Исследователи из Технологического института Джорджии (Georgia Tech) совершили значительный прорыв в области робототехники, приблизив момент, когда роботы смогут выполнять сложные задачи, традиционно требующие тонкой моторики и координации человека. Речь идёт не о промышленных или опасных работах, таких как добыча полезных ископаемых или сборка автомобилей, а о деликатных операциях, характерных для сферы услуг.
К таким задачам относятся укладка стаканов, складывание белья, упаковка продуктов или раскладывание фруктов по тарелкам – то есть действия, ежедневно выполняемые сотрудниками больниц, домов престарелых, детских учреждений и ресторанов. Потенциальное внедрение таких роботов может быть по-разному воспринято: владельцы бизнеса видят в этом путь к снижению издержек и увеличению прибыли, в то время как работники и экономисты высказывают опасения по поводу возможной потери рабочих мест и связанных с этим социальных последствий.
Инновация в обучении роботов: система SAIL
В недавно представленном докладе исследователи Технологического института Джорджии — Надун Ранавака Араччиге, Чженян Чен и их коллеги — подробно описали, как им удалось улучшить возможности роботов для выполнения бытовых и торговых задач. Роботы демонстрируют такую же точность, но значительно превосходят человека по скорости.
По словам Шреяса Коусика, соавтора исследования, целью команды было создание «робота общего назначения, способного выполнять любые задачи, на которые способны человеческие руки». Для успешного применения таких технологий вне лабораторных условий критически важна скорость. Именно поэтому учёные разработали инновационную систему SAIL (Speed Adaptation of Imitation Learning) — адаптивное обучение путём имитации на базе искусственного интеллекта.
Система SAIL объединяет принципы робототехники, машиностроения и машинного обучения. Она включает алгоритм, обеспечивающий плавность и стабильность движений на высокой скорости, высокоточную отслеживание движений, саморегулирующуюся скорость в зависимости от сложности задачи и планирование действий с учётом задержек в реальных условиях. В ходе экспериментов, включавших 12 имитированных и две реальные задачи, два различных типа роботизированных манипуляторов, оснащённых SAIL, работали до четырёх раз быстрее в симуляции и до 3,2 раза быстрее в реальных условиях по сравнению с демонстрационной скоростью.
Преодоление барьеров скорости
Ранее разработанные роботы, использующие камеры и датчики для выполнения задач человеческого масштаба с помощью офлайн-имитационного обучения (IL) и клонирования поведения, имели существенное ограничение: их скорость не могла превышать скорость человеческой демонстрации задачи. Это, в свою очередь, ограничивало пропускную способность, или количество обработанной информации в единицу времени, что является ключевым требованием для промышленной автоматизации. Система SAIL успешно преодолевает этот барьер.
Выполнение задач быстрее человека всегда представляло сложность для роботов, поскольку даже незначительные изменения в окружающей среде или в физических возможностях робота на высокой скорости могли приводить к ошибкам и повреждениям. Как объясняет Коусик, «проблема в том, что робот ограничен данными, на которых он был обучен, и любые изменения в окружающей среде могут привести к его сбою».
Например, одной из экспериментальных задач для системы SAIL было стирание доски. Доска на подставке может колебаться, если её протирать слишком быстро, но человек автоматически адаптируется к такому изменению. До сих пор роботы не умели самостоятельно корректировать свои движения в подобных ситуациях.
«Критически важно понимать, когда скорость полезна, а когда вредит. Иногда замедление — правильное решение», — отмечает Коусик. Соавтор Джоффи добавляет: «Цель состоит не просто в том, чтобы сделать роботов быстрее, а в том, чтобы сделать их достаточно умными, чтобы понимать, когда скорость помогает, а когда может привести к ошибкам».
Для достижения этой цели модули SAIL координируют ускорение, выходящее за рамки тренировочных данных, обеспечивая плавное, быстрое и точное движение и отслеживание. Система также корректирует скорость по мере необходимости и планирует задачи с учётом задержек оборудования. Хотя SAIL пока не является универсальным решением для полного замещения и ускорения человеческой деятельности, это значительный шаг к этой цели.
Социальные и экономические последствия
Развитие подобных технологий вновь поднимает вопрос о влиянии робототехники и автоматизации на рынок труда. По оценкам Института глобальных исследований McKinsey, к 2030 году роботы, искусственный интеллект и другие формы автоматизации могут привести к сокращению от 400 до 800 миллионов рабочих мест по всему миру. Это означает, что до 375 миллионов работников (примерно 14% от всей мировой рабочей силы) будут вынуждены полностью сменить профессию.
В одних только Соединённых Штатах, по данным McKinsey, до 30% от общего количества отработанных часов могут быть автоматизированы к 2030 году, что составляет почти треть всех рабочих процессов в стране.
Некоторые эксперты утверждают, что роботы не представляют угрозы для занятости и при правильном использовании могут стать шагом к всеобщему базовому доходу. Однако другие аналитики подчёркивают сложность реализации такой «техно-утопии». Если же заинтересованные стороны не стремятся к созданию мира с достаточным количеством новых рабочих мест, возникает вопрос о том, как предотвратить глобальную экономическую депрессию, когда миллионы людей окажутся без работы.
Институт экономической политики отмечает, что когда компании сокращают 100 рабочих мест в розничной торговле, это косвенно приводит к потере ещё 122 рабочих мест, поскольку уволенные сотрудники покупают меньше товаров и услуг. В производственном секторе ситуация ещё более серьезна: сокращение 100 рабочих мест на предприятиях может привести к потере до 744 дополнительных мест в смежных отраслях. В конечном итоге, роботам не обязательно выглядеть как Терминатор или действовать агрессивно, чтобы кардинально изменить цивилизацию; им может быть достаточно лишь научиться складывать полотенца, чтобы запустить цепь глубоких экономических преобразований.