ავტომატიზაცია

  • ციფრული შეშუპების ხაფანგი: რატომ ვერ ახერხებენ ავტომატიზაცია და ხელოვნური ინტელექტი რუსული ბიზნესისთვის გარღვევის მოტანას

    ციფრული შეშუპების ხაფანგი: რატომ ვერ ახერხებენ ავტომატიზაცია და ხელოვნური ინტელექტი რუსული ბიზნესისთვის გარღვევის მოტანას

    ავტომატიზაციისა და ხელოვნური ინტელექტის სისტემების ფართოდ გავრცელებამ თანამედროვე ბიზნესი ცრუ პროდუქტიულობის პარადოქსულ კრიზისამდე მიიყვანა.

    ამ სახიფათო ტენდენციაზე ისაუბრა . ექსპერტის თქმით, ახალ ტექნოლოგიებში კოლოსალური ინვესტიციების მიუხედავად, რომლებიც ტექსტების გენერირებისა და მონაცემთა მასიური ნაკრებების წამებში ანალიზის საშუალებას იძლევა, კომპანიების უმეტესობის მენეჯმენტი ბიზნესის მუშაობის რეალურ გაუმჯობესებას ვერ ხედავს. სპეციალისტი ამ ფენომენს პრიორიტეტების სისტემურ დამახინჯებას მიაწერს: „ჩვენ ვისწავლეთ მეტი მოქმედების შესრულება, მაგრამ ეს არ ნიშნავს, რომ უფრო სწორი გადაწყვეტილებების მიღება დავიწყეთ. დღეს ბიზნესი ხშირად რაოდენობას ზომავს, თუმცა კონკურენტულ უპირატესობას ხარისხი ქმნის“.

    სამუშაო დროის ოპტიმიზაციისთვის შექმნილმა ციფრულმა ინსტრუმენტებმა, პრაქტიკაში, კოლოსალური ინფორმაციის გადატვირთვა გამოიწვია. თანამშრომლები თავს გადატვირთულად გრძნობენ ათობით ჩატით, დაუსრულებელი ზარით და ნეირონული ქსელების მიერ ავტომატურად გენერირებული დოკუმენტაციის მთებით. მიუხედავად იმისა, რომ ჩართულობის მაჩვენებლები შეიძლება იზრდება, ფაქტობრივი პროდუქტიულობა და სამუშაოს ხარისხი უცვლელი რჩება. ამ პრობლემის საილუსტრაციოდ, ბიხანოვი აღნიშნავს: „თუ ვინმემ ორის ნაცვლად ათი პრეზენტაცია მოამზადა, ეს არ ნიშნავს, რომ კომპანია უფრო წარმატებული გახდა. ეფექტურობა არ არის ქმედებების რაოდენობა, არამედ გადაწყვეტილებების ხარისხი, რომლებიც ბიზნესს წინსვლისკენ უბიძგებს.

    ცრუ ეფექტურობის კრიტერიუმები და მენეჯმენტის ახალი გამოწვევები

    ბიზნესები კვლავ მიდრეკილნი არიან მხოლოდ ადვილად განსაზღვრადი მეტრიკების გაზომვისკენ. ეს იწვევს მენეჯმენტის რიგ გავრცელებულ შეცდომებს:

    • ისინი ოპტიმიზაციას უკეთებენ მეორად მეტრიკებს, მათ შორის შეხვედრების, გაგზავნილი ელფოსტის ან შესრულებული დავალებების რაოდენობას, რომლებსაც მცირე გავლენა აქვთ საბოლოო ფინანსურ ან სტრატეგიულ შედეგზე.
    • ისინი ისეთ სიტუაციაში დგანან, სადაც „ეს ცრუ ეფექტურობის ხაფანგია: როდესაც სიჩქარე ხარისხის ნაცვლად ფასდება, თანამშრომლები მუშაობენ მეტრიკაზე და არა შედეგებზე“.
    • ისინი უგულებელყოფენ ისეთ ფაქტორებს, რომელთა ციფრული ფორმატირება რთულია, მაგრამ კრიტიკულად მნიშვნელოვანია, როგორიცაა გადაწყვეტილების მიღების სიღრმე, გუნდში ურთიერთნდობის დონე ან კომპანიის საერთო სტრატეგიის სწრაფად შეცვლის უნარი.

    ხელოვნური ინტელექტის განვითარება მნიშვნელოვან დროის რესურსებს ათავისუფლებს, მაგრამ ამავდროულად, ტოპ მენეჯმენტს ფუნდამენტური დილემის წინაშე აყენებს განვითარების სწორი გზის არჩევისას. ადამიანური ფაქტორის ძირითადი როლის შეფასებისას, ექსპერტი აცხადებს: „ხელოვნური ინტელექტი პასუხობს კითხვას „როგორ გავაკეთოთ ეს უფრო სწრაფად“, მაგრამ არა კითხვას „რა ღირს სინამდვილეში“. სწორედ აქ იბადება ლიდერის ძირითადი ღირებულება“. ამჟამინდელ გარემოში მთავარი ამოცანაა პერსონალის შეფასების სისტემების გადახედვა, კითხვა „რამდენი რამ იქნა მიღწეული?“-დან „რა ღირებულება აქვს ამას ბიზნესისთვის?“-ზე გადასვლა.შრომის ბაზრის ტრანსფორმაციის შეჯამებისას, ბიხანოვი ასკვნის: „ჩვენ შევდივართ ეპოქაში, სადაც ყველაზე მნიშვნელოვანი რესურსი აღარ არის მუშაობის სიჩქარე, არამედ სწორი გადაწყვეტილებების მიღების უნარი. ტექნოლოგიას უკვე შეუძლია ყველაფრის მოგვარება.

  • ავტომატიზაციის გენდერული მიკერძოება: რატომ ექცევიან ქალები პირველები ხელოვნური ინტელექტის გავლენის ქვეშ

    ავტომატიზაციის გენდერული მიკერძოება: რატომ ექცევიან ქალები პირველები ხელოვნური ინტელექტის გავლენის ქვეშ

    ახალმა კვლევამ აჩვენა, რომ ხელოვნური ინტელექტის (AI) ტექნოლოგიების განვითარება არაპროპორციულ საფრთხეს უქმნის ქალთა დასაქმებას. ეს საგანგაშო ტენდენციები მა გაავრცელა ინფორმაცია . ანალიტიკოსები ხაზს უსვამენ, რომ ავტომატიზაციისადმი ყველაზე მგრძნობიარე სექტორებში სამუშაო ადგილების 80%-ზე მეტს ამჟამად ქალები იკავებენ.

    სახიფათო კონცენტრაცია ოფისის სექტორში

    ანგარიშის „ხელოვნური ინტელექტი და ქალი მუშაკებისთვის ახალი რისკები“ თანახმად, ადმინისტრაციული და საოფისე სამუშაოები ყველაზე მეტად დაზარალებულია. მდივნებს, ოფისის მუშაკებსა და მიმღებებში ქალების პროცენტული მაჩვენებელი კრიტიკულად მაღალია, რაც ამ ჯგუფებს განსაკუთრებით დაუცველს ხდის ალგორითმების დანერგვის მიმართ. ამ სიტუაციამ შეიძლება მნიშვნელოვნად გაამწვავოს შრომის ბაზარზე არსებული უთანასწორობა და გამოიწვიოს სოციალური არასტაბილურობის ზრდა.

    კვლევამ გამოავლინა რამდენიმე ძირითადი რისკ-ფაქტორი მომუშავე ქალებისთვის:

    • ავტომატიზაციისადმი ყველაზე მგრძნობიარე პროფესიებში დასაქმებული 10-დან 8-ზე მეტი ქალია.
    • ტექნოლოგიები ოფისის გარემოში უფრო სწრაფად ინერგება, ვიდრე წარმოების სექტორებში.
    • მკაფიო საკანონმდებლო ბარიერების არარსებობა თანამშრომლებს სამსახურიდან გათავისუფლების რისკის ქვეშ აყენებს.

    სამართლებრივი დაცვის საჭიროება

    ექსპერტები სერიოზულ შეშფოთებას გამოთქვამენ იმის გამო, რომ ციფრული ტრანსფორმაცია შრომითი უფლებებისთვის დაუმთავრებელი ბრძოლის ფონზე მიმდინარეობს. ქალთა და ოჯახების ეროვნული პარტნიორობის პრეზიდენტი, ჯოსლინ ფრაი, ამტკიცებს: „ხელოვნური ინტელექტი იწყებს ამერიკული სამუშაო სივრცის ტრანსფორმაციას იმ დროს, როდესაც ჩვენ ჯერ კიდევ ვიბრძვით ქალებისთვის თანასწორობისა და სამართლიანობისთვის“. ამასობაში, ტატიანა გოლდმანი ხაზს უსვამს მთავრობების პასუხისმგებლობას და აცხადებს: „კანონმდებლებს აქვთ შესაძლებლობა და პასუხისმგებლობა, დაადგინონ მკაფიო რეგულაციები, რომლებიც მხარს უჭერენ ხელოვნური ინტელექტის პასუხისმგებლიან გამოყენებას და დაიცავენ მუშაკებს ზიანისგან“.

    საგანგაშო სტატისტიკის მიუხედავად, ექსპერტები გვახსენებენ, რომ დღეს არცერთი პროფესია არ არის სრულიად დაზღვეული ტექნოლოგიების გავლენისგან. გამოსავალი იმ უნიკალური ადამიანური უნარების განვითარებაშია, რომელთა რეპროდუცირება ხელოვნურ ინტელექტს ჯერ არ შეუძლია. საზოგადოებისთვის მთავარი გამოწვევა პასუხისმგებლიანი დიგიტალიზაციისთვის პირობების შექმნაა, რაც ხელს შეუშლის მუშაკთა დაუცველი ჯგუფების უფლებების ეროზიას.

  • ტესლა ოპტიმუსს ქარხნის სართულზე მოჰყავს: ათასი ჰუმანოიდი უკვე მუშაობს

    ტესლა ოპტიმუსს ქარხნის სართულზე მოჰყავს: ათასი ჰუმანოიდი უკვე მუშაობს

    ინდუსტრიის წყაროების ცნობით , Tesla-მ უკვე განათავსა დაახლოებით 1000 Optimus-ის ჰუმანოიდი რობოტი თავის აშშ-ს ობიექტებში. მანქანები მუშაობენ ტეხასისა და ფრიმონტის ქარხნებში და თანდათანობით ინტეგრირდებიან რეალურ წარმოების პროცესებში.

    ბოლო დრომდე, ჰუმანოიდი რობოტები სამრეწველო გამოყენებისთვის არაეფექტურად ითვლებოდა. სპეციალიზებული მანიპულატორები უფრო იაფი და მარტივი იყო. თუმცა, Tesla მრავალფუნქციურობასა და ხარჯების შემცირებაზეა ორიენტირებული. კომპანია Optimus-ის ფასის 20,000-30,000 დოლარამდე გაზრდას ვარაუდობს.

    რობოტები სახელოსნოში და არა სცენაზე

    ამჟამად, Optimus-ი ძირითადად ტვირთს ამუშავებს და აკუმულატორების ელემენტების დამუშავებას სწავლობს. რობოტები ახარისხებენ ელემენტებს და აწყობენ ელექტრომობილებისთვის საჭირო წევის აკუმულატორებს.

    Optimus-ის მესამე თაობა უკვე გამოიყენება საწარმოებში. მას აქვს 22 გრადუსიანი თავისუფლების მქონე ხელები. აქტივატორები განლაგებულია წინამხარში. თითებს მყესები აკონტროლებენ, ხოლო წვერებზე არსებული სენსორები ზუსტად არეგულირებენ მოჭიდების ძალას.

    ისწავლეთ საათებში კვირების ნაცვლად

    Tesla Autopilot-ისთვის შემუშავებული FSD v15 არქიტექტურა სწავლაზეა პასუხისმგებელი. რობოტები გარემოში ნავიგაციას რვა კამერის გამოყენებით ახდენენ და ახალ დავალებებს სწრაფად ასრულებენ.

    ენობრივი მოდელების ნაცვლად, გამოიყენება დიდი ქცევითი მოდელები. ისინი აღწერენ ურთიერთქმედებას რეალური სამყაროს ობიექტებთან. ახალი უნარების შესწავლა ახლა რამდენიმე საათშია შესაძლებელი, პროგრამირების კვირების ნაცვლად.

    მასობრივი წარმოება და სოციალური რისკები

    Tesla უკვე აშენებს Optimus-ის სპეციალურ საწარმოო ობიექტს ტეხასში. კომპანია წლის ბოლომდე 50 000-მდე რობოტის წარმოებას ვარაუდობს. მომავალში ასევე შესაძლებელია სამომხმარებლო ვერსიის წარმოება.

    რობოტებს უკვე შეუძლიათ 8-10 საათის განმავლობაში მუშაობა დატენვის გარეშე. ეს საკმარისია პერსონალის რამდენიმე ცვლის შესაცვლელად. თუმცა, მექანიზმების ცვეთისა და ადამიანების ჩანაცვლების სოციალური შედეგების საკითხები კვლავ აქტუალურია.

  • ჰუმანოიდი რობოტი ატლასი სამრეწველო სამუშაოებისთვის მზადაა

    ჰუმანოიდი რობოტი ატლასი სამრეწველო სამუშაოებისთვის მზადაა

    Boston Dynamics-მა წარმოადგინა Atlas-ის ჰუმანოიდი რობოტის საბოლოო საწარმოო ვერსია. მრავალწლიანი ტესტირების შემდეგ, პროექტი ინდუსტრიულ სტანდარტებს შეესაბამებოდა. პირველი მომხმარებლები იქნებიან Hyundai და Google DeepMind.

    კომპანია აცხადებს, რომ Atlas შექმნილია „სამრეწველო გამოყენების ფართო სპექტრისთვის“. რობოტი შექმნილია სტაბილურობისა და საიმედოობისთვის. მას შეუძლია მუშაობა ავტონომიურად, ოპერატორის კონტროლის ქვეშ ან პლანშეტის საშუალებით.

    მახასიათებლები და შესაძლებლობები

    ატლასის საბოლოო ვერსიამ მიიღო მძიმე ინდუსტრიისთვის განკუთვნილი პარამეტრები:

    • დიაპაზონი 2.3 მეტრამდე
    • დატვირთვის ტევადობა 50 კილოგრამამდე
    • სამუშაო ტემპერატურა -20-დან +40 გრადუსამდე

    რობოტი სრულად ელექტრომოწყობილია. ჰიდრავლიკიდან გადასვლა 2024 წელს დასრულდა. იმ დროს მისი საავტომობილო ნაწილებთან მუშაობის დემონსტრირება მოხდა.

    როდის გავა Atlas-ი კონვეიერზე?

    Hyundai-ი ავტოქარხნებში Atlas-ის გამოყენების დაწყებას 2028 წლიდან გეგმავს. თავდაპირველად, რობოტის ამოცანა ნაწილების თანმიმდევრულად დაწყობა იქნება. 2030 წლისთვის მისი ამოცანები კომპონენტების აწყობასა და მძიმე ტვირთამწეობის ოპერაციებზე გაფართოვდება.

    Google DeepMind შეიძენს Atlas-ს Gemini Robotics-ის ხელოვნური ინტელექტის მოდელების ინტეგრირებისთვის. პარტნიორობის მიზანია ავტონომიური რობოტული ოპერაციების განხორციელება რთულ სამრეწველო გარემოში. პროექტი აერთიანებს რობოტიკასა და ხელოვნურ ინტელექტს.

  • ფოტო და პროდუქცია: CAD მოდელების ახალი ერა

    ფოტო და პროდუქცია: CAD მოდელების ახალი ერა

    მკვლევრებმა გამოაქვეყნეს ნამდვილი სენსაცია ინჟინერიისა და ხელოვნური ინტელექტის სამყაროში: GenCAD, პირველი ღია კოდის ნეირონული ქსელი, რომელსაც შეუძლია ფოტოსურათიდან სრულად ფუნქციონალური პარამეტრული CAD მოდელის გენერირება.

    თუმცა ეს მხოლოდ ლამაზი რენდერი არ არის — ჩვენ ვსაუბრობთ სკრიპტზე, რომლის მყისიერად ჩატვირთვა რედაქტორში, მოდიფიცირება და... წარმოებაში გაგზავნაა შესაძლებელი.

    დეველოპერები ხაზს უსვამენ, რომ არსებული გამოსახულების ბადისებრი გადამუშავების გადაწყვეტილებები მუშაობს ვოქსელებთან, წერტილოვან ღრუბლებთან და პოლიგონალურ ბადეებთან - ლამაზი, მაგრამ ინჟინერიისთვის უსარგებლო. GenCAD უფრო შორს მიდის. ის ქმნის არა ცარიელ მოდელს, არამედ ბრძანებების თანმიმდევრობას, რომელიც ქმნის სრულფასოვან ინჟინერიულ მოდელს.

    GenCAD-ის არსი კომპლექსური არქიტექტურაა:

    • ტრანსფორმატორ-ენკოდერი, რომელიც ბრძანებებს კომპაქტურ ბირთვში აერთიანებს;
    • კონტრასტული სწავლება, ბრძანებების ენისა და ვიზუალური გამოსახულების შეთავსება;
    • დიფუზიური მოდელი, რომელიც ფოტოს ლატენტურ წარმოდგენად აქცევს;
    • დეკოდერი, რომელიც ამ ნაკრებიდან პარამეტრულ ინსტრუქციებს აღადგენს.

    მთავარი უპირატესობა მისი რედაქტირების შესაძლებლობაა. შედეგად მიღებული სკრიპტის ადაპტირება შესაძლებელია წარმოების საჭიროებებზე, ინდივიდუალური პარამეტრების შეცვლა და მისი მყისიერად ინტეგრირება სამუშაო პროცესებში.

    GitHub-ზე კოდის გამოშვებასთან ერთად, მკვლევრებმა ასევე ხელმისაწვდომი გახადეს მონაცემთა ნაკრები და გაწვრთნილი მოდელები. ეს არ არის მხოლოდ დიზაინის ავტომატიზაციისკენ გადადგმული ნაბიჯი - ეს არის რევოლუცია მთელი წარმოების ინდუსტრიისთვის.