אינטליגנציה היברידית היא העתיד של ניהול שרשרת אספקה
שרשרת האספקה והגשמת מוצרים היא אחת התעשיות המרגשות ביותר בעולם כרגע בכל הנוגע לחדשנות דיגיטלית. למרות שזה אולי לא נשמע סקסי מדי, השיטה של אספקת מוצר מנקודה א' לנקודה ב' השתנתה לחלוטין במהלך חמש השנים האחרונות, וכנראה תהיה שונה לחלוטין בחמש הבאות.
ישנם כל כך הרבה משתנים המעורבים באוטומציה של תהליכי שרשרת האספקה: משלוח, ייצור, אריזה, מיון ועוד. ישנם יישומים ברורים בתעשיות כמו פיננסים ובידור שבהם לבינה מלאכותית תהיה השפעה גדולה, אבל ברגע זה בדיוק, בינה מלאכותית מחוללת מהפכה באופן שבו מוצרים נמכרים ומשלוחים.
אבל לא כל AI נוצר באופן שווה. פשוט תשאל קרובי משפחה , חברת רובוטיקה בינה מלאכותית עם משרדים בסן פרנסיסקו ובטורונטו. החברה מייצרת זרועות רובוטיות כדי לסייע במיון ואריזה של חומרים בסביבת הגשמה - דרך מפוארת לומר שהרובוטים שלהם אורזים קופסאות מלאות במוצרים למשלוח ללקוחות. נכון לעכשיו, Kindred חשפה בפומבי לקוח אחד: Gap, שהייתה תוכנית הפיילוט שלהם. מכיוון שהקמעונאים נזהרים לא לחלוק את ההתקדמות שלהם עם המתחרים שלהם, Kindred גם קשוחת שפתיים. עבור Gap, ל-Kindred יש כמה רובוטים האורזים בגדים בשני מקומות מילוי.
הרובוטים של Kindred שונים מקודמיו. הרובוטים משתמשים בסוג מסוים של בינה מלאכותית הנקראת למידת חיזוק, קטע של בינה מלאכותית שהרבה פעמים לא מסתכלים עליה. בטח, זה שונה, אבל לא בלתי נשמע. מה שמייחד את Kindred הוא שלמכונות שלהם יש גם צי של טייסים מאומנים במיוחד שיושבים במשרד בטורונטו ומלמדים את הרובוטים שיטות עבודה מומלצות בעזרת אדם. עכשיו זה קצת שונה.
החזרה היא המפתח
ג'יימס ברגסטרה הוא מייסד שותף של Kindred וראש מחקר AI בחברה. הוא אחראי לפקח על המעבר של מחקר וחדשנות בלימוד מכונה וחיזוק למודל העסקי של החברה, פרסום תוצאות מחקר, ובעצם כל מה שקשור לאופן שבו הרובוטים עובדים ב- Kindred.
במהלך שלוש השנים האחרונות, Kindred הפכה לאחת החברות המובילות בעולם בכל הנוגע למחקר ויישום למידת חיזוק עם תוצאות בעולם האמיתי. רובוטים לומדים מהטעויות שלהם, וכאשר אדם מנחה אותם, הם לומדים אפילו מהר יותר.
כל מה שהזרוע עושה יכול להיעשות טוב יותר או גרוע יותר, אומר ברגסטרה. ואנחנו משתמשים בבינה מלאכותית כדי לוודא שזה טוב יותר.
אנו מסתכלים על הדרך שבה בני אדם יכולים להפעיל את המכונות שלנו כסוג של תקן זהב. – ג'יימס ברגסטרה, ראש מחלקת הבינה המלאכותית ב-Kindred
מנקודת מבט בסיסית מאוד, Ai at Kindred פועל כך: כתוב אלגוריתם שמלמד רובוטים לזהות ולאסוף דברים ואז למקם או למיין אותם. כאשר זה מבלבל, תן לאדם להנחות אותו לתוצאה הנכונה. המכונה קולטת את הדפוסים של האדם ואז מלמדת את עצמה, ובסופו של דבר מגיעה לנקודה של ביטחון שבה בני האדם יכולים להפסיק לקיים אינטראקציה ולעבור לרובוט חדש. לדוגמה, שינוי אחד בהשראת האדם היה כרוך בהכרה שטייס נע בצורה חיננית וזורמת הרבה יותר ממה שעשו הרובוטים המקוריים. ברגסטרה הציג לולאת משוב סגורה בין תנועות כוריאוגרפיה של הזרוע לבין אופן פעולתו של התפסן, כמעט מזכיר כיצד אדם יכול לסובב את זרועו ולאחוז את ידו בזמן אמת בזמן שהוא מושיט יד לחלק האחורי של ארון כדי לתפוס פחית.
לא מדובר בבני אדם שיושבים בתא הטייס של רובוט ענק ומטיסים אותו. הטייסים של Kindred יושבים ליד שולחן (ראה את התמונה למטה), כוס קפה בהישג יד, וקופצים פנימה כדי לעזור לרובוטים להגשמה אם הם נתקעים. סוגי הדברים שכל רובוט עלול להיתקע בהם כוללים ניסיון לתפוס פריט לבוש מסוים, או לא לדעת היכן למקם את המוצר הזה.
טייס רובוט משותף בעבודה.
למידת חיזוק היא סוג של למידת מכונה שבה מערכות בינה מלאכותית יכולות ללמוד מהניסיון שלהן, אומר ברגסטרה. בכל פעם שאנחנו מדברים על פעולת האחיזה של הרובוט, אם הוא מושיט יד ותופס משהו ומחטיא, זה כמו 'אה הו, זו דוגמה שלילית למשהו שהוא צריך להימנע ממנו בעתיד.' אבל כשהוא מצליח, זה נהדר, כי זה אומר אנחנו עושים עבודה עבור הלקוחות שלנו, ומקבלים חיזוק חיובי לאופן שבו אנחנו מתקשרים עם העולם. אנו מתעדים את כל הנתונים הללו ומשתמשים בהם באלגוריתם הלמידה שלנו כדי להגדיל את הסיכוי בעתיד לבחור בפעולות שיובילו לתוצאות טובות.
השילוב של טכנולוגיות להשגת תהליך מסוג זה הוא מדהים ונבנה לחלוטין בתוך הבית. הרובוט קיים בתוך מחסן והוא בערך בגודל של זרוע אנושית, עם 'יד' אוחזת גומי. יש לו מצלמת סטריאו כך שטייסי הרובוט יכולים לראות כל מה שקורה. הרובוט משתמש בטכניקות אופטימיזציה וסריקה בסיסיות אך יש לו גם טכנולוגיה קניינית מיוחדת הנקראת AutoGrasp , שניתן לראות בחלקו למטה.
הכוכב כאן הוא הרובוט AI עצמו, אבל קשה להתעלם איך Kindred יצרה לכאורה עבודה חדשה לגמרי עם טייסי רובוטים. ניסוי וטעייה הם חלק גדול מהאופן שבו Kindred מגיע למה שברגסטרה מכנה אינטליגנציה דמוית השכל הישר האנושי בתוך הרובוטים שלהם. כאשר Kindred החלה לראשונה לבדוק את הרובוטים שלהם, הבינה המלאכותית לא הייתה בטוחה במה שהיא עושה רוב הזמן, כלומר היא נאלצה לעתים קרובות לקרוא לטייסים האנושיים להתערב.
AutoGrasp של Kindred בפעולה.
האינטראקציה של טייס עם רובוט היא מינורית, ורוב הזמן נמשכת שניות בלבד. הם יתפסו משהו, או יסרוקו משהו, או יעוותו את זרוע הרובוט בצורה חלקה יותר כדי להניח או להרים משהו.
התחלנו את החברה עם הרעיון הנועז הזה של בניית אינטליגנציה דמוית אדם בתוך מכונות, בניגוד לאופטימיזציה של דברים או ביצוע 'בינה מלאכותית מצוינת'. אנחנו כוללים את הרעיון של דמוי אדם כי אנחנו כן מסתכלים על הדרך שבה בני אדם יכולים לפעול המכונות שלנו כמעין תקן זהב, אומר ברגסטרה. ואנחנו כן רואים את זה. הטייסים האנושיים שלנו מצוינים מבחינת היעילות שלהם ואיך הם מתמודדים עם השונות והשכל הישר שהם מביאים. הטייסים האנושיים שלנו יכולים אפילו לספק שירות לקוחות, מכיוון שהם יכולים לתקשר עם אנשים על הרצפה.
הנה פירוט מהיר של תפקיד הטייס הרובוט: הם לא צריכים רקע הנדסי, ו-Kindred מגייסים מקומיים, לוקחים שיתופי פעולה ומתמחים. Kindred מקפיד להעסיק עובדים עם רקע שונה, שכן טייס רובוט הוא עבודה חדשה שנוצרה והם לא יודעים מי עשוי להיות המתאים ביותר לתפקיד. טייסים עוקבים אחר צי שלם, וכשהם קופצים לעזור לרובוט, הם לא מכירים את המתקן או הרובוט שהם עוזרים. אם הם לא יכולים לפתור בעיה, הם קוראים למישהו בקומת המחסן להתערב.
אנחנו החברה הראשונה בעולם שהביאה אלגוריתמי למידת חיזוק למוצר מסחרי. – ברגסטרה
אבל להגיע אפילו לנקודה של שימוש בטייסים אנושיים הייתה עבודה רבה של ברגסטרה והצוות שלו. הם השתמשו בלמידה עמוקה וברשתות עצביות כדי לאפשר לרובוט לבצע תחזיות על סמך שתי פיסות מידע זמינות: מה אני מסתכל עכשיו במצב הנוכחי, ומה אני יכול לעשות במצב הנוכחי הזה. במקרה הנוכחי של Kindred, זה אומר לתפוס מוצר לארוז ולשלוח. הרובוט משתמש בלמידה עמוקה כדי לזהות את הפריט מול הרובוט, כמה יעיל יהיה לפעול על המוצר הזה, ואז מה יהיה התגמול.
הרובוטים יקראו לטייסים לעזרה כשהם מסתכלים על פח, והם מנחשים מה לעשות, וכולם לא מבטיחים, אומר ברגסטרה. כאשר לרשת העצבית יש מספיק נתונים שהיא למעשה עושה תחזיות משמעותיות, ועשינו את האופטימיזציה הזו, והיא אומרת לנו שכל הפעולות מבטיחות, זה אומר לנו שאנחנו בטוחים שאנחנו לא צריכים להשתמש בטייסים שלנו כדי לעסוק.
מדידת הצלחה
סף הביטחון הוא על מה נשענת הצעת הערך של Kindred. הם מדווחים על 85 אחוז - כלומר Kindred מטפל ב-85 אחוז מהאוטומציה ברמה כמעט מושלמת. חלק מרכזי בהגדלת החברה היה לוודא שהם יוכלו להגיע לסף הזה במהירות. הצוות ערך בדיקות פנימיות במהלך שנותיו הראשונות מ-2014-2016, מצא שהן כדאיות, ואז מצא שותף לפיילוט ב-Gap. Kindred החלו למדוד את הצלחתם בסביבה של הגשמה תחילה בצורה לא מקוונת, ולאחר מכן התגברה בהדרגה.
ברגסטרה כנה לגבי הימים הראשונים.
זו גישה חדשה איך לעשות רובוטיקה, ולא ידענו כמה זמן זה ייקח.
ההיסוס המוקדם הזה היה מבוסס היטב, בהתחשב בכך שלמידת חיזוק היא צורת נישה של AI שלא אומצה באופן נרחב על ידי קהילת הרובוטיקה או כדיסציפלינה הנדסית. אין הרבה מחקרים להסיק מהם מסקנות, אז להבין איך זה ישתלב במפת הדרכים של המוצר ובסביבות הגשמה חיות היה אתגר.
אם יש לך מידע רב לקחת בחשבון, התהליך איטי, אומר ברגסטרה, ומסביר מדוע למידת חיזוק עדיין לא אומצה במלואה.
אם יש רצף ארוך של פעולות שאתה צריך לעשות בין הרובוט חכם ועושה משהו בצורה טובה ויש תמורה עבור הפעולה הזו, זה נקרא פרס מושהה. ככל שהעיכוב ארוך יותר, כך קשה יותר לדעת אילו מהפעולות שעשיתם שתרמה לתגמול הטוב.
העבודה שברגסטרה עושה עם למידת חיזוק משפיעה מאוד על אופן השימוש בבינה מלאכותית ורובוטיקה בעתיד, אפילו מחוץ למרכזי הגשמה של מסחר אלקטרוני.
למידת מכונה ולמידת חיזוק מבוססים על הרעיון שנתונים על מה שעובד ומה לא עובד יכולים לגשת בצורה אסימפטוטית לפתרון אופטימלי באופן שחוקי קוד קשיח לא יכולים, אומר ברגסטרה. הם לא משתנים עם הזמן והם לא משתפרים. מהנדסים יכולים לשפר אותם, אבל הם לא בהכרח יודעים כמה מרווח הראש יש. באותו אופן, אנו רואים כיצד למידה עמוקה שינתה את הדרך בה אנו מבצעים ראייה ממוחשבת, אנו מצפים שטכניקות כמו למידת חיזוק יבצעו מהפך דומה לדרך שבה אנשים מעצבים מערכות בקרה של רובוטים.
הבאת משפחה לעולם
אולי הדבר החשוב ביותר עבור Kindred הוא להיות מסוגל לשתף ולשחזר את ההתקדמות שהם למדו. לא כדאי כעסק ליצור ידע מותאם אישית לכל לקוח, ולכן Kindred נותנת עדיפות ליכולת להשתמש בידע ובמערכות הנלמדות שלהם וליישם אותו בכל סביבה, גם מחוץ לעולם הלבוש. ניתן לאמן את הרובוטים תוך שבועות לאסוף קופסאות, קרטונים, בקבוקים, שקיות או כמעט כל דבר אחר.
זה המקום שבו Kindred בולט. הן אחת החברות היחידות בעולם שיכולות להרחיב את הסוג הזה של בינה מלאכותית מגובה למידת חיזוק ולהביא אותה ללקוחות חדשים עם בעיות חדשות לפתור.
אם היית מדרג סטטיסטי את כל החברות השונות שמנסות לעשות רובוטיקה מבחינת היכולת שלהן ללכוד את הנתונים שמניעים תהליכים מסוג זה, עד כמה שידוע לי, אנחנו מקדימים שנות אור מכל חברה שעושה את זה. , אומר ברגסטרה. אנחנו החברה הראשונה בעולם שהביאה אלגוריתמי למידת חיזוק למוצר מסחרי.
רובוט דובר אוסף חולצה ארוזה כדי לשלוח החוצה.
ההכרזה הזו היא האוזניים של מנכ'ל Kindred, ג'ים ליפר. בתור המנהל הבכיר, ליפר נלהב מהערך העצום שגישה זו מביאה ללקוחות פוטנציאליים.
היופי בלהיות האדם שלנו במעגל הוא לא רק שאנחנו מאמנים את האלגוריתם, אלא שאנחנו גם מאפשרים ללקוח להמשיך לנוע בקצב שלו, אז אנחנו לא מאטים אותם, הוא אומר. אחת הבעיות עם פתרון אלגוריתמי פשוט לחלוטין ללא אדם היא שלוקח הרבה זמן להגיע למהירות ייצור כדי לפתור את הבעיה של הלקוח.
הערך שאנו מספקים הוא בהתמודדות עם מצבים פחות מבוקרים שבהם אפשרויות האוטומציה המסורתיות נאבקות עקב שונות וכל מקרי הקצה בעולם האמיתי שצצים, אומר ברגסטרה. זו נקודה מתוקה לסוג זה של מדיניות מונעת נתונים לשליטה בדברים.
המודל העסקי של Kindred מבוסס על סטנדרטים טיפוסיים של מרכז הגשמה: הם גובים על בסיס מחיר לבחירה, כלומר Kindred מרוויח כסף בהתאם למספר הפריטים המוצלחים שנבחרו על ידי הרובוטים שלהם.
אם אתה חושב על מה אנחנו פותרים, כמו בצרכים של מניפולציה והצרכים בין חלק של אוטומציה A לחלק של אוטומציה ב', יש לנו הרבה מקומות לפרוס בהם. - ג'ים ליפר, מנכ'ל Kindred
ליפר מכיר היטב את המודל בהתחשב בכך שהוא נמצא בעולם שרשרת האספקה כבר כמעט שני עשורים. הוא בילה שלוש שנים כסמנכ'ל ב-UPS, ואז עבר להיות סמנכ'ל התפעול ב-Walmart במשך שש שנים. ההתרגשות שלו לגבי האופן שבו Kindred יכול לשנות את פני עולם שרשרת האספקה מבוססת היטב. כשהגיע ל-Kindred, תחילה כ-COO ולאחר מכן כמנכ'ל, הוטלה עליו המשימה לחבר את כל הרכיבים הטכניים של ברגסטרה כדי לפתור בעיה בעולם האמיתי.
בגלל הרקע שלי, אני מפרק דברים למרכיבים פשוטים יותר להבנה, אומר ליפר. זה מסתכם בארבעה דברים: ראייה, יכולת האחיזה והמניפולציה בפועל, היכולת לזהות במה הרובוט אוחז, ואז היכולת לשים את הדבר הזה איפשהו. כשפיתחנו מגוון רחב זה של טכנולוגיה, היו לנו ארבע היכולות הללו ביד. מכאן, ארבעת המרכיבים הללו מתאימים מאוד לעסקים רבים בעולם.
ליפר מצביע על הטייסים האנושיים כאנשים שמגשרים על הפער האחרון למקרי קצה בהגשמה - פתרון שלא מוצע בשום מקום אחר. זה מאפשר ל-Kindred להציב את הכוונת שלהם גבוה.
יש אזורים סמוכים, אפילו בין ארבעת הקירות של מרכז הגשמה, כדי שנוכל לעבוד, הוא אומר. אם אתה חושב על מה אנחנו פותרים, כמו בצרכים של מניפולציה והצרכים בין חלק של אוטומציה א' לחלק של אוטומציה ב', יש לנו הרבה מקומות לפרוס בהם.
בין ברגסטרה לליפר, הם מפרטים דוגמאות בתעשיית הרכב, הייצור ואפילו הבריאות. בכל מקום צריך לסדר סט גדול של רכיבים קטנים בצורה ספציפית, והם מגיעים ללא מבנה. בני משפחה יכולים להבין ערימה של דברים ששוכבת זה בזה. ההתמקדות המכוונת תהיה במוצר ש-Kindred כבר פיתחה, בניגוד למיקוד המשאבים ביצירת רובוט נוסף עם פונקציה מיועדת אחרת.
Kindred מפעילה כיום צי רובוטים עם מספר שותפים שונים. ההזדמנויות הולכות וגדלות ככל שהקניות המקוונות משגשגות וחברות מחפשות לבצע אוטומציה של היבטים של שרשרות האספקה שלהן. אבל כשאנשים חושבים על אקסטרפולציה של האפשרויות לזרוע רובוטית דמוית אדם, הם לרוב הולכים ישר לרפואה ולניתוח.
כשנשאל אם הוא חושב שזרוע רובוטית מסוג Kindred תעשה ניתוח לב פתוח בקרוב, ברגסטרה צוחקת על זה.
אולי לא, הוא אומר. אבל עדיין יש הזדמנויות לשימוש בשיטות למידה בנקודות קטנות שאינן בהכרח מצבי חיים או מוות על שולחן ניתוחים. הרבה דברים קורים בבית חולים. יש הרבה לוגיסטיקה במונחים של הזזת דברים והבאת דברים למקום הנכון.
וזה בדיוק מה שקיינדרד עושה. הם מביאים דברים למקום הנכון. עם קצת עזרה מהחברים שלהם, כלומר.
