Po spletu se širijo posnetki večinoma azijskih delavcev, ki opravljajo ročna dela, ob tem pa imajo na glavi nenavadne naprave za snemanje. Čeprav bi morda pričakovali, da gre za novo obliko invazivnega nadzora vodstva nad produktivnostjo kadrov, gre v resnici za nekaj še hujšega. Delavce med delom namreč snemajo, da bi na podlagi posnetkov njihovega ročnega dela lahko učili robote, opremljene z umetno inteligenco. Zamisel je, da bi ti roboti v prihodnje lahko nadomestili človeške delavce tudi pri zapletenih ročnih opravilih, pri katerih se roboti doslej niso izkazali.
Učenje robotov s posnemanjem se morda komu zdi samoumevno, a se za to preprosto idejo skriva ena pomembnejših sprememb v razvoju avtomatizacije – prehod od togih, vnaprej programiranih sistemov k strojem, ki se učijo iz podatkov.
Konec dobe strogega programiranja
Dolga desetletja je namreč veljalo, da je robot dober toliko, kolikor natančno ga znajo inženirji programirati. Vsaka naloga je zahtevala podrobna navodila: kako prijeti predmet, pod kakšnim kotom ga obrniti in koliko sile uporabiti. Tak pristop je bil izjemno zamuden, tudi zaradi načrtovanja celotnega proizvodnega procesa. Ko pa je bil robot enkrat sprogramiran, je bil sistem zelo učinkovit, vsaj v okoljih, kjer se razmere ne spreminjajo – denimo v avtomobilski industriji. Tam roboti še danes delujejo skoraj brezhibno, saj je vse, od položaja delov do gibanja trakov, natančno določeno.
Težave pa so se pojavile takoj, ko je robot zapustil takšno nadzorovano okolje. Že majhna sprememba, na primer nekoliko drugačna postavitev predmetov, zvit kos blaga ali slabša osvetlitev, je lahko robotu povzročila hude težave. Klasični roboti preprosto niso bili narejeni za svet, ki je neurejen, spremenljiv in poln nepredvidljivih situacij.
Prav tu vstopa nov pristop. Namesto da bi programirali vsak korak posebej, roboti danes vse pogosteje opazujejo demonstracije človeškega dela. To pogosto niso zgolj navadni videoposnetki, temveč so lahko tudi kombinacija slike in dodatnih podatkov, ki zajemajo gibanje, položaj in včasih celo sile, s katerimi človek manipulira s predmeti. Na tej osnovi sistemi izluščijo vzorce in se naučijo, kako nalogo izvesti sami.
Nekateri sistemi potrebujejo velike količine podatkov, drugi pa lahko ob pomoči že naučenih modelov usvojijo nalogo iz presenetljivo malo primerov. Skupna značilnost vseh je, da robot ne sledi več vnaprej določenemu scenariju, temveč razvije model, ki mu omogoča določeno stopnjo prilagodljivosti.
Trije stebri sodobne robotike
Da je tak pristop sploh postal mogoč, so morali sovpasti trije ključni dejavniki. Prvi je tehnološki napredek strojne opreme. Današnji roboti imajo bistveno boljše kamere, tipala in računsko moč kot njihovi predhodniki. Še pomembnejši mejnik je razvoj umetne inteligence, zlasti nevronskih mrež, ki znajo iz velikih količin podatkov prepoznati kompleksne vzorce. Tretji dejavnik pa je dostopnost podatkov, ki jih zdaj zbirajo tudi na uvodoma opisane načine.
Na koncu pa je vse odvisno od povezovanja tega, kar robot vidi, in tega, kar naredi. Ko opazuje človeka pri delu, postopoma gradi matematični model, ki povezuje vizualne informacije z ustreznimi gibi. Rezultat je lahko delovanje, ki daje vtis določene »intuitivnosti«, čeprav gre v ozadju za zapletene izračune.
Tak razvoj širi tudi meje avtomatizacije. Naloge, ki so bile še pred kratkim preveč nepredvidljive za robote – denimo delo v skladiščih ali logistiki, šivanje in pospravljanje posode – postajajo vse bolj dosegljive. Posledično se odpirajo tudi vedno nova vprašanja o prihodnosti fizičnega dela, saj obstajajo realne ambicije, da bi roboti postopoma prevzemali vse več nalog, ki so bile doslej rezervirane za ljudi. Po zadnji industrijski revoluciji je še držalo, da so stroji nadomestili ljudi, a jim ponudili nova delovna mesta serviserjev in programerjev. Zdaj pa na obzorju dejansko vidimo obrise sveta, v katerem bodo robote lahko servisirali in morda celo programirali drugi roboti.
Kljub temu (vsaj za zdaj) ostajajo pomembne omejitve. Ena največjih je prenos znanja iz demonstracij v resnični svet. Posnetek ali zajeti podatki lahko pokažejo, kako je naloga videti, ne zajamejo pa vseh fizikalnih lastnosti okolja. Razlike v osvetlitvi, obnašanju materialov, natančnosti tipal in druge omejitve lahko povzročijo, da robot v praksi deluje slabše kot v kontroliranih razmerah.
Poleg tega roboti še vedno nimajo splošnega razumevanja sveta. Ljudje lahko improviziramo, ko se stvari močneje zapletejo, medtem ko roboti pogosto odpovejo že v situacijah, ki jih med učenjem niso srečali. Kaj vse so si sposobni v teh okoliščinah izmisliti veliki jezikovni modeli, vidimo iz dneva v dan. Prav zato popolna zamenjava človeškega dela ostaja še nekoliko oddaljena, četudi se meja zmogljivosti hitro premika.
Etična dilema: plenjenje ročnih spretnosti
Uporaba demonstracij človeškega dela kljub temu pomeni pomemben korak v razvoju robotike. Že samo dejstvo, da je nekdo pripravljen investirati v opremo za zajem podatkov v tovarnah, kaže, da si od tega obetajo korist, ki skoraj zagotovo ni zgolj akademske narave. Skrbi pa tudi dilema žaganja lastne veje.
Morda bi pričakovali, da gre pri snemanju ročnih del v Aziji za kršitve pravic delavcev, ki nimajo pravice, da bi zaščitili svoje talente oziroma ročne spretnosti pred kopiranjem in posnemanjem. V resnici pa tudi številni azijski zasebni rokodelci in obrtniki v zameno za plačilo sami nadenejo pametne telefone in se snemajo med delom.