Роботы наступают: Развитие технологий и будущее без работы - Мартин Форд

Наряду с многочисленными ретейлерами, которые пойдут по пути внедрения средств автоматизации в условиях традиционных магазинов, наверняка найдутся компании, которые вместо этого займутся полноценной модернизацией своих торговых точек, превращая их в своего рода огромные торговые автоматы. Такой магазин будет состоять из автоматизированного склада с примыкающим к нему торговым залом, в котором клиенты смогут ознакомиться с образцами продукции и сделать заказ. После получения заказа товары будут передаваться непосредственно покупателям или даже доставляться с помощью роботов к их машинам. Независимо от того, какой именно путь технологического развития изберет отрасль розничной торговли, трудно представить сценарий, при котором это движение не приведет к увеличению числа роботов и машин, а значит, и к существенному сокращению рабочих мест.

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.

Конец ознакомительного фрагмента.

Сноски

1

Даймонд Дж. Коллапс: Почему одни общества выживают, а другие умирают. – М.: АСТ, 2008.

2

Форд М. Технологии, которые изменят мир. – М.: Манн, Иванов и Фербер, 2014.