حدودی مغرض باشم که تکامل ربات را از پیش سازش Cassie، که بیشتر شبیه یک شترمرغ بی سر بود، ردیابی کرده ام (گوش دهید، همه ما دوره ای ناخوشایند را پشت سر گذاشتیم).

عنصر دیگری که من تمایل دارم به آن توجه کنم، میزان استفاده از شکل انسان مانند برای انجام وظایف انسانی است. این عنصر کاملا ضروری نیست، اما بخش مهمی از روحیه ربات های انسان نما است. از این گذشته، طرفداران فرم فاکتور به سرعت به این واقعیت اشاره خواهند کرد که ما دنیای خود را حول انسان ها ساخته ایم، پس منطقی است که ربات هایی شبیه انسان بسازیم تا در آن دنیا کار کنند.

سازگاری یکی دیگر از نکات کلیدی است که برای دفاع از استقرار انسان نماهای دوپا استفاده می شود. ربات‌ها ده‌ها سال است که مشاغل کارخانه‌ای دارند و اکثریت قریب به اتفاق آن‌ها تک منظوره هستند. یعنی ساخته شده اند تا یک کار واحد را خیلی وقت ها خیلی خوب انجام دهند. به همین دلیل است که اتوماسیون برای تولید بسیار مناسب بوده است - یکنواختی و تکرار زیادی وجود دارد، به خصوص در دنیای خطوط مونتاژ.

براونفیلد در مقابل گرینفیلد

اعتبار تصویر: برایان هیتر

اصطلاحات «گرین فیلد» و «فیلد قهوه ای» برای چندین دهه در رشته های مختلف رایج بوده است. اولی قدیمی‌تر از دو است و زمین‌های توسعه نیافته را توصیف می‌کند (به معنای واقعی کلمه، یک زمین سبز). Brownfield که برای تقابل با اصطلاح قبلی توسعه یافته است به توسعه در سایت های موجود اشاره دارد. در دنیای انبارها، تفاوت بین ساختن چیزی از ابتدا یا کار با چیزی است که از قبل وجود دارد.

هر دو مزایا و معایبی دارند. براون فیلدها عموماً زمان و مقرون به صرفه تر هستند، زیرا نیازی به شروع از صفر ندارند، در حالی که گرین فیلدها فرصتی برای ساخت یک سایت کاملاً مطابق با مشخصات دارند. با توجه به منابع بی نهایت، اکثر شرکت ها یک میدان سبز را انتخاب می کنند. عملکرد یک فضای ساخته شده را با سیستم های خودکار در ذهن تصور کنید. این یک رویا برای اکثر سازمان‌دهندگان است، پس وقتی زمان خودکارسازی فرا می‌رسد، اکثریت شرکت‌ها به دنبال راه‌حل‌های زمینه قهوه‌ای هستند – زمانی که برای اولین بار انگشتان پای خود را در آب‌های رباتیک فرو می‌برند، دو برابر می‌شوند.

از آنجایی که بیشتر انبارها به صورت قهوه ای هستند، جای تعجب نیست که بتوان همین موضوع را در مورد ربات های طراحی شده برای این فضاها نیز گفت. انسان نماها به خوبی در این دسته قرار می گیرند - در واقع، از برخی جهات، آنها در میان قهوه ای ترین راه حل های میدان قهوه ای هستند. این به نقطه قبلی در مورد ساخت ربات های انسان نما برای محیط آنها باز می گردد. شما می توانید با خیال راحت فرض کنید که اکثر کارخانه های برون فیلد با در نظر گرفتن کارگران انسانی طراحی شده اند. این اغلب با عناصری مانند پله ها همراه است که مانعی برای روبات های چرخ دار است. اینکه در نهایت چقدر این مانع بزرگ است به عوامل زیادی از جمله طرح و گردش کار بستگی دارد.

قدم های کودک

اعتبار تصویر: شکل

مرا یک پتوی خیس صدا کنید، اما من طرفدار بزرگی هستم که انتظارات واقع بینانه را تعیین کنم. من برای مدت طولانی این کار را انجام داده ام و از سهم خود در چرخه های تبلیغاتی جان سالم به در برده ام. آنها تا حدی می توانند مفید باشند، از نظر ایجاد علاقه سرمایه گذار و مشتری، اما بسیار آسان است که طعمه وعده های بیش از حد شوید. این شامل هر دو وعده های اعلام شده در مورد عملکرد آینده و ویدیوهای نمایشی می شود.

من در مورد دومی ماه گذشته در پستی با عنوان "چگونه یک نسخه نمایشی رباتیک را برای سرگرمی و سود جعل کنیم" نوشتم. راه های مختلفی برای انجام این کار وجود دارد، از جمله عملیات مخفی از راه دور و ویرایش خلاق. من زمزمه هایی را شنیده ام که برخی از شرکت ها بدون افشای اطلاعات، سرعت ویدیوها را افزایش می دهند. در واقع، این منشأ نام شرکت انسان‌نما 1X است - همه نسخه‌های نمایشی آن‌ها با سرعت 1X اجرا می‌شوند.

بیشتر افراد حاضر در این فضا موافق هستند که افشای اطلاعات در مورد چنین محصولاتی مهم است - حتی ضروری است، اما استانداردهای سختگیرانه ای وجود ندارد. اگر چنین ویدئوهایی در متقاعد کردن سرمایه‌گذاران به پایین آوردن مبالغ هنگفتی نقش داشته باشند، می‌توان استدلال کرد که وارد یک منطقه خاکستری قانونی شده‌اید. حداقل، آنها انتظارات غیرواقعی وحشیانه ای را در میان مردم ایجاد می کنند - به ویژه آنهایی که تمایل دارند سخنان مدیران حقیقت را به عنوان انجیل در نظر بگیرند.

این تنها می تواند به آسیب رساندن به کسانی که در حال انجام کار سخت در عین حال با بقیه ما هستند، کمک کند. به راحتی می توان دید که وقتی سیستم ها نمی توانند آن انتظارات را برآورده کنند، چگونه امید به سرعت کاهش می یابد.

جدول زمانی برای استقرار در دنیای واقعی شامل دو محدودیت اصلی است. اولی مکاترونیک است: یعنی آنچه که سخت افزار قادر به انجام آن است. دوم نرم افزار و هوش مصنوعی است. بدون وارد شدن به یک بحث فلسفی در مورد آنچه که در ربات ها به عنوان هوش عمومی مصنوعی (AGI) واجد شرایط می شود، مطمئناً می توانیم بگوییم که پیشرفت داشته است - و تدریجی خواهد بود.

همانطور که هوانگ هفته پیش در GTC اشاره کرد، "اگر ما مشخص کنیم که AGI چیزی بسیار خاص است، مجموعه ای از تست ها که در آن یک برنامه نرم افزاری می تواند بسیار خوب انجام دهد - یا شاید 8٪ بهتر از بسیاری از مردم - من معتقدم که در عرض 5 مورد به آن خواهیم رسید. سال ها." این در پایان خوش بینانه جدول زمانی است که من از اکثر متخصصان در این زمینه شنیده ام. محدوده پنج تا 10 سال معمول به نظر می رسد.

قبل از برخورد با هر چیزی شبیه به AGI، انسان نماها به عنوان سیستم های تک منظوره مانند همتایان سنتی تر خود شروع به کار خواهند کرد. خلبان‌ها برای اثبات این موضوع طراحی شده‌اند که این سیستم‌ها می‌توانند قبل از حرکت به کار بعدی، یک کار را در مقیاس به خوبی انجام دهند. بیشتر مردم به دنبال جابجایی چمدان‌ها برای پایین‌ترین میوه هستند. البته، Kiva/Locus AMR متوسط ​​شما می‌تواند در تمام طول روز وسایل حمل و نقل را جابه‌جا کند، اما این سیستم‌ها فاقد دستکاری‌کننده‌های موبایلی هستند که برای جابجایی محموله‌ها به داخل و خارج کردن آنها نیاز است. اینجاست که بازوهای ربات و افکتورهای پایانی وارد می شوند، خواه به چیزی که انسان به نظر می رسد متصل باشند یا نه.

رابرت سان، مهندس موسس Dexterity، هفته‌ی پیش در نمایشگاه Modex در آتلانتا با من صحبت کرد: انسان‌نماها می‌توانند مانعی هوشمندانه در مسیر چراغ‌های خاموش (کاملاً خودکار) انبارها و کارخانه‌ها ایجاد کنند. هنگامی که اتوماسیون کامل ایجاد شد، لزوماً به انعطاف پذیری یک انسان نما نیاز نخواهید داشت. اما آیا می توان به طور منطقی انتظار داشت که این سیستم ها به موقع به طور کامل عملیاتی شوند؟

سان گفت: "با انتقال تمام کارهای لجستیکی و انبارداری به کارهای رباتیکی، فکر کردم که انسان نماها می توانند نقطه گذار خوبی باشند." اکنون ما انسان را نداریم، پس انسان نما را آنجا قرار می دهیم. در نهایت، ما به این کارخانه خاموش کردن چراغ های خودکار نقل مکان خواهیم کرد. سپس مسئله بسیار دشوار بودن انسان نماها، قرار دادن آنها در دوره گذار را دشوار می کند.

منو ببر پیش خلبان

اعتبار تصویر: Apptronik/Mercedes

وضعیت فعلی رباتیک انسان نما را می توان در یک کلمه خلاصه کرد: خلبان. این یک نقطه عطف مهم است، اما لزوماً همه چیز را به ما نمی گوید. اعلامیه‌های آزمایشی به‌عنوان بیانیه‌های مطبوعاتی منتشر می‌شوند که مرحله اولیه یک مشارکت بالقوه را اعلام می‌کنند. هر دو طرف آنها را دوست دارند.

برای استارتاپ، آنها نشان دهنده علاقه واقعی و قابل اثبات هستند. برای شرکت بزرگ، آنها به سهامداران نشان می دهند که شرکت در حال تعامل با وضعیت هنر است. اما به ندرت ارقام واقعی ذکر می شود. این موارد معمولاً زمانی وارد تصویر می شوند که ما شروع به بحث در مورد سفارشات خرید می کنیم (و حتی پس از آن، اغلب نه).

در سال گذشته تعدادی از این موارد اعلام شده است. BMW با Figure کار می کند، در حالی که مرسدس Apptronik را استخدام کرده است. بار دیگر، چابکی با تکمیل آزمایش‌های خود با آمازون، در بقیه کارها شروع به کار کرده است - با این حال، ما هنوز منتظر خبر در مورد مرحله بعدی هستیم. این به ویژه گویای این است که - علیرغم وعده بلندمدت سیستم‌های همه منظوره، تقریباً همه افراد در این فضا با عملکردهای اولیه یکسانی شروع می‌کنند.

دو پا برای ایستادن

اعتبار تصویر: برایان هیتر

در این مرحله، واضح ترین مسیر برای AGI باید برای هر کسی که یک گوشی هوشمند دارد آشنا به نظر برسد. استقرار Spot Boston Dynamics یک مثال واقعی در دنیای واقعی از نحوه کار مدل فروشگاه App با روبات های صنعتی ارائه می دهد. در حالی که کارهای قانع‌کننده زیادی در دنیای یادگیری ربات‌ها در حال انجام است، ما از سیستم‌هایی که می‌توانند کارهای جدید را کشف کرده و اشتباهات را در مقیاس بزرگ تصحیح کنند، فاصله داریم. کاش سازندگان رباتیک می توانستند از توسعه دهندگان شخص ثالث به شیوه ای مشابه سازندگان تلفن استفاده کنند.

علاقه به این دسته در ماه‌های اخیر به‌طور قابل‌توجهی افزایش یافته است، اما شخصاً، از اواخر سال گذشته، سوزن در هیچ‌کدام از این دو جهت برای من حرکت نکرده است. ما چند دمو کاملاً قاتل را دیده‌ایم، و هوش مصنوعی مولد آینده امیدوارکننده‌ای را ارائه می‌کند. OpenAI مطمئناً شرط های خود را پوشش می دهد و ابتدا روی 1X و - اخیراً - در شکل سرمایه گذاری می کند.

بسیاری از افراد باهوش به فاکتور فرم ایمان دارند و بسیاری دیگر نیز در این مورد تردید دارند. با این حال، یک چیزی که من با اطمینان می گویم این است که چه کارخانه های آینده پر از ربات های انسان نما در مقیاسی معنادار باشند یا نه، همه این کارها یک چیزی است. حتی بدبین ترین متخصصان رباتیکی که من در این زمینه با آنها صحبت کرده ام به مدل ناسا اشاره کرده اند، جایی که مسابقه برای فرود آوردن انسان ها بر اساس خلق و خوی منجر به اختراع محصولاتی شد که ما تا به امروز روی زمین استفاده می کنیم.

ما شاهد پیشرفت‌های مستمر در یادگیری رباتیک، دستکاری موبایل و جابجایی (از جمله موارد دیگر) خواهیم بود که به هر طریقی بر نقش اتوماسیون در زندگی روزمره ما تأثیر خواهد گذاشت.

خبرکاو