Зворотне автономне навчання: новий ланцюг команд

• Автор:
• ім'я автора

  Quantumrun Foresight
• Серпень 29, 2023

Основні моменти

Поки ми йдемо в еру автоматизації, коботи, які використовують інверсне навчання з підкріпленням (IRL), переосмислюють ландшафт ланцюгів поставок. Спостерігаючи за людськими завданнями та навчаючись на них, коботи не лише підвищують продуктивність, але й формують робочу силу майбутнього, відкриваючи можливості для підвищення кваліфікації та інновацій у різних галузях. Однак, коли ця технологічна хвиля зростає, вона приносить низку суспільних змін від демографічних змін до нового трудового законодавства, потреб у міському плануванні та проблем психічного здоров’я, що підкреслює необхідність збалансованого підходу.

Зворотний контекст автономного навчання

Звичайне навчання з підкріпленням (RL) спрямоване на розробку процесу прийняття рішень, який оптимізує заздалегідь визначену функцію винагороди. Однак навчання зі зворотним підкріпленням (IRL), концепція, представлена ​​Ендрю Нґом і Стюартом Расселом у 2000 році, змінює цей підхід, маючи на меті вивести функцію винагороди з поведінки агента. По суті, IRL, навчання учнівства та подібні імітаційні методи навчання є успішними завдяки своїй здатності використовувати інформацію з політики, яку виконує експерт-людина. Тим не менш, кінцеве прагнення полягає в тому, щоб дозволити системам машинного навчання (ML) навчатися на різноманітних людських даних.

Коботи або «роботи для співпраці» використовують IRL для підвищення продуктивності та безпеки людей у ​​ланцюгах постачання. Завдяки здатності вчитися, спостерігаючи за людьми-працівниками, коботи можуть повторювати людські рухи та підвищувати ефективність, усуваючи зайві завдання. Ця трансформаційна технологія прокладає шляхи в індустрію автономних вантажних перевезень, продемонстрована Plus, компанією, яка використовує штучний інтелект (ШІ) для навчання та адаптації до неочікуваних дорожніх умов, сприяючи безпечнішому автономному транспорту. Оскільки платформи AI/ML накопичують мільярди миль даних про водіння, Plus прагне застосувати цю інформацію в середовищі, повністю позбавленому водіїв. 

Паралельно з цим Інститут робототехніки при Університеті Карнегі-Меллона розробляє новаторську програму навчання роботів, імітованих дикими людьми, що дозволяє роботам навчатися з онлайн-відео. Такі компанії, як Brooks і його робот-помічник Картер, використовують ці досягнення для розробки автоматів, здатних уважно спостерігати за людськими завданнями та допомагати їм, сигналізуючи про величезні зміни в тому, як працюють ланцюги поставок.

Руйнівний вплив

Коботи, які використовують IRL, можуть запропонувати значні можливості для підвищення кваліфікації та професійного розвитку. Оскільки коботи призначені для спостереження за людськими завданнями та навчання на них, вони за своєю суттю дозволяють більш плавну інтеграцію в існуюче робоче середовище. З часом це може призвести до зміни робочих ролей, де люди витрачатимуть менше часу на повсякденні завдання та більше на критичне мислення та прийняття рішень. Партнерство між коботами та людьми може надати людям можливість підвищити кваліфікацію, зосередившись більше на управлінні та обслуговуванні цих автоматизованих систем, створюючи екосистему операторів.

Крім того, стартапи можуть отримати вигоду з цієї тенденції, пропонуючи унікальні рішення, пов’язані з інтеграцією, обслуговуванням і вдосконаленням коботів. Наприклад, вони могли б розробити розширені інтерфейси програмування, створити більш інтуїтивно зрозумілі моделі взаємодії людини і машини або навіть створити програми навчання для працівників, які адаптуються до цих нових систем. Вони також могли б вирішити проблеми етики та безпеки, які можуть виникнути внаслідок широкого впровадження cobot, пропонуючи рішення, які відповідають нормативним нормам, одночасно підвищуючи ефективність роботи.

Компанії можуть використовувати цю технологію для підвищення ефективності, зниження витрат і підвищення безпеки на робочому місці. Однак перехід може вимагати значних інвестицій в інфраструктуру та навчання працівників. Тим часом урядам може знадобитися збалансувати сприяння інноваціям і гарантувати безпеку працівників і безпеку роботи, що, можливо, призведе до нової нормативної бази навколо трудового законодавства та стандартів на робочому місці. 

Наслідки зворотного автономного навчання

Більш широкі наслідки зворотного автономного навчання можуть включати: 

• Законодавці стикаються з тиском, щоб балансувати між захистом робочих місць і підтримкою технологічного прогресу. Також можуть бути зміни в трудовому законодавстві, наприклад, щодо робочого часу, здоров’я, безпеки та компенсації, враховуючи, що коботи можуть працювати цілодобово без перерв.
• Більш технічно кваліфіковані працівники, основна роль яких полягає в навчанні, експлуатації та обслуговуванні роботів.
• Зменшення впливу на навколишнє середовище за рахунок оптимізації використання ресурсів і зменшення відходів. Однак можуть виникнути занепокоєння щодо споживання енергії та утилізації застарілих моделей.
• Навчальні заклади потребують капітального перегляду своїх навчальних програм, щоб підготувати студентів до мінливого ринку праці. Програми професійного навчання можуть стати більш зосередженими на робототехніці та ШІ.
• Міста адаптують свою інфраструктуру до збільшення використання коботів. Наприклад, дороги та транспортні системи можуть потребувати розміщення автономних транспортних засобів у галузі ланцюгів поставок.
• Ланцюжки поставок стають значною мірою залежними від цієї технології, що робить їх уразливими до технічних збоїв або кібератак.
• Більш автоматизоване робоче місце створює стрес і занепокоєння серед працівників щодо безпеки роботи, що призводить до потенційних наслідків для психічного здоров’я суспільства та систем підтримки соціального забезпечення.
• Зменшення взаємодії між людьми, що може вплинути на культуру робочого місця та командну роботу.

Питання для розгляду

• Якщо ви працюєте в ланцюжку постачання, як ваша компанія використовує коботів?
• Як ланцюжки постачання можуть співпрацювати зі своїми працівниками, щоб вони добре працювали з коботами?