Джон Будро - Реинжиниринг бизнеса [Как грамотно внедрить автоматизацию и искусственный интеллект] [litres]

• Гибкость. Бакстер способен выполнять целый ряд задач. Благодаря способности к обучению его можно быстро переключить на выполнение новых обязанностей.

• Легкая интеграция . Бакстер связывается с другими автоматами на конвейере, часто справляясь с этой задачей без дополнительного программирования и участия третьей стороны.

• Совместимость. «Руки» Бастера двигаются так же, как человеческие, поэтому нет необходимости перестраивать для него рассчитанный на людей конвейер.

Сегодня Бакстер не единственная модель социального робота. К числу таких механизмов можно отнести также дронов, способных передвигаться по воздуху или по воде, антропоморфных роботов, умеющих ходить, или роботов-коллективистов, которые катятся по поверхности. Если традиционные роботы по большей части могли выполнять лишь монотонные однотипные операции, то социальные способны решать как стандартные, так и нестандартные задачи. Не привязанные к конвейеру, эти роботы умеют взаимодействовать с человеком такими способами, которые раньше и представить себе было невозможно.

Так, например, роботы-коллективисты полностью видоизменили логистику на складе компании DHL Detsche Post AG в Мемфисе (штат Теннесси) и в компании Quiet Logistics, обеспечивающей доставку товаров таких ритейлеров, как Bonobos и Inditex SA Zara [22] Jennifer Smith, “A Robot Can Be a Warehouse Worker’s Best Friend,” Wall Street Journal , August 3, 2017; https://www.wsj.com/articles/a-robot-can-be-a-warehouse-workers-best-friend-1501752600 . . Стратегической целью внедрения этой разновидности социальных роботов было снижение миллионных затрат на складские конвейеры и систему транспортировки товаров внутри склада. Стоимость роботов оказалась гораздо ниже: от $30 000 до $40 000.

Страховые компании Farmers Insurance и Allstate Insurance осуществили роботизацию с другой целью – ускорить выплаты страховых сумм жертвам урагана «Харви» [23] . “How Allstate and Farmers Will Use Drones to Assess Damage from Hurricane Harvey,” Reuters, August 30, 2107; https://finance.yahoo.com/news/allstate-farmers-insurance-dronesassess-114721776.html . . Для того чтобы быстрее обрабатывать заявки и выплачивать деньги, они использовали дроны. Коллаборативные дроны помогают страховщикам производить оценку повреждений собственности. Они могут добраться до мест, куда не в состоянии пройти люди, или туда, где находиться слишком опасно. Дроны собирают информацию, делают снимки, демонстрирующие нанесенный ущерб, и отправляют данные в базу. Теперь оценщикам больше не приходится забираться в труднопроходимые или опасные места, чтобы получить нужные сведения. Им остается только проанализировать данные, собранные автоматическими помощниками. В результате решения по выплатам стали приниматься гораздо быстрее. По данным специалистов Farmers Insurance, в результате взаимодействия людей и дронов сотрудник компании получил возможность в течение 1 часа принимать решение по трем домам, тогда как ранее на обработку подобного объема заявок у него уходил целый день. (См. врезку «Как эволюционирует автоматика».)

Роботов программируют кодировщики. Время и опыт этих специалистов стоят дорого. Однако прогресс в области машинного обучения уже сейчас дает возможность, один раз написав код, оснастить робота способностью учиться: достаточно просто снабжать его информацией. Исследователи из Калифорнийского университета в Беркли разработали метод, позволяющий обучать робота за считаные минуты, используя наушники виртуальной реальности. Вместо того чтобы приглашать программиста, который поможет роботу освоить те или иные конкретные задачи Питер Эббил и его студенты Питер Чен, Роки Дуан и Тяньхао Чжан создали программу, с помощью которой машина может учиться, повторяя действия опытных квалифицированных рабочих. Для этого используется оборудование виртуальной реальности. Следуя данной методике, робот затрачивает на овладение новым навыком не многие недели, как раньше, а всего один день. «Выполняя какое-либо задание, мы не решаем в уме комплексные дифференциальные уравнения, – говорит Дуан. – Взаимодействуя с окружающим миром, мы развиваем мощную интуицию, совершая с ее помощью необходимые движения. Посредством компьютерной программы обучиться этому было бы невозможно».

Быстрое развитие подкрепляющего и имитирующего обучения интенсивно и плавно изменит процессы обучения и переучивания роботов. Только подумайте, как быстро, используя эти методики, можно внедрить роботов на производственных предприятиях! Таким образом решаются две самые существенные проблемы, стоящие на пути автоматизации: потребность в больших массивах информации и дефицит высококвалифицированных программистов. Теперь обучить робота сможет каждый!