Роботы наступают - Мартин Форд

Облачная робототехника

Одной из главных движущих сил будущей революции в мире робототехники может оказаться «облачная робототехника». Этим термином обозначают ряд технологий для переноса большой доли вычислительных задач, обеспечивающих управление мобильными роботами, в мощные централизованные вычислительные узлы. Облачная робототехника стала возможна благодаря громадному скачку в скорости передачи данных; теперь есть возможность разгрузить собственные системы сложной робототехники, перенеся значительную часть вычислений в огромные центры обработки данных и одновременно с этим обеспечив роботам доступ к сетевым ресурсам. Таким образом появляется возможность создавать более дешевых роботов, так как теперь для работы им требуется меньше вычислительной мощности и памяти. Еще одно преимущество — возможность оперативного обновления ПО на нескольких машинах одновременно. Когда один робот пользуется централизованными вычислительными ресурсами для обучения и адаптации к среде, это вновь приобретенное знание может быть мгновенно передано другим машинам при их обращении к системе, что упрощает процесс масштабирования результатов машинного обучения при работе с большим количеством роботов. Например, компания Google, которая объявила о поддержке технологий облачной робототехники в 2011 г., предоставляет интерфейс, дающий роботам возможность воспользоваться всеми преимуществами сервисов Google для устройств под управлением операционной системы Android[8].

Наиболее заметное влияние облачная робототехника может оказать в областях, которые предполагают доступ к огромным базам данных, а также мощным вычислительным ресурсам, т. е. в таких, как распознавание зрительных образов. Взять, к примеру, техническую задачу колоссальной сложности — создание робота, который мог бы выполнять различные работы, связанные с ведением домашнего хозяйства. Чтобы прибраться в комнате, роботизированная домработница должна уметь распознавать практически бесконечное множество объектов и знать, что с ними делать. Каждый из объектов может не походить на эталонный, быть ориентирован в разных направлениях и даже представлять одно целое с другими объектами. Давайте сравним эти сложные задачи с работой, выполняемой роботом-грузчиком компании Industrial Perception, с которым мы познакомились в начале главы. Да, конечно, способность робота распознавать и брать отдельные коробки из беспорядочно наваленной кучи — впечатляющее достижение; но все-таки — это же просто коробки. Очевидно, что до способности распознавать практически любые объекты, независимо от их формы и сочетания, еще очень далеко.

Создание доступного по цене робота с комплексной системой восприятия и распознавания визуальных образов — задача не из легких. Впрочем, благодаря облачной робототехнике у нас хотя бы есть представление о том, в каком направлении следует двигаться для ее решения. В 2010 г. Google представила функцию Goggles для мобильных устройств с камерой. С того времени возможности данной технологии существенно расширились. С ее помощью вы можете сделать снимок объекта, такого, например, как историческое здание, книга, произведение искусства или товар в магазине, передать его системе для распознавания и получить дополнительную информацию о нем. Чтобы встроить функцию распознавания практически любых объектов в собственную систему управления отдельного робота, требуются колоссальные усилия и затраты. Но вот представить роботов, которые будут распознавать объекты вокруг себя, сравнивая их с огромными централизованными коллекциями изображений, подобными той, что используется системой Goggles, уже не так трудно. Находящаяся в облаке библиотека изображений может постоянно обновляться, а значит, каждый раз при обновлении библиотеки будет улучшаться и способность роботов распознавать зрительные образы.

Широкое применение облачных технологий в робототехнике, несомненно, будет способствовать дальнейшему прогрессу в этой области, но одновременно с этим оно создает серьезные причины для беспокойства, особенно в области безопасности. Даже если оставить в стороне настораживающее сходство со Skynet — контролирующей всех и вся системой искусственного интеллекта из фильмов «Терминатор» с Арнольдом Шварценеггером в главной роли, — возникает куда более утилитарная и актуальная проблема выявления и предотвращения попыток взлома и кибератак. Особую остроту она приобретет тогда, когда облачная робототехника станет частью нашей транспортной инфраструктуры. Например, если когда-нибудь мы придем к транспортировке продуктов питания и других жизненно важных товаров с помощью автоматизированных грузовиков и поездов, управляемых из единого диспетчерского центра, мы получим систему с крайне низким уровнем защиты. Уже сейчас встает проблема уязвимости промышленного оборудования и жизненно важных компонентов инфраструктуры, таких как электросети, для кибератак. О реальности угрозы свидетельствует пример компьютерного червя Stuxnet, созданного правительствами США и Израиля в 2010 г. для атаки на центрифуги, использующиеся в рамках иранской ядерной программы. Степень серьезности этих проблем возрастет многократно, как только важные компоненты инфраструктуры окажутся в зависимости от централизованных вычислительных ресурсов.

Роботы в сельском хозяйстве

Среди всех сфер занятости, образующих экономику США, в наибольшей степени развитие технологий сказалось на сельском хозяйстве, изменив его до неузнаваемости. Очевидно, что большинство нововведений относятся к области механики, и появились они задолго до современных информационных технологий. В конце XIX в. почти половина всего экономически активного населения США была занята на фермах. К 2000 г. этот показатель упал до 2 %. В настоящее время в развитых странах доля человеческого труда в производстве таких сельскохозяйственных культур, как пшеница, кукуруза и хлопок, т. е. тех, культивирование которых, включая сев, уход и сбор урожая, осуществляется с применением механических средств, настолько мала, что ею можно пренебречь. Многие виды работ, связанные с выращиванием скота и птицы, также механизированы. Например, на молочных фермах широко применяются роботизированные доильные системы, а убой и переработка кур осуществляются в автоматическом режиме, поэтому выращиваемые в США куры должны быть стандартного размера.

Практика применения ручного труда сохраняется лишь в некоторых областях сельского хозяйства, главным образом связанных со сбором ценных фруктов и овощей, нуждающихся в осторожном обращении, а также с культивированием декоративных растений и цветов. Как и в случае с другими относительно рутинными видами ручного труда, до настоящего время их спасала от механизации высокая степень зависимости от способности распознавать зрительные образы и ловкости. При сборе урожая фруктов и овощей высок риск повреждения плодов; к тому же зачастую при сборе необходимо учитывать цвет и мягкость. Для машины распознавание зрительных образов — серьезная проблема: освещенность может значительно меняться, ориентация плодов в пространстве может быть разной, кроме того, они могут быть частично или полностью скрыты листвой.

Те же самые инновации, которые раздвигают границы применения робототехники в промышленности и складском деле, наконец-то добрались и до многих видов деятельности, сохраняющихся по сей день в сельском хозяйстве. Теперь и им грозит автоматизация. Компания Vision Robotics из Сан-Диего в Калифорнии занимается разработкой похожей на осьминога установки по сбору урожая апельсинов. Робот будет использовать трехмерное машинное зрение для создания компьютерной модели целого апельсинового дерева, запоминая расположение каждого фрукта. Затем эта информация будет передаваться восьми роботизированным рукам установки, которые быстро соберут все апельсины{36}. Стартап Harvest Automation из окрестностей Бостона с самого начала сосредоточился на создании роботов для автоматизации работ в питомниках и теплицах. По оценке компании, доля ручного труда в затратах на выращивание декоративных растений составляет свыше 30 %. По расчетам, роботы смогут выполнять до 40 % работ, которые сейчас выполняются вручную в США и Европе{37}. Ее экспериментальные модели уже занимаются подрезкой виноградных лоз во Франции, используя технологию машинного зрения в сочетании со специальными алгоритмами для определения нуждающихся в обрезке веток{38}. В Японии разработали установку, которая умеет собирать спелые плоды клубники: обладая способностью распознавать даже незначительные оттенки цвета, она собирает урожай со скоростью одна ягода каждые восемь секунд, работая без перерывов и выполняя большую часть работы в ночное время{39}.