Аналитика
Пред роботите да почнат да ги заменуваат луѓето на работните места, се појави една необична професија – луѓе што ги учат машините како да ја вршат нивната работа. Во Кина денес може да се заработува со стотици повторувања на најобични домашни задачи: отворање шише, миење садови, диплење облека или преместување предмети. Но, додека едни компании плаќаат за секое човечко движење што ќе го претворат во податок, други веќе се обидуваат целосно да го прескокнат тој процес. Нивните роботи вежбаат во виртуелни фабрики, кујни и домови, каде што можат да направат илјадници грешки без да скршат ниту една вистинска чаша. Зад овие два пристапа се развива нова индустриска трка, во која највредниот ресурс не е самиот робот, туку знаењето што му овозможува да работи самостојно.
Според South China Morning Post, во Кина сè почесто се огласуваат работни места за таканаречени обучувачи на роботи, со месечни примања од 4.000 до 6.000 јуани, односно приближно 600 до 900 долари. Работниците користат опрема за следење на движењата, а нивните активности се претвораат во податоци со кои машините учат да функционираат во реални услови. За дел од младите и невработените ова е нов извор на приход, но истовремено отвора необично прашање: дали денес се плаќаат луѓе за да ги обучуваат машините што утре би можеле да ги заменат?
Проблемот е што роботите сè уште не учат толку лесно како што изгледа на промотивните видеа. Кинеските компании веќе демонстрираат хуманоидни машини што трчаат, скокаат и изведуваат сложени движења, но вистинскиот комерцијален предизвик е многу поприземен. Роботот треба да препознае предмет, да процени колку силно да го фати, да се приспособи ако предметот е поставен поинаку и да ја заврши задачата без постојана човечка помош.
Во еден центар за обучување во кинескиот град Лиужоу, каде што се користат повеќе од 100 хуманоидни роботи, резултатите покажуваат колку е долг патот до вистинска самостојност. Според известување на Reuters од август, на почетник понекогаш му се потребни дури 300 обиди за да добие едно употребливо движење, додека поискусен обучувач може да го постигне тоа за околу 50 обиди. Со други зборови, зад едно успешно роботско движење можат да стојат десетици или стотици човечки повторувања.
Во Шенжен, кинеската компанија DexForce развива поинаков модел. Наместо секоја задача да се повторува во физичка средина, компанијата создава дигитални симулации во кои виртуелните роботи учат како да постапуваат во различни ситуации. Се менуваат положбите на предметите, нивните карактеристики, работната околина и движењата што треба да се изведат. Стекнатото знаење потоа се пренесува на вистинските машини.
Извршниот директор на DexForce, Џиа Куи, за Reuters оценува дека потпирањето исклучиво на податоци собрани од реални човечки активности е премногу неефикасно за постигнување општа физичка интелигенција. Според неговата процена, за таков напредок би биле потребни дури 10 билиони примероци за обучување. Тоа е процена на компанијата, а не утврден индустриски стандард, но јасно го покажува размерот на проблемот.
Инвеститорите очигледно гледаат потенцијал во ваквиот пристап. DexForce, основана во 2021 година, обезбедила една милијарда јуани, односно околу 147 милиони долари, во нова инвестициска рунда. Нејзината проценета вредност надминува 10 милијарди јуани. Меѓу инвеститорите се Lenovo Capital, Lens Technology и повеќе државни фондови.
Компанијата веќе соработува со големи индустриски имиња, меѓу кои Toyota, Samsung, Panasonic, Foxconn, Haier и Hisense. Нејзини роботи се користат и за подготовка на кафе и услужување посетители во повеќе од 15 кинески градови. Сепак, овие конкретни примени не значат дека роботите веќе можат самостојно да извршуваат неограничен број задачи.
Но, финансиската трка има и друга страна. Кинеските власти вложуваат значителни средства во центри за собирање податоци и обучување роботи, а Reuters предупредува дека дел од побарувачката за хуманоидни машини засега произлегува од државни набавки и субвенции, наместо од докажана комерцијална исплатливост. Тоа создава ризик компаниите да произведуваат сè повеќе роботи пред да се утврди колку навистина се потребни и дали можат да ја оправдаат својата цена.
Дополнително, виртуелното обучување не ги решава сите проблеми. Во дигитална средина роботот може да повторува задача без физички последици, но во вистинска фабрика предметите имаат тежина, површините се лизгави, луѓето се движат непредвидливо, а една погрешна процена може да предизвика материјална штета. Затоа повеќето производители комбинираат виртуелни симулации со податоци собрани во реални услови.
Колку е значаен овој пазар покажува и фактот што трката не се води само во Кина. Според Financial Times, роботските лаборатории ширум светот вложуваат милијарди долари во собирање податоци за физичка вештачка интелигенција. Компаниите градат специјализирани простори за обучување, но и испраќаат опрема во фабрики, домови и канцеларии за да снимаат како луѓето извршуваат секојдневни задачи. Во основа, индустријата се обидува да го претвори човечкото искуство во ресурс што може да се користи за масовно обучување машини.
Ова отвора и нови прашања за приватноста. Ако роботот учи во вистински дом, неговите камери можат да забележат многу повеќе од начинот на кој се дипли кошула. Тие можат да ја регистрираат внатрешноста на домот, личните предмети и секојдневните навики на луѓето. Со ширењето на роботските услуги, прашањето кому му припаѓаат собраните податоци и како се користат ќе станува сè поважно.
И додека компаниите најавуваат иднина во која машините ќе преземат голем дел од домашните и индустриските задачи, денешната реалност покажува дека таа иднина сè уште зависи од огромна количина човечка работа.
Можеби токму затоа најголемата економска битка во роботиката нема да ја добие компанијата што ќе го произведе најбрзиот или најскапиот робот. Ќе ја добие онаа што ќе успее најевтино, најбрзо и најсигурно да го научи роботот да прави нешто корисно.
А дотогаш, во кинеските центри за обучување, некој повторно ќе подигне чаша, ќе ја спушти на масата и ќе го повтори истото движење уште стотина пати – за еден ден роботот да може да го направи тоа без него.
