Автоматы наступают

Сеть Eatsa хочет большего, чем просто виртуализировать заказ еды; она также намеревается автоматизировать ее приготовление. Технологические процессы на кухнях Eatsa в значительной степени оптимизированы и стандартизированы, и главная причина того, почему компания прибегает к помощи людей-поваров, а не роботов, состоит в том, что обрабатываемые объекты (авокадо, помидоры, баклажаны и тому подобное) имеют неправильную форму и не совсем твердые. Это не представляет особой проблемы для людей, которые всегда жили в мире, полном мягких предметов. А вот роботы, созданные до настоящего времени, намного лучше управляются с твердыми и желательно одинаковыми.

Дело в том, что зрение и осязание роботов были примитивными, намного хуже человеческих, а надлежащее обращение с помидором в целом подразумевает, что его надо видеть и ощущать с высокой точностью. И еще одно: оказалось, что машину удивительно трудно запрограммировать на работу с легко сдавливаемыми объектами (здесь мы снова знаем больше, чем способны рассказать), так что мозг роботов намного отстает от нашего, как и сенсорная система.

Тем не менее машины нагоняют нас, и довольно быстро: уже появилось несколько роботов-поваров. В одном из ресторанов китайской провинции Хэйлунцзян антропоморфный робот пурпурного цвета использует технику стир-фрай (быстрое обжаривание с помешиванием) и готовит другие блюда в воке[240] на огне, хотя предварительную работу все еще делают люди[241]. На Ганноверской промышленной выставке-ярмарке в апреле 2015 года британская компания Moley Robotics представила высокоавтоматизированную кухню, центральной частью которой была пара многозвенных механических рук-манипуляторов, спускающихся с потолка. Эти руки могли воспроизводить движения поваров, готовящих фирменные блюда. На выставке машина сделала биск[242] из крабов, придуманный Тимом Андерсоном, победителем британского телевизионного кулинарного шоу MasterChef. Один сетевой обозреватель сказал о блюде: «Суп хорош. Если бы мне подали его в ресторане, я съел бы его и глазом не моргнув»[243]. Однако и здесь подготовка должна производиться человеком: манипуляторы не видят, что делают, поэтому у них ничего не выйдет, если какие-нибудь ингредиенты или утварь находятся не в точности там, где нужно.

Самым совершенным роботом-поваром, которого мы видели, был изготовитель гамбургеров, разработанный в рамках стартапа Momentum Machines, который финансирует венчурный инвестор Винод Хосла. Робот берет сырое мясо, булочки, приправы, соусы и специи и преобразует все это в готовые, упакованные в пакеты бургеры со скоростью до 400 штук в час. Такая машина сама выполняет значительную часть подготовки, а для сохранения свежести продуктов она не начинает резать, смешивать и готовить, пока не поступит заказ. Она также позволяет клиентам в значительной степени индивидуализировать свои бургеры, указывая не только свои предпочтения, но и состав мяса в котлете. Мы можем подтвердить, что еда получается вкусной.

ПЯТЬ ПРИЗНАКОВ ГРЯДУЩЕГО НАШЕСТВИЯ РОБОТОВ

Автоматические повара – первые примеры того, что Гилл Прэтт, CEO Исследовательского института Toyota (и наш бывший коллега по Массачусетскому технологическому институту), называет кембрийским взрывом в робототехнике. Кембрийский взрыв – условное название события, произошедшего 500 миллионов лет назад, когда в течение относительно короткого периода времени на Земле появилась большая часть крупных таксонов – типов. Почти все типы существ, живущих сейчас на планете, восходят к той эволюционной вспышке.

По мнению Прэтта, мы стоим на пороге таких же революционных новаций в робототехнике. В 2015 году он писал: «Сегодня технологические разработки на нескольких фронтах способны спровоцировать аналогичный взрыв в разнообразии и сферах применения роботов. Многие базовые аппаратные технологии, от которых они зависят, в частности вычисления, хранение данных и коммуникации, улучшаются с экспоненциальной скоростью»[244]. Одним из самых важных факторов, сделавших возможным кембрийский взрыв, было появление зрения, когда биологические виды впервые развили в себе способность видеть мир. Это открыло множество новых возможностей для наших предков. Прэтт обращает внимание, что вот-вот возникнет аналогичная ситуация для машин. Впервые в истории они учатся видеть и получают многочисленные выгоды от приобретения зрения.

В своих дискуссиях и исследованиях мы выявили недавнее масштабное развитие в пяти взаимозависимых и смежных областях: это данные, алгоритмы, сети, облачные технологии и экспоненциальное улучшение аппаратного обеспечения.

Данные. Компакт-диски с музыкой и фильмами, а также веб-страницы десятилетиями пополняют мировой запас цифровой информации, но за последние несколько лет скорость кодирования резко увеличилась. По оценкам IBM, 90 процентов всех цифровых данных в мире было создано за последние 24 месяца[245]. Сигналы от сенсоров в смартфонах и промышленном оборудовании, цифровые фотографии и видеоролики, непрерывно создаваемый контент в социальных сетях по всему миру и многие другие виды информации толкают нас к эпохе больших данных, не имеющей аналогов в истории.

Алгоритмы. Резкое увеличение объема данных важно, поскольку поддерживает и ускоряет разработки в сфере искусственного интеллекта и машинного обучения, описанные в предыдущей главе. Алгоритмы и подходы, которые сейчас доминируют в этой области, например глубокое обучение или обучение с подкреплением, обладают общим свойством показывать всё лучшие результаты по мере увеличения объема поступающих данных. Работа большинства алгоритмов обычно сводится к асимптотическому уровню, когда добавление новых данных улучшает результат совсем чуть-чуть или вовсе на него не влияет. Однако, похоже, для многих широко использующихся сейчас подходов к машинному обучению это не так. Эндрю Ын сказал нам, что в случае с современными алгоритмами «закон Мура и некоторое количество очень умной технической работы позволяют изменить ситуацию»[246].

Сети. Очень быстро улучшаются технологии и протоколы беспроводной связи – как на коротких, так и на длинных расстояниях. Например, AT&T и Verizon объявили об испытаниях в 2016 году беспроводной технологии 5G со скоростью загрузки до 10 гигабит в секунду[247]. Это в пятьдесят раз быстрее, чем средняя скорость сетей LTE (самых быстрых из тех, что широко развернуты в настоящее время), а сама технология LTE вдесятеро быстрее предыдущего поколения – технологии 3G. Такое повышение скорости означает более качественное и быстрое накопление данных, а также подразумевает, что роботы и летающие дроны смогут постоянно быть на связи, координировать свою работу и совместно реагировать на быстро меняющиеся обстоятельства.

Облачные технологии. Для организаций и отдельных людей сейчас доступен беспрецедентный объем вычислительных мощностей. Через интернет можно арендовать на долгий срок или на несколько минут приложения, серверы различного уровня конфигурирования и объемы дискового пространства. Такая инфраструктура для облачных вычислений, существующая меньше десяти лет, ускоряет кембрийский взрыв в робототехнике по трем причинам.

Во-первых, она сильно снижает входной барьер, поскольку те виды компьютерных ресурсов, которые раньше имелись только в крупных исследовательских университетах и международных лабораториях, занимающихся НИОКР, теперь стали доступны для стартапов и изобретателей-одиночек.

Во-вторых, облако позволяет разработчикам роботов и дронов исследовать важный вопрос о распределении локальных и централизованных вычислений: какие задачи по обработке информации следует выполнять в локальном мозге каждого робота, а какие должен делать глобальный мозг, расположенный в облаке? Кажется вероятным, что самая ресурсоемкая работа, например воспроизведение предыдущего опыта для получения новых выводов, до какого-то времени будет выполняться в облаке.

В-третьих (и это, возможно, важнее всего), облако означает, что каждый участник группы роботов или дронов будет способен быстро узнать, что делают все другие участники. Прэтт замечает: «Люди учатся десятки лет, чтобы добавить что-то содержательное в совокупность общечеловеческого знания. Тем временем роботы в смысле обучения не просто стоят на плечах друг у друга[248], а способны начать делать вклад в совокупность “общероботового” знания сразу после своего создания»[249]. Один из первых примеров «коллективного разума» такого рода – это парк автомобилей Tesla, способных обмениваться данными о придорожных объектах, мимо которых они проезжают. Получение такой информации помогает со временем понять, какие объекты постоянны (те, мимо которых в одном и том же месте проезжает много разных автомобилей), и сделать вывод о крайне малой вероятности того, что они выбегут на середину дороги.

Экспоненциальное улучшение аппаратного обеспечения. В 2015 году закон Мура, который гласит, что производительность микросхем удваивается каждые 18–24 месяца[250], отпраздновал полувековой юбилей, и в это время он все еще был актуален. Недавно высказывались предположения, что разработчики столкнутся с проблемами физических ограничений, поэтому в ближайшие годы темпы удвоения замедлятся. Возможно, это и так, но, даже если ученые и инженеры, работающие в области информационных технологий, не сумеют выяснить в ближайшие десятилетия, как еще тоньше протравливать кремний, мы уверены, что еще долго будем радоваться тому, как снижаются цены и одновременно повышается производительность цифрового оборудования: процессоров, памяти, средств связи, запоминающих устройств и тому подобного.

Как такое возможно? Крис Андерсон, CEO компании 3D Robotics, занимающейся изготовлением дронов, дал нам яркую иллюстрацию того, что происходит в этой индустрии и некоторых смежных областях. Показав нам металлический цилиндр примерно 2,5 сантиметра в диаметре и 7,5 сантиметра в длину, он сказал: «Это гиродатчик. Он механический, стоит 10 тысяч долларов, был сделан в 1990-е годы несколькими очень талантливыми женщинами на авиационном заводе – ручная работа и все такое. Он отслеживает движение всего по одной оси. На каждом нашем дроне 24 таких датчика. При цене в 10 тысяч долларов общая стоимость была бы равна 240 тысячам долларов, а места они занимали бы столько же, сколько холодильник. Вместо этого мы устанавливаем одну крохотную микросхему или несколько крохотных микросхем, которые стоят по три доллара и почти невидимы»[251].

Идея Андерсона состоит в том, что сочетание дешевого сырья, глобальных рынков, сильной конкуренции и экономики промышленных масштабов фактически служит гарантией стабильного быстрого снижения цен и улучшения рабочих характеристик техники. По его словам, дроны – это «дивиденды смартфонных войн. Компоненты смартфонов – сенсоры, GPS, камеры, ARM-процессоры, беспроводная связь, память, аккумуляторы – все эти штуки, на которые повлияли невероятная экономия из-за производственных масштабов и инновационные исследования в Apple, Google и других компаниях, теперь стали доступны за несколько долларов. Десять лет назад они были фактически унобтанием[252]. Когда-то такие технологии использовались только военными, теперь же вы можете купить их в любом из магазинов сети RadioShack»[253].

В совокупности пять перечисленных элементов и вызвали кембрийский взрыв, обусловив появление роботов, дронов, автономных легковых и грузовых автомобилей и многих других в значительной степени цифровых машин. Экспоненциально дешевеющее оборудование позволяет увеличить темп инноваций и экспериментов, которые создают гигантские потоки данных. Эта информация используется для тестирования и оттачивания алгоритмов и помогает системе обучаться. Алгоритмы задействуют облако и распределенные вычисления с помощью устойчивой сети. Новаторы проводят следующий раунд тестов и экспериментов, и цикл повторяется.

ТАМ, ГДЕ РАБОТА БЕЗДУМНАЯ, ГРЯЗНАЯ, ОПАСНАЯ И ДОРОГОСТОЯЩАЯ

Как будут задействованы в экономике роботы, дроны и прочие цифровые машины, действующие в физическом мире? Какую роль они станут играть в ближайшие годы? Распространенная точка зрения такова: роботы лучше всего пригодны к бездумной, грязной и опасной работе. Мы добавили бы еще один пункт – дорогостоящей. Чем больше таких признаков есть у какой-то деятельности, тем выше вероятность, что ее нужно передать цифровым машинам.

Прекрасный пример – инспекция строительных площадок. Это обычно грязные, иногда опасные места, а проверка того, что работа ведется по плану, размеры верны, линии вертикальны и все в таком духе, может быть бездумной и скучной. Тем не менее нужно регулярно посылать контролера для таких проверок, поскольку маленькие ошибки со временем могут превратиться в дорогостоящие. Однако вполне вероятно, что эту работу вскоре удастся автоматизировать.

Осенью 2015 года японская компания Komatsu, существующая 95 лет и считающаяся вторым в мире по величине производителем строительного оборудования, объявила о партнерстве с американским стартапом Skycatch, выпускающим дроны. Маленькие аппараты станут летать над стройплощадкой, составляя ее карту в трех измерениях. Эта информация будет непрерывно отправляться в облако, автоматически соотноситься с планами местности и использоваться в инструкциях для автономного парка бульдозеров, самосвалов и других землеройных и подъемно-транспортных машин.

Вскоре дроны могут преобразить и сельское хозяйство. Крис Андерсон предложил нам представить себе ферму, где дроны ежедневно летают над полями, сканируя их в ближнем инфракрасном диапазоне. Такое сканирование дает огромное количество информации о состоянии растений, причем современные сенсоры обеспечивают достаточную точность для оценивания каждого квадратного метра (а при существующем экспоненциальном улучшении сенсоров вскоре, вероятно, можно будет осматривать отдельно каждое растение). Ежедневно летать на самолете над полями – скучно и дорого, но появление маленьких дешевых дронов устраняет оба эти препятствия. Информация, полученная в ходе ежедневных облетов, обеспечивает очень глубокое понимание изменений, происходящих со временем с растениями, а также позволяет намного точнее поставить задачи полива и внесения удобрений и пестицидов. Современное сельскохозяйственное оборудование способно подавать различные количества важных веществ в определенные места, а не раскидывать равномерно. Данные, собираемые дронами, делают возможными большую часть этих вещей, позволяя фермерам вступить в эпоху цифрового земледелия.

Вероятно, вскоре дроны будут использоваться для оценки повреждений, причиненных стихийными бедствиями, для защиты от браконьеров животных, находящихся под угрозой исчезновения, для охраны лесов от незаконной вырубки, а также для решения многих других задач. Они уже применяются в инспекции оборудования, которая прежде считалась опасным, дорогостоящим, бездумным и грязным делом. Британская компания Sky Futures специализируется на запуске дронов вокруг буровых вышек в Северном море, металл и цемент которых постепенно разрушаются под воздействием соленой воды и плохой погоды[254]. Дроны компании летают вокруг конструкций и сквозь них в любых условиях, так что буровикам не надо лазать по ним, чтобы разглядеть, что там происходит.

Сейчас мы снова и снова видим эту закономерность: машины берут на себя бездумную, грязную, опасную или дорогостоящую работу.

• В 2015 году Rio Tinto стала первой компанией, использующей парк грузовиков с дистанционным управлением[255], чтобы перевозить железную руду на своем руднике в регионе Пилбара в Западной Австралии. Транспортные средства без водителей работают 24 часа в сутки 365 дней в году, за ними следит центр управления, расположенный в тысяче миль от места работ[256]. Экономия за счет отсутствия нарушений, прогулов и пересменок делает парк машин-роботов на 12 процентов более эффективным, чем такой же парк с водителями-людьми.

• Автоматические системы применяются сейчас для доения примерно четверти коров в странах, экспортирующих молочные продукты, таких как Дания и Нидерланды[257]. Ожидается, что за десять лет доля автоматических систем возрастет до 50 процентов.

• В Японии 90 процентов работ по опрыскиванию растений сейчас производят беспилотные вертолеты[258].

Конечно, на протяжении десятилетий машины постепенно забирали себе работу на заводах, где инженеры могли достичь высокого уровня того, что наш коллега из Массачусетского технологического института Дэвид Аутор называет «контролем среды» или «радикальным упрощением среды, где допускается автономная работа машин, как в широко известном примере с заводским сборочным конвейером»[259]. Контроль среды необходим, когда части автоматической системы отличаются примитивными «мозгами» и не имеют возможности отслеживать происходящее вокруг. Однако по мере улучшения перечисленных в этой главе пяти ключевых элементов части автоматической системы могут покинуть строго контролируемую среду на заводе и выйти в широкий мир. Именно это и делают сейчас роботы, дроны, автономные транспортные средства и многие другие виды цифровых машин, и в ближайшем будущем это явление будет только шириться.

ЧТО ОСТАНЕТСЯ ДЕЛАТЬ ЛЮДЯМ В МИРЕ, ПОЛНОМ РОБОТОВ?

Как разумы и тела людей будут работать в тандеме с машинами? Есть два основных пути. Во-первых, поскольку машины осваивают все больше занятий в физическом мире, нам остается все меньше работы, и мы можем использовать свой мозг так, как уже описывалось и еще будет описываться в этой книге. Именно это и происходит в сельском хозяйстве, самой древней отрасли человеческого труда.

Работа на земле для выращивания урожая издавна считалась одним из самых трудоемких занятий. Сейчас оно, скорее всего, еще и одно из самых наукоемких. Брайан Скотт, фермер из Индианы, автор блога «Фермерская жизнь» (The Farmer’s Life), пишет: «Как вы думаете, когда мой дед работал на жатках и комбайнах… мог ли он вообразить, что… современные машины будут ездить самостоятельно с помощью сигналов GPS, создавая при этом бумажные карты разных вещей вроде урожайности или влажности зерна? Потрясающе!»[260] Аналогичным образом рабочим на большинстве современных фабрик не нужно быть физически крепкими и сильными, им достаточно уметь обращаться со словами и числами, разбираться в поиске неисправностей и работать в команде.

Во-вторых, люди могут работать с роботами и их родственниками буквально бок о бок. И снова здесь нет ничего нового; на заводах люди давно окружены машинами и часто трудятся рядом с ними. Наш острый ум, чуткое восприятие, ловкие руки и устойчивые ноги все еще превосходят то, что есть у машин, а все вместе они представляют очень ценную комбинацию. Энди больше всего нравится демонстрация этого, увиденная им на знаменитом мотоциклетном заводе Ducati в итальянской Болонье. Двигатели Ducati весьма сложны[261], и Энди было любопытно увидеть, насколько сильно в их сборке задействована автоматизация. Оказалось, что она практически не задействована.

Каждый двигатель собирается одним человеком, который идет вдоль медленно двигающегося конвейера. По мере того как лента проходит мимо частей двигателя, которые нужны на соответствующем этапе сборки, рабочий берет их, ставит на нужное место, закрепляет и при необходимости регулирует. Сборка двигателя Ducati требует подвижности, способности манипулировать объектами в ограниченном пространстве и сильно развитого чувства осязания. Руководство компании сочло, что никакая автоматизация не обеспечивает подобного, поэтому сборкой двигателя занимаются люди.

Аналогичные способности требуются на складах многих торговых предприятий, особенно таких, как Amazon, где продаются товары всех форм, размеров и консистенций. Компания Amazon пока еще[262] не нашла и не разработала «руки» с цифровым приводом или другие захваты, которые могли бы надежно брать товары с полки и класть их в коробку. Поэтому было придумано остроумное решение: подвозить полки к человеку, который берет нужные товары и упаковывает их для отправки. Стеллажи с полками по огромным распределительным центрам компании перевозят оранжевые роботы высотой по колено, первоначально созданные бостонской компанией Kiva Systems (Amazon купила ее в 2012 году[263]). Эти роботы влезают под стеллаж, поднимают его и подвозят к человеку. Когда он берет нужные предметы, робот со стеллажом уезжает, а его место занимает другой. Такая схема позволяет людям использовать зрение и ловкость там, где у них есть преимущество перед машинами, и избегать физического напряжения и потерь времени от перемещения между полками.

Насколько долго мы сможем сохранять свое преимущество перед роботами и дронами? На этот вопрос трудно ответить с уверенностью, особенно из-за того, что пять элементов продолжают прогрессировать по отдельности и совместно. Похоже, что органы восприятия, руки и ноги человека представляют собой комбинацию, которую машинам будет трудно превзойти как минимум еще несколько лет. Роботы достигли впечатляющего прогресса, но они все еще значительно медленнее нас, когда пробуют делать «человеческие» вещи. В конце концов, наш мозг и организм прошли миллионы лет эволюции, и получившиеся модели хорошо справляются с проблемами, которые ставит перед нами физический мир. Когда Гилл Прэтт был руководителем проектов в DARPA (Управлении перспективных исследовательских проектов Министерства обороны США), он курировал конкурс роботов 2015 года[264]. Роботы-участники двигались в таком неспешном темпе, что он сравнил себя со зрителем, наблюдающим турнир по гольфу. Тем не менее Прэтт заметил существенное улучшение по сравнению с первым конкурсом, проведенным в 2012 году. По словам Прэтта, смотреть на роботов тогда было все равно что наблюдать за ростом травы.