Teslas problem:overvurderer automatisering, undervurderer mennesker

Tesla håbede at producere 5, 000 nye Model 3 elbiler hver uge i 2018. Indtil videre har det har undladt at fremstille selv halvdelen af ​​det antal. Spørgsmål om sagen, virksomhedens administrerende direktør, Elon Musk, hævdede, at "overdreven automatisering var en fejl", og at "mennesker er undervurderet".

Han tager ikke fejl – den seneste stræben efter fuld automatisering har overset vigtigheden af ​​tilpasningsevne. Mennesker er stadig langt mere i stand til at tilpasse sig forandringer end kunstig intelligens (AI). På lang sigt, AI har potentialet til at erstatte menneskelige arbejdere, men lige nu skal ledere bestemme den rigtige forandringshastighed.

Tesla-fabrikken i Silicon Valley er stærkt automatiseret. Tidligt, Musk forstod, at enhver proces, der følger en sekvens af foruddefinerede trin og finder sted i et ret kontrolleret miljø, såsom et fabriksgulv, kunne automatiseres af kunstig intelligens og robotter. Og det er noget, han skal have æren for.

Men mens autonome systemer udvikler sig hurtigt, mennesker forbliver langt bedre til at tilpasse sig uforudsete ændringer. Når det kommer til komplekst fabriksarbejde, det er noget, der ikke skal undervurderes. Når vi ser tilbage på Teslas produktivitetsproblemer, Musk savnede utvivlsomt betydningen af ​​tilpasningsevne i fremstillingen. Sandsynligheden for små fejl og uforudsete situationer er proportional med kompleksiteten af ​​processen, især når processen foregår i den fysiske verden.

Adaptiv intelligens

Mennesker og andre former for intelligent liv udviklede sig til at overleve i en verden i konstant forandring. Af denne grund, de kan klare uforudsete situationer og uoverensstemmelser mellem forventede og faktiske hændelser bemærkelsesværdigt godt. Som kognitiv videnskabsmand Gary Marcus understreger, der er mange ting ", der går ind i menneskelig intelligens, som vores evne til at tage sig af de rigtige ting på samme tid, at ræsonnere om dem for at bygge modeller af, hvad der foregår for at forudse, hvad der kan ske næste gang og så videre."

Mennesker og dyr kan også tilpasse deres kroppe til radikalt forskellige situationer for at nå deres mål. For eksempel, vi kan komme videre ved at gå, svømning, hoppe, klatre og kravle – og det kan vi, selvom vi mister brugen af ​​et lem. Disse dynamiske aspekter af biologiske systemer hjælper dem med at klare radikale ændringer under meget komplekse situationer.

Maskinelæring, på den anden side, er endnu ikke på niveau med menneskelig intelligens og tilpasningsevne. Jo da, vi har gjort store fremskridt. I dag, avancerede AI-algoritmer, inspireret af nervesystemet, kan lære at genkende lignende situationer som et lyskryds, der bliver rødt eller en bold, der falder på gaden, endnu bedre end mennesker. Udviklingen inden for robotteknologi betyder også, at nye robotter lavet af bløde materialer fysisk kan tilpasse sig uforudsete objekter i det fysiske miljø. Men i begge tilfælde tilpasningsevne er begrænset til variationer inden for en begrænset kategori af objekter eller begivenheder.

Sandheden er, at vi endnu ikke har styr på designet af robotter og AI, der er modstandsdygtige nok til at reagere på uforudsigelige miljøer. Tag eksemplet med robotter, der bruges i emballageindustrien. Automatiserede vejledte køretøjer med begrænset intelligens om bord kan kun følge simple programmeringsinstruktioner og tage dem ad faste ruter i et defineret miljø. Disse robotter kan muligvis samle et produkt op og placere det i en karton, uden evnen til at gøre noget mere komplekst. Når jobbet ændres, robotten skal udskiftes.

Mere komplekse mobile robotter er også i brug. De har indbyggede sensorer og scannere, samt software, der giver dem mulighed for at registrere deres omgivelser og vælge den mest effektive rute, så et produkt ikke nødvendigvis placeres det samme sted hver gang. Disse mere komplekse robotter er mere fleksible og tilpasningsdygtige, men de er stadig ret langt væk fra, hvad biologiske systemer kan.

Dette kan være et problem for alt for automatiserede fabrikker, hvor små fysiske uoverensstemmelser (et knækket hjul, slid på jorden, upræcist placerede dele) kan hurtigt akkumulere og resultere i uforudsigelige situationer (en komponent er ikke, hvor den skal være, en robot mangler). Når en proces ændres eller fabrikken begynder at lave et nyt produkt, så er der behov for at omkonfigurere udstyret og finde en anden løsning. Dette er endnu ikke helt inden for rækkevidde af AI og robotik.

Fuld automatisering

Musk har offentligt noteret sit ønske om at skabe en fuldt selvstændig fabrik. Hans underliggende mål er at overvinde grænserne for menneskelig hastighed. Med større hastighed, højere output kan opnås. Men i komplekse miljøer, såsom en stærkt automatiseret fabrik, der er behov for meget tilpasningsdygtige robotter, der kan reagere på uforudsete situationer og på hinanden, ligesom biologiske systemer gør. At introducere den slags biologisk robusthed i robotteknologi og kunstig intelligens kræver yderligere forskning.

Den første involverer test af robotautomatisering inden for et defineret sæt af processer, såsom at plukke råvarer og placere det på samlebåndet. Den anden involverer udvidelse af denne test til flere funktioner og processer, såsom at kombinere råvaren og pakke produktet. Den tredje fase er at implementere robotmedarbejdere og adaptiv kunstig intelligens som menneskelige assistenter. I dag, dette er det bedste, vi kan sigte efter.

Det er endnu ikke klart, hvornår vi vil have teknologien til fuld automatisering uden menneskelig indgriben (trin fire), og hvilken form den vil tage, men Musk skal have ros for at prøve. Han kan have undervurderet mennesker, men det han lærer er værdifuldt og vil hjælpe ham til at køre foran andre i fremtiden.

Denne artikel blev oprindeligt publiceret på The Conversation. Læs den originale artikel.