fbpx Прескокни до главната содржина Opens in a new tab

Роботите учат без луѓе – а луѓето веќе ги обучуваат сопствените замени

Луѓе во Кина денес заработуваат така што стотици пати мијат садови и диплат облека за роботите да научат како се прави тоа. Во исто време, новите системи веќе ги учат машините во виртуелни светови - без човек да мора да им го покаже секое движење.

Во Кина денес паралелно се развиваат две навидум спротивни верзии на иднината. Во едната луѓе со часови мијат садови, диплат облека и преместуваат предмети за роботите да ги научат нивните движења. Во другата роботите веќе се обучуваат во виртуелни светови, со синтетички податоци, без човекот да мора илјадници пати да им покажува како се извршува секоја задача.

Разликата меѓу овие два модела изгледа техничка, но зад неа стои многу поголема промена. Вештачката интелигенција почнува да го напушта екранот и да добива тело, раце и способност да дејствува во физичкиот свет. А кога машината ќе научи не само да создава текст или слика, туку и да подигне чаша, да среди просторија или да се присособи на непозната средина, прашањето за автоматизацијата добива сосема поинаква тежина.

Луѓето што ги учат роботите како се живее во човечки простор

Во Кина се појави нов вид работа – „тренер на роботи“. Работници носат опрема за следење на движењата и повторуваат секојдневни активности како миење садови, бришење маси, отворање шишиња или диплење облека. Нивните движења се снимаат и се претвораат во податоци од кои роботските системи учат како да дејствуваат.

За оваа работа се плаќа приближно од 4.000 до 6.000 јуани месечно, односно околу 600 до 900 долари. Некои тренери повторуваат иста активност стотици пати дневно. Тоа што за човекот е банален потег – да земе чаша без да ја скрши, да ја препознае ориентацијата на парче облека или да ја избере вистинската сила при фаќање предмет – за роботот е сложен проблем составен од перцепција, просторна процена и прецизна моторика.

Тука се гледа и парадоксот на сегашната автоматизација. Луѓето добиваат ново работно место токму затоа што ги обучуваат машините кои еден ден би можеле да ја намалат потребата од таков човечки труд. Промената не доаѓа само преку исчезнување на професии, туку и преку создавање нови улоги што постојат затоа што машините сè уште зависат од човечко знаење, движење и процена.

Следниот чекор: роботот да учи без бескрајно човечко повторување

Токму ограничувањето на овој модел се обидува да го реши кинеската компанија DexForce од Шенжен. Наместо секое однесување да се собира исклучиво преку физички демонстрации, компанијата користи виртуелни средини и синтетички податоци во кои роботите можат многукратно да вежбаат задачи пред наученото да се пренесе на вистинската машина.

Прочитај и за ... >>  Од блокадите до гласачките кутии: студентската листа пред испитот на политичката одговорност

DexForce во последната инвестициска рунда обезбедила една милијарда јуани, околу 147 милиони долари, со проценета вредност на компанијата од повеќе од 10 милијарди јуани. Нејзините технологии се насочени кон намалување на зависноста од скапо и бавно собирање податоци преку директни човечки демонстрации.

Суштинската предност на виртуелната обука е во обемот. Во физичкиот свет секој обид троши време, простор, опрема и човечки труд. Во симулација можат да се создадат илјадници варијации на иста ситуација: предметот да биде поместен, осветлувањето да се промени, пречка да се појави на друго место или задачата да се извршува во поинаков простор.

Тоа сепак не значи дека проблемот е решен. Машината што совршено функционира во симулација може да се соочи со нешто сосема непредвидено во вистинска кујна, фабрика или улица. Преминот од виртуелното кон физичкото останува еден од најтешките проблеми во роботиката.

Домот е многу потежок од фабриката

Причината е едноставна: фабричката лента може да биде организирана според машината, додека домот е организиран според човекот. Чашите не се секогаш на исто место. Облеката има различна форма. Стол може да биде поместен, на подот може да има играчка, човек да помине пред роботот, а вратата да остане полуотворена.

Затоа домашниот робот е многу потежок инженерски проблем од индустрискиот. Не му е доволно да повторува едно прецизно движење. Треба да ја разбере околината, да препознае што се сменило и да избере ново дејство. Токму тука се гледа разликата меѓу робот што извршува однапред зададена операција и систем што навистина може да се приспособува на човечкиот простор.

Истата промена веќе стигнува и до креативните професии

Интересно е што истиот принцип се појавува и таму каде што нема физички роботи. Генеративната ВИ веќе го менува автомобилскиот дизајн, каде што дел од работата што порано бараше часови моделирање денес може да започне со едноставна рачна скица.

Прочитај и за ... >>  Кога алгоритмот влегува во ателјето, делото сè уште мора да го создаде човекот

Карл Нојхолд, одговорен за надворешниот дизајн во Škoda, зборува за тоа колку брзо ВИ може да претвори основна скица во детализирана визуелизација со материјали, светлина, рефлексии и околина. Производители како General Motors и Ford веќе применуваат различни системи со вештачка интелигенција во развојот и визуелизацијата на возила.

Тоа не значи дека автомобилскиот дизајнер исчезнува, исто како што роботот што учи да дипли облека утре нема автоматски да го замени човекот во секој дом. Промената најнапред се случува во структурата на работата. Помалку време се троши на повторливи чекори, а поголема вредност добиваат изборот, процената, идејата и способноста да се препознае кога машината произведува нешто технички убедливо, но суштински погрешно.

Вистинската пресвртница не е роботот, туку начинот на кој учи

До неодамна машините зависеа од строго програмирани инструкции. Потоа почнаа да учат од огромни количества човечки создадени податоци. Сега се отвора следната фаза – системите да создаваат сопствени средини за вежбање, да генерираат синтетички искуства и од нив да извлекуваат модели на однесување.

Токму тука може да се наоѓа поголемиот технолошки пресврт. Не во моментот кога робот ќе измие една чинија пред камера, туку кога ќе научи како да се снајде со илјада различни чинии, кујни и непредвидени ситуации без човек претходно да му го покаже секое движење.

Луѓето засега остануваат во центарот на тој процес – како инженери, тренери, дизајнери и коректори на машинските грешки. Прашањето за следните години е колку долго човекот ќе мора непосредно да ја учи машината и кога неговата улога ќе се премести од демонстрирање на задачата кон поставување правила, избор на цели и контрола на она што машината научила сама.

Извори

South China Morning Post – China robot trainers fold clothes, wash dishes
Reuters – DexForce trains humanoid robots using virtual data
AutoWeek – автомобилска индустрија и дизајн

За авторот: Јован Димитровски

Веб дизајнер со изразен талент и искуство во реализација на модерни и функционални веб решенија за македонски компании. Фокусиран е на креативни, технички прецизни проекти за онлајн претставување и е-продажба, усогласени со современите трендови.

За повеќе написи од авторот кликни тука.

Важна напомена: Сите права се задржани. Не е дозволено какво било преземање, копирање, објавување или преработка на делови или цели содржини од овој портал без претходно одобрение од авторот, редакцијата и/или издавачот. За секоја повреда на авторските и сродните права, Паноптикум го задржува правото да побара надомест и соодветна правна заштита.

Уредничка напомена: Во подготовката на содржината може да се користи дигитална/AI асистенција како помошна алатка за јазична, структурна, истражувачка или визуелна обработка. Финалниот текст е уреднички прегледан и објавен под одговорност на авторот и/или редакцијата. Главната илустрација на написот може да биде фотографија, авторска/архивска слика или AI-генерирана концептуална илустрација создадена за визуелна поддршка на текстот.
ДО СИТЕ НОВИ АКТУЕЛНОСТИ ВО „ШТО ИМА НОВО?“