与机器人做同事,是一种怎样的体验
2017-10-15 07:00

与机器人做同事,是一种怎样的体验

虎嗅注:与大批机器人一起共事,在美国的一家公司里,已是习以为常的事。在这里,一名员工能拥有数位机器人助手,大量重复的工作被分担掉了。但同时,有人的内心也不免焦虑,随着越来越多、越来越能干的机器人同事出现在不同岗位,他们也担心着,自己的职位有天将被这些“呆头呆脑”的学徒们所取代。


这家公司就是——亚马逊。


本文翻译自纽约时报,原文标题《As Amazon Pushes Forward With Robots, Workers Find New Roles》,作者,NICK WINGFIELD,由虎嗅编译。


美国新泽西州南部,有一家亚马逊的大仓库。从去年年底,Nissa Scott便开始在这里工作,那时,她的主要任物是将塑料箱摆放到货架上。对于Scott来说,这着实算不上有趣得工作,每个塑料箱重20多斤,在长达10个小时的工作内反复托举也令人十分疲惫。不过现在,21岁的Scott有了新的 “接班人”,在大货仓里,一只巨大的亮黄色机械臂正在摆放着货物。


 Scott的新工作是同时照看这几个机器人,在必要的时候进行故障检修,并确保还有货物需要摆放。“对于我来说,这已经是我们这儿能做的最需要动脑子的工作了,至少不是重复的”,Scott这样评价自己的工作。

 

或许没有任何一家公司像亚马逊这样,同时面对着自动化带来的焦虑和希望。


尽管亚马逊的电商业务成为了人们口中“摧毁传统零售业工作岗位”的 “罪魁祸首”,然而其抢眼的业务增速实际上也正在推着它创造出大量的就业岗位。为了高效地完成顾客订单,亚马逊对于初级仓库工人有着无止境的需求,其全球员工数量更是达到了微软的4倍和Facebook的19倍。就在上周 ,亚马逊宣布将在北美开设二代总部,这意味着,50,000个新地工作机会就此诞生。


而在另一边,这家公司还是致力于自动化发展的先锋,他们在积极地寻找以机器人替代工人的工作方法。


2014年,亚马逊率先引入了由Kiva研发的机器人仓储服务系统,利用仓库机器人进行工作。两年前,亚马逊以7.75亿美元将Kiva收入囊中,并将其更名为亚马逊物流机器人公司(Amazon Robotics)


现如今,在全球范围内,亚马逊共有10万个仓库机器人被投入使用,而公司计划投入更多。机器人的加入使仓库的工作变得没有那么枯燥和繁重,同时也大幅提高效率。顾客早饭后下单的牙线,晚饭前就能收到。

 

在亚马逊位于佛罗伦萨(新泽西州)和肯特(华盛顿州)的仓库,每天都可以见到人工于机器间的交互。在肯特,仓库机器人像个大甲虫,背负着2700多斤的货物在垂直货架间跑来窜去。


成百上千的仓库机器人在一片圈定的巨大范围内自主移动,紧密跟随却不会发生碰撞。在圈定范围的边缘,一组装货工人在补充货物,仓库机器人快速移走装好的货架。如果当接到新的客户订单时,货品正存储在他们背负着的货架内,机器人便在位于圈定范围另一边缘的站点排队,就好像汽车通过收费站。


在站点,人工分拣员根据电脑屏幕的指示,从货架上抓取货物并放进塑料箱内。塑料箱通过传送带传送至包装工人,包装工人再将货物放进纸箱发送给顾客。


亚马逊负责运营的高级主管 Dave Clark表示,公司希望机器人去完成最单调的工作,让员工去做需要动脑子的工作。“每个订单需要的都是不同的商品。你需要寻找和检查,在某种程度上需要思考,我觉得这很重要”。

 

仓库机器人还可以缩减工人的行走距离,增加分拣员的工作效率,使得他们的工作能够轻松一些。因为不再需要为工人保留通道空间,机器人甚至可以直接把货架捆扎到一起。更高的货架密度可以增加同一仓库内的存货数量,也更便于为顾客进行挑选。

 

亚马逊位于佛罗伦萨的仓库展示了最新仓库机器人的样品。八台机械臂在该仓库投入运行,它们的主要任务是将大规模的商品分解成更小的单位,并发送到全美各地的物流配送中心。


机械臂有一个拗口的名字叫做“堆垛机器人”,但是工人们赋予了这些机器人更多的个性。工人们在每个机器人身上贴上标签,把它们命名为 Stuart, Dave或者电影《卑鄙的我》里面其他小黄人的名字。不同于肯特的仓库机器人是收购 Kiva公司研制的系统,佛罗伦萨仓库的机械臂由外部公司负责研发。

 

去年年底,在佛罗伦萨的仓库刚运营不久,亚马逊便开始安装这些机器人。机械臂被设置成只能拿起标准尺寸箱子,其他尺寸的目标都无法拿起。在一场对于机器人未来发展可能性的展示中,亚马逊通过虚拟现实仿真技术展示了新机器人的概念样机。其中包括可以连接到叉车上,用于搬运托盘的机械臂。


Clark 表示,在亚马逊组装这些机器人的同时,过去那些负责堆放塑料箱的员工,比如Scott,正在公司接受培训,成为机器人操作员。其他员工则转岗到接收站,负责手动将大箱的商品分拣到小的塑料箱内。机器人安装使用后,并没有员工被开除,亚马逊为被取代的员工寻找到了新的角色。


那么,新的问题又来了:随着新一代机器人投入使用,今后还会有怎样的变化?

 

眼下,还是有一些工作仓库工人比机器人要擅长得多。比如,将单个商品从货架上形形色色的商品中分拣出来。自从采用仓库机器人以来,亚马逊仍在美国新雇佣了8万名工人。总仓库工人数达到12.5万。亚马逊还表示将继续大举招聘。

 

但是创业公司和研究人员正在努力克服剩下的技术障碍。在美国加州大学伯克利分校(UCB)的自动化实验室内,一个双臂机器人将机械臂轻轻落在一个箱子上。箱内装满了各种随机的物品,比如盒装即食燕麦片和玩具小鲨鱼。机器人无法识别出所有的物品,但是没关系。它将机械臂伸到货物堆上面,开始一个个分拣货物。

 

研究人员Jeff Mahler表示“机器人可以自己从杂七杂八的东西中寻找出最适合抓取每一个物品的方式”。对于人类来说,这是一项非常容易的工作。但是对于机器人而言,这则是一项出众的才能。这一进步会在某些重大行业带来巨大的改变,同时进一步变革人类劳动力市场。

 

过去,机器人被编程设定只能完成非常具体的工作,比如在仓库内移动特定种类的集装箱。他们无法对一堆东西进行分类,也无法完成更复杂的任务。但是在亚马逊物流中心,分类才是最主要的工作。大部分仍由工人完成。

 

伯克利机器人最创新的地方在于,它们可以自学任务,抓起从未见过的物品。Mahler和团队其他成员通过向机器人展示成百上千的数字对象来训练机器人。训练过后,机器人可以抓起没有在数字数据集中出现的物品。美国东北大学、美国卡耐基梅隆大学、谷歌以及 OpenAI实验室(特斯拉首席执行官 Elon Musk设立的人工智能实验室)都在研发类似的技术。人们相信机器学习一定可以让机器人实现更多类型的任务,甚至包括生产制造。

 

从硬件上看,伯克利机器人没有应用任何新的技术。Mahler和他的团队利用已有的硬件,包括瑞士国际集团ABB所制造的机械臂和用来探测深度的镜头进行开发。伯克利机器人创新的部分主要在于软件。伯克利机器人对于神经网络进行了新的应用。神经网络是一项复杂的算法,可以通过分析大规模数据来学习一项任务。比如,对成千上万的小狗照片进行模式识别,神经网络就可以学会识别小狗。

 

在过去五年内,神经网络极大的改变了互联网巨头们提供在线服务的方式,加速了图像识别、语音识别和智能推荐的发展。但是同时,神经网络也可以加速机器人学的发展。

 

工程师、物理学家和设计师在进行实验或者创造新产品时需要搭建CAD模型。CAD模型是实物的数字化表现。利用这些模型,Mahler及其团队合成了很多数字对象,最终搭建了一个拥有超过700万件商品的数据库。随后他们模拟每项商品的物理属性,展示机械臂在抓取物体时要着力的精确点。

 

这是一项巨大的工程,但是整个过程大多数都是自动完成的。研究团队将模型输入神经网络,神经网络学习识别潜在任何形状的数字对象的相似点。然后研究团队将神经网络嵌入双臂机器人中,机器人便可以在任何形状的实物上寻找出抓取时的着力点。

 

在分拣日常生活中各种形状的日用品时,如果是圆柱形物体或至少拥有部分平坦表面,比如铲刀、订书机、桶装薯片或管装牙刷,那么机械臂捡起物品的成功率就可以达到90%。但是如果处理形状更为复杂的物体,比如玩具鲨鱼,那么成功率就会下降。

 

并且,研究团队搭建模拟的随机货物堆,并将该模型输入神经网络,那么神经网络遍也可以学会从实际的货物堆中拿起商品。美国布朗大学和东北大学的研究者们正在进行类似的研究,希望这种方式可以和其他办法相结合。

 

亚马逊对于未来这种机器人有着迫切的需求,所以亚马逊赞助加州大学伯克利分校的研究工作。在过去三年内,亚马逊还举办了机器人比赛,寻求识别货物、抓取货物、移动货物的解决办法。机器学习方法的前景最终可以扩展到其他领域,包括生产制造机器人和家庭机器人。

 

至今对于自我学习机器人的研发还远远不够。自我学习任务的机器人要想在实验室外得到应用还需要几年的过程。但是用于训练机器人的神经网络技术代表了机器人研究领域的一项重大改变。这一改变不仅仅会改变亚马逊的仓库物流系统,也会变革整个产业。

 

《机器人时代》的作者Martin Ford相信,亚马逊仓库的就业图景终将改变,这一切只是时间问题。他认为,“科技终将取代掉很多仓库工人。并不是说一夜之间很多工作岗位就会消失。或许最早的迹象不是工人失业,而是创造就业岗位的节奏变慢。”

 

亚马逊的Clark表示,从历史角度来看,自动化的发展可以提高工作效率。并且在某些情况下,顾客的需求最终将创造更多的工作岗位。在科技高度发展的情况下,仓库工人依旧有事可做。自动化的发展毁掉工作岗位的净增长是不现实的。

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
正在改变与想要改变世界的人,都在 虎嗅APP