.png)
Roboti koji bez posebnog programiranja mogu obavljati raznovrsne fizičke poslove san su svakog poslodavca. Roboti se ne umaraju, ne spavaju, ne uzimaju pauze za obroke, rade danju i noću, ne mogu biti loše volje i sigurno neće zahtijevati bolje uvjete rada.
Jedan od “svetih gralova” moderne robotike razvoj je robota koji mogu brzo i samostalno naučiti obavljati jednostavne fizičke poslove, uz godišnji trošak manji od plaće radnika na minimalcu. Rad na serijskoj vrpci, čišćenje, spremanje, pomoć starijima i osobama s invaliditetom - velik je raspon poslova koji su ljudima dosadni, repetitivni i vrlo jednostavni, no koji su do sada robotima predstavljali velik problem.
Googleova matična tvrtka Alphabet u svojoj podružnici X radi na razvoju potencijalnih tehnologija budućnosti - ideja koje zahtijevaju mnogo ulaganja i truda, no nema garancija da će se pokazati uspješnim.
Unutar X-a, projektni tim Hansa Petera Brondmoa već nekoliko godina razvija projekt “Everyday Robot” (robot za svaki dan), čiji je konačni cilj razviti robote koji bi s lakoćom mogli obavljati sve jednostavne i repetitivne zadaće koje danas mogu raditi samo ljudi. Prije nešto više od tjedan dana, Brondmo i Alphabet X podijelili su najnovije informacije o svojem projektu, koje predstavljaju fascinantan uvid u to koliko je tehnologija napredovala, ali i koliko još posla preostaje.
Što je Google postigao?
Podružnica X razvila je seriju jednorukih robota s hvataljkom, iskoristila iste senzore koji se koriste u Googleovim samovozećim automobilima kako bi bili svjesni svojeg okruženja i počela ih učiti - razvrstavanju otpada.
Roboti svaki dan dobiju pladnjeve s raznovrsnim smećem, koje potom moraju razvrstati u pladnjeve za reciklažu, za otpad i za kompostiranje. Nakon mjeseci učenja i vježbe, roboti su sada u stanju razvrstavati smeće uz samo 5 posto pogrešaka, a ljudski članovi tima Everyday Robot griješe u čak 20 posto slučajeva.
Zar je tako teško razvrstavati smeće?
Ako je suditi po statistikama ljudskog tima, to je znatno teže nego što se doima na prvi pogled, no sam proces razvrstavanja predstavlja brojne, donedavno nepremostive izazove za robote.
Prvi je problem vizualno prepoznavanje. Ljudi počinju trenirati svoj vizualni korteks u mozgu odmah nakon rođenja. Kada ga posve razvijemo, područje kojim se koristimo za vizualno prepoznavanje zauzima gotovo trećinu kore velikog mozga. Nama se čini da se radi o trivijalnoj zadaći, samo zato što smo ju razvili instinktivno, no količina mozga koju odvajamo za nju trebala bi nam dati do znanja koliko je informacijski složena.
Da bi mogli razvrstavati smeće, roboti moraju biti u stanju prepoznati predmete koji se nalaze ispred njih i ispravno ih smjestiti u odgovarajuću kategoriju.
Robot za svaki dan koji razvija Googleova matična tvrtka Alphabet u svojoj podružnici X
Predmeti o kojima se radi nisu idealne reprezentacije, nego stvarno smeće, prljavo, oštećeno, zgužvano i svaki je komad drugačiji, što je poseban izazov. No, čak i kad se taj problem riješi, preostaje problem hvatanja.
Nije li jednostavno hvatati predmete?
Kad su nam prva asocijacija brojni industrijski roboti koje već desetljećima gledamo kako sastavljaju automobile ili finu elektroniku, nije nam jasno u čemu je problem - pa roboti bez problema hvataju predmete i njima barataju već godinama.
No, ti roboti imaju svaki pokret programiran unaprijed, do najsitnijeg detalja. Neki ljudski programer, u suradnji s inženjerima, osmislio je svaku kretnju tih robota kako bi trošila što manje vremena, kako ne bi oštetila predmet koji hvata i kako bi izvela jednu industrisku zadaću.
Univerzalni robot ne bi imao nikakvog smisla ako bi mu trebalo doslovno nacrtati svaki korak njegova zadatka - cilj je da može naučiti sam procijeniti kakav hvat treba i smije koristiti za koje predmete.
Baš kao i kod prepoznavanja, radi se o raznovrsnim predmetima - zgnječenim konzervama, kartonskim kutijama, plastičnim žlicama i vrećicama, staklenim bocama, ostatcima hrane... Za svaki od tih predmeta robot mora procijeniti gdje se nalazi centar mase, gdje ga se može uhvatiti i kojom silom kako ne bi ispadao i kako se ne bi napravio još veći nered trganjem predmeta.
Kako su roboti naučili svoj posao?
Tim iz Alphabet X-a koristio se nizom tehnika strojnog učenja. Virtualni roboti sortiraju virtualno smeće u virtualnom uredu, uz pomoć simulatora u računalnom oblaku. Nakon što cijelu noć provedu učeći u virtualnoj stvarnosti, danu imaju priliku isprobati naučeno u stvarnosti.
Pritom ih ljudi nadgledaju i pomažu im u poboljšavanju sposobnosti razvrstavanja. Trening iz stvarnog svijeta potom se ponovno ubacuje u virtualni svijet, gdje roboti mogu razmjenjivati naučene vještine i učinkovito učiti kao kolektiv. Robot koji je najbolje naučio može naučiti sve ostale.
Stručnjaci koji rade na projektu time su dokazali učinkovitost takve metode učenja, koja će se u budućnosti moći koristiti i za razne druge robotske zadaće.
Koji je sljedeći korak?
Brondmo se nada da će tim moći iskoristiti sve vještine koje su roboti naučili i primijeniti ih na neku drugu zadaću, bez potrebe da se dizajniraju novi roboti ili novi programi za njihovo upravljanje. I sam priznaje da to možda neće biti moguće, no vjeruje da vrijedi pokušati.
Ideja cijelog projekta je razviti metode strojnog učenja koji će omogućiti robotima da uz minimum dodatnog treninga i prilagodbe mogu preuzeti nove zadatke. Uz učenje u stvarnosti, ali i u virtualnom svijetu, te uz razmjenu vještina među robotima, takav se cilj doima realno moguć.
Budući roboti tako bi mogli obavljati brojne kućanske poslove i zadaće, pomagati slabije pokretnim osobama, dodavati im predmete kako koji zatraže, pomoći s ustajanjem, zvati liječnike po potrebi i mnoge druge.
U industrijskom okruženju, roboti s boljom artikulacijom hvataljki i boljom mobilnošću mogli bi preuzimati niz zadaća koje su relativno jednostavne, no dosad ih je bilo preskupo automatizirati.
Jedan bi robot, primjerice, mogao provesti dan montirajući suvenire na prsten za ključeve, potom sljedeći dan pakirati te privjeske u ambalažu za maloprodaju, a sljedeći dan pakirati stotine privjesaka s ambalažom u kutije za dostavu na prodajna mjesta.
Za malu ili srednju tvrtku koja proizvodi raznolik asortiman proizvoda u malim količinama uglavnom se ne isplati automatizirati proizvodnju jer bi svaki proizvod zahtijevao različito prilagođene strojeve. Zapošljavaju se studenti i sezonski radnici, no jedan bi robot mogao odraditi sve te zadaće znatno pouzdanije i jeftinije, a tvrtka bi ga sigurno mogla i unajmiti na određeno vrijeme ako joj ne bi trebao svaki dan.
Neće li ljudi ostati bez posla?
Stručnjaci su podijeljeni oko procjena učinka robota na radnu snagu. S jedne strane, roboti će za desetak godina eliminirati potrebu za ljudskim radom u nekim od najdosadnijih, fizički najtežih i najopasnijih zanimanja, koja su istodobno i najslabije plaćena.
Iskustva iz razvijenijih zemalja, poput Finske, do sada su pokazala da veća razina automatizacije ne dovodi do pada zaposlenosti. Nove tehnologije stvaraju nova zanimanja, a doprinos produktivnosti dovodi i do povoljnije ekonomske situacije u kojoj je lakše pokretati nove poslove.
S druge strane, Finska je primjer tehnološki razvijene zemlje s visokoobrazovanom radnom snagom. Koji će roboti imati učinak na tržište rada u jugoistočnoj Aziji, Indiji i drugim mjestima, gdje velik broj niskoobrazovanih radi teške fizičke poslove za mali novac, tek ćemo vidjeti.