AI时代,人们一边期待技术改变生活,一边也对它将带来的影响充满不安。
随着机器人与人工智能等关键词越来越多地占据公众视野,几乎每一个人都面临着这样的问题,现有职业会在什么时间、又会以什么形式被这股浪潮所波及。而同时,新产品与新技术的频繁亮相,又不断刷新公众对未来生活的想象。
“机器人什么时候能真正进厂打工”始终是行业最受关注的话题之一,但答案或许没有想象中那么快。7月7日,暨南大学机器人智能技术研究院院长柳宁接受羊城晚报记者采访。这位深耕机器人领域数十年的专家判断,人形机器人距离大规模进入工业场景仍有不少关键技术需要突破。
尽管距离实现机器人全面进厂打工的设想还有距离,人工智能给就业市场造成的震荡却已经先一步到来。现实中,一场围绕岗位结构的调整正在以不断加速的态势展开。
就业变局之下,收缩与新生并行
谈到AI对就业的冲击,柳宁判断,数字空间的岗位收缩已经显现。据他观察,即使是曾被视作高薪热门工作的计算机专业,其研究生起薪也已出现大幅回落,有些岗位从35万元回落至20万元左右。
柳宁总结道:“现在企业的做法是搞一个资深的程序员,带一个小弟,然后买一个软件。”AI生成的代码相对规范,人只需审核。他还透露,在与医院合作的项目中,机器综合影像、病历与化验单作出的诊断,不少场景已高于一般医生水平。
其它领域的替代同样在加速。他以一家日化企业为例,同一座工厂,五年前用工500人,如今200人,而未来目标是再减至100人。相较于人类工人,机器人的优势不在爆发力而在耐力,“峰值效率或许赶不上人,但平均下来一定会超过人”。
收缩之外亦有新生,柳宁的总体判断是:“简单重复的熟练工会减少,技术工种还不会那么快。”他指出,为大模型采集真实作业数据的“数据工厂”、工业图像的采集与标注、机器人现场调试运维,以及律师、保险、医疗等咨询行业里操作AI代理的专业助理,都是正在出现的新岗位。
“脑、手、脚”三关未过
柳宁认为,通用人形机器人距离真正“进厂打工”,仍需跨越数据、硬件等多重门槛。目前公众看到的更多是展示性或表演性应用,真正进入工业现场的案例仍然屈指可数,仅有特斯拉等少数企业进行了探索。
第一道坎在大脑。当前大模型以互联网数据喂养,是一颗所谓的“互联网大脑”,只能做到常识认知不错,却缺乏工业作业数据。以装配环节的缺损检测为例,普通工人不经培训也能一眼看出有螺丝孔的部分应该配有螺丝,机器却只能依靠预设规则逐一定义。人形机器人的大脑还是一个通用大脑,缺乏行业和专业的认知能力。
第二道坎在手。人的手指关节灵活,触觉、滑觉、力觉、温度等多种感知高度融合,而现有灵巧手的传感技术难以兼得,关节数量也只是人手的缩减版,做不了像人那样精巧精细的动作,驱动问题同样未解。
第三道坎在脚。人从一米高处跳下,触地冲击可达体重数倍,人体关节承受得住,现有机器人的电机与机构却经不起这种“硬碰硬”。柳宁总结道:“双脚的问题没有完全解决好,手的问题没有解决好,大脑还只是一个通用大脑,而不是一个工业大脑。”
即便是被寄予厚望的家庭场景,他同样谨慎。实现烹饪等家务的自动化远比想象中难,养老陪伴等工作则需要具备情感交互功能,“怎么对人的情绪建模,怎么对人的情绪感知,这个还差很远”。
数据之困与“小步快走”
“互联网上是找不到工业场景的。”柳宁指出,制造企业出于保护核心竞争力的考虑,对生产数据严格保密,跨企业的数据打通还有很长的路要走。而即便是裁剪后的垂域模型,在数据孤岛之上,训练效果依然有限。
但这并不意味着机器人在工厂无所作为。他将机器人分为三代,第一代基于规则编程,已在汽车焊接、搬运码垛等环节成熟商用;第二代基于机器学习,擅长处理“说不清规则”的任务,如按品相给苹果自动分级;第三代才是基于大模型的通用智能。当下性价比最高的,正是第二代的“小步快走”。
针对单一场景训练专用模型。柳宁及其团队曾为印刷企业开发贺卡饰品自动识别粘贴系统,也为某家电龙头企业打造产线检测机器人。他们面对三十万种出口标签“慢慢学、慢慢训”,直到机器人越用越聪明。
放眼全球,柳宁认为美国硅谷胜在顶尖创新,德国长于精密制造与驱动部件,中国则在产业规模与产业链完整度则有着突出优势,机器人的应用规模也同样全球领先。大湾区机器人产量位列世界第一,且产业门类齐全,从传感器、电机到结构材料、控制系统,全链条皆有工厂在产,“量一大,市场就大,需求就大,技术创新能力就强”。
柳宁指出,之所以能形成发展优势,关键在于标志性企业带动的产业聚集效应。同样,人才培养也要及时跟进,“人才的流动是跟产业聚集相关的”。暨南大学数年前已设立智能科学与工程学院,让具身智能等课程进入研究生课堂。
尽管技术发展仍需时间,但制智能化趋势不会停步。对于产业链完备、应用场景丰富的大湾区而言,每一次真实落地,都在为下一次技术突破积累基础。
文|记者 扶贝贝