Ούτε συνετρίβη, ούτε κατέληξε για παλιοσίδερα: Το Boeing 727 που μετατράπηκε σε πολυτελή σουίτα μέσα στη ζούγκλα
Η ιστορία ενός παλιού Boeing που βρήκε δεύτερη ζωή ως πολυτελής σουίτα και έγινε παγκόσμιο αξιοθέατο.
Στις Ηνωμένες Πολιτείες, πολλοί άνθρωποι πληρώνονται για να εκτελούν οικιακές εργασίες, όπως το πλύσιμο πιάτων ή ο καθαρισμός της κουζίνας, φορώντας κάμερες προσαρμοσμένες στο σώμα τους που καταγράφουν κάθε τους κίνηση.
Σύμφωνα με δημοσίευμα των Los Angeles Times, αυτό που μοιάζει με μια συνηθισμένη δουλειά έχει μετατραπεί σε μέρος μιας νέας αναδυόμενης οικονομίας, όπου οι καθημερινές δραστηριότητες μετατρέπονται σε πολύτιμα δεδομένα για την ανάπτυξη φυσικής τεχνητής νοημοσύνης. Το φαινόμενο αυτό σηματοδοτεί μια σημαντική μετάβαση: από την τεχνητή νοημοσύνη που κατανοεί κείμενα και εικόνες, σε εκείνη που μαθαίνει να δρα στον πραγματικό κόσμο.
Η νέα μορφή εργασίας που δημιουργεί η ρομποτική
Το μοντέλο ακολουθεί τη λογική της λεγόμενης gig economy, της οικονομίας των περιστασιακών εργασιών, με μια σημαντική διαφορά. Αντί να οδηγούν ή να παραδίδουν παραγγελίες, οι εργαζόμενοι εκτελούν οικιακές εργασίες ενώ παράλληλα παράγουν δεδομένα. Οι τεχνολογικές εταιρείες καταβάλλουν αμοιβές που μπορούν να φτάσουν περίπου τα 70€ για λίγες ώρες καταγραφής. Σε αντάλλαγμα αποκτούν κάτι εξαιρετικά πολύτιμο: λεπτομερή αρχεία του τρόπου με τον οποίο οι άνθρωποι αλληλεπιδρούν με αντικείμενα, λαμβάνουν αποφάσεις και εκτελούν καθημερινές δραστηριότητες.
Αυτή η μορφή απασχόλησης περιγράφεται ως ένα νέο είδος επαγγέλματος, ένας συνδυασμός χειρωνακτικής εργασίας και παραγωγής δεδομένων, που ενδέχεται να αναπτυχθεί ραγδαία καθώς η ρομποτική εξελίσσεται.
Γιατί τα ρομπότ πρέπει να παρατηρούν τους ανθρώπους;
Σε αντίθεση με τα γλωσσικά μοντέλα, τα οποία μπορούν να εκπαιδευτούν με κείμενα που υπάρχουν ήδη στο διαδίκτυο, τα ρομπότ αντιμετωπίζουν μια διαφορετική πρόκληση: την κατανόηση του φυσικού κόσμου.
Για ένα ρομπότ, ακόμη και μια απλή εργασία όπως το πλύσιμο ενός πιάτου περιλαμβάνει πολλές παραμέτρους:
- Πώς θα κρατήσει το αντικείμενο.
- Πόση δύναμη πρέπει να ασκήσει.
- Πώς θα αντιδράσει σε υγρές επιφάνειες.
- Πώς θα προσαρμόσει τις κινήσεις του σε πραγματικό χρόνο.
Οι λεπτές αυτές διαφοροποιήσεις είναι δύσκολο να προγραμματιστούν χειροκίνητα. Για τον λόγο αυτό, οι εταιρείες υιοθετούν τη μέθοδο της μάθησης μέσω επίδειξης, όπου οι μηχανές μαθαίνουν παρατηρώντας ανθρώπους.
Πώς λειτουργεί η καταγραφή με κάμερες σώματος
Οι εργαζόμενοι χρησιμοποιούν συσκευές που καταγράφουν τη δράση από ανθρώπινη οπτική γωνία. Οι κάμερες μπορεί να είναι τοποθετημένες στο κεφάλι, στο στήθος ή ακόμη και στα χέρια.
Στόχος είναι να καταγραφεί όχι μόνο το τι γίνεται, αλλά και το πώς γίνεται. Η οπτική αυτή επιτρέπει στους αλγόριθμους να αναλύουν:
- Τις διαδρομές των κινήσεων.
- Τον συντονισμό των χεριών.
- Την αλληλεπίδραση με αντικείμενα.
- Τον χρόνο εκτέλεσης κάθε ενέργειας.
Αυτό το είδος δεδομένων θεωρείται απαραίτητο για την εκπαίδευση ρομποτικών συστημάτων που καλούνται να λειτουργούν σε πραγματικά και απρόβλεπτα περιβάλλοντα.
Από την κουζίνα στο εργαστήριο
Μετά την καταγραφή, τα δεδομένα επεξεργάζονται από συστήματα τεχνητής νοημοσύνης που εντοπίζουν πρότυπα συμπεριφοράς. Στη συνέχεια τα πρότυπα αυτά χρησιμοποιούνται για την εκπαίδευση ρομπότ ή προσομοιώσεων.
Η διαδικασία περιλαμβάνει την εξαγωγή κινήσεων, την μοντελοποίηση ενεργειών,την αναπαραγωγή σε εικονικό περιβάλλον και τη μεταφορά των δεξιοτήτων σε φυσικά ρομπότ. Ο κύκλος αυτός επιτρέπει στις μηχανές να μαθαίνουν σύνθετες εργασίες χωρίς να απαιτείται λεπτομερής προγραμματισμός για κάθε διαφορετική περίπτωση.
Η παγκόσμια κούρσα για τα ανθρωποειδή ρομπότ
Η ανάπτυξη αυτού του τύπου εργασίας συνδέεται άμεσα με τον παγκόσμιο ανταγωνισμό για τη δημιουργία ρομπότ ικανών να λειτουργούν σε ανθρώπινα περιβάλλοντα. Εταιρείες όπως η Tesla, η Google και πολλές νεοφυείς επιχειρήσεις επενδύουν δισεκατομμύρια δολάρια στην ανάπτυξη ρομπότ που θα μπορούν να εκτελούν οικιακές, βιομηχανικές και βοηθητικές εργασίες.
Ο απώτερος στόχος είναι η δημιουργία μηχανών που θα λειτουργούν αυτόνομα και με ασφάλεια σε σπίτια, νοσοκομεία και εργοστάσια.Σε αυτό το πλαίσιο, τα δεδομένα που παράγουν οι άνθρωποι μετατρέπονται σε στρατηγικό πόρο.
Τα σπίτια μετατρέπονται σε εργαστήρια τεχνητής νοημοσύνης
Ένα από τα πιο εντυπωσιακά στοιχεία αυτής της τάσης είναι η μετατροπή των οικιακών χώρων σε πεδία συλλογής δεδομένων. Κουζίνες, σαλόνια και βοηθητικοί χώροι λειτουργούν ως πραγματικά περιβάλλοντα στα οποία η τεχνητή νοημοσύνη μαθαίνει.
Σε αντίθεση με τα ελεγχόμενα εργαστήρια, οι χώροι αυτοί προσφέρουν μεταβλητότητα και απρόβλεπτες συνθήκες, στοιχεία απαραίτητα για την αποτελεσματική εκπαίδευση των ρομπότ.
Τα φυσικά δεδομένα ως νέο οικονομικό αγαθό
Η συλλογή δεδομένων αποτελεί διαχρονικά έναν από τους βασικούς πυλώνες της τεχνητής νοημοσύνης. Μέχρι πρόσφατα, το μεγαλύτερο μέρος αυτών των δεδομένων ήταν ψηφιακό. Πλέον όμως αναδύεται μια νέα κατηγορία: τα φυσικά δεδομένα.
Οι κινήσεις, οι αλληλεπιδράσεις και οι ανθρώπινες συμπεριφορές αποκτούν άμεση οικονομική αξία. Το φαινόμενο αυτό μπορεί να δημιουργήσει μια νέα αγορά, στην οποία οι άνθρωποι αμείβονται όχι μόνο για την εργασία που προσφέρουν, αλλά και για την πληροφοριακή αξία των πράξεών τους.
Οι αλλαγές που μπορεί να φέρει στην αγορά εργασίας
Μακροπρόθεσμα, η ανάπτυξη ρομπότ που μπορούν να εκτελούν οικιακές εργασίες ενδέχεται να μεταβάλει σημαντικά τη δυναμική της εργασίας. Εάν οι μηχανές μάθουν με ακρίβεια τον τρόπο με τον οποίο οι άνθρωποι εκτελούν αυτές τις δραστηριότητες, επαναλαμβανόμενες εργασίες θα μπορούν να αυτοματοποιηθούν. Παράλληλα, ενδέχεται να δημιουργηθούν νέοι ρόλοι, όπως χειριστές, εκπαιδευτές και επόπτες ρομποτικών συστημάτων.
Η εξέλιξη αυτή δεν συνεπάγεται απαραίτητα την κατάργηση της ανθρώπινης εργασίας, αλλά τον μετασχηματισμό της.
Ευκαιρίες αλλά και προβληματισμοί
Παρότι το μοντέλο αυτό προσφέρει μια νέα πηγή εισοδήματος, εγείρει και σημαντικά ερωτήματα. Η χρήση καμερών μέσα στο οικιακό περιβάλλον δημιουργεί ανησυχίες σχετικά με την ιδιωτικότητα, την ασφάλεια των δεδομένων και τα ηθικά όρια της πρακτικής.
Επιπλέον, η αμοιβή που προσφέρεται παραμένει σχετικά χαμηλή σε σύγκριση με την οικονομική αξία των συστημάτων που εκπαιδεύονται μέσω αυτών των δεδομένων.
Η αρχή μιας νέας εποχής για την τεχνητή νοημοσύνη
Όσα συμβαίνουν σήμερα στο Λος Άντζελες μπορεί να μοιάζουν με ένα μεμονωμένο πείραμα, ωστόσο αποτυπώνουν μια ευρύτερη αλλαγή στον τρόπο με τον οποίο η τεχνητή νοημοσύνη μαθαίνει και εξελίσσεται.
Μετατρέποντας απλές καθημερινές εργασίες σε οργανωμένα δεδομένα, η τεχνολογία φέρνει τις μηχανές πιο κοντά στην ανθρώπινη ικανότητα αλληλεπίδρασης με τον φυσικό κόσμο.Η εξέλιξη της τεχνητής νοημοσύνης βασιζόταν πάντοτε στα δεδομένα. Με την επέκτασή της στον φυσικό κόσμο, αυτή η εξάρτηση γίνεται ακόμη μεγαλύτερη.
Η καθημερινή εργασία απλών ανθρώπων συμβάλλει πλέον στην ανάπτυξη της επόμενης γενιάς ρομπότ, γεγονός που θα μπορούσε να επαναπροσδιορίσει όχι μόνο την τεχνολογία, αλλά και την ίδια την έννοια της εργασίας. Αυτό που σήμερα μοιάζει με μια περιστασιακή απασχόληση ενδέχεται στο μέλλον να αποτελέσει βασικό στοιχείο μιας νέας οικονομίας που θα βασίζεται στην αλληλεπίδραση ανθρώπων και μηχανών.
gazzetta.gr
