Tesla hoppades kunna producera 5, 000 nya Model 3-elbilar varje vecka under 2018. Hittills har det har misslyckats med att tillverka ens hälften av det antalet. Tillfrågad om saken, företagets VD, Elon Musk, hävdade att "överdriven automatisering var ett misstag" och att "människor är underskattade".

Han har inte fel – den senaste tidens strävan efter full automatisering har förbisett vikten av anpassningsförmåga. Människor är fortfarande mycket mer kapabla att anpassa sig till förändringar än artificiell intelligens (AI). I längden, AI har potential att ersätta mänskliga arbetare, men för tillfället måste ledare bestämma den rätta förändringshastigheten.

Tesla-fabriken i Silicon Valley är mycket automatiserad. Tidigt på, Musk förstod att varje process som följer en sekvens av fördefinierade steg och äger rum i en ganska kontrollerad miljö, till exempel ett fabriksgolv, kan automatiseras av artificiell intelligens och robotar. Och detta är något han ska ha äran för.

Men medan autonoma system utvecklas snabbt, människor förblir mycket bättre på att anpassa sig till oförutsedda förändringar. När det gäller komplext fabriksarbete, detta är något som inte bör underskattas. När man ser tillbaka på Teslas produktivitetsproblem, Musk missade utan tvekan vikten av anpassningsförmåga i tillverkningen. Sannolikheten för små fel och oförutsedda situationer är proportionell mot processens komplexitet, speciellt när processen äger rum i den fysiska världen.

Adaptiv intelligens

Människor och andra former av intelligent liv utvecklades för att överleva i en ständigt föränderlig värld. Av denna anledning, de klarar anmärkningsvärt bra med oförutsedda situationer och diskrepanser mellan förväntade och faktiska händelser. Som kognitionsforskaren Gary Marcus betonar, det finns många saker "som går in i mänsklig intelligens, som vår förmåga att ta hand om rätt saker samtidigt, att resonera om dem för att bygga modeller av vad som händer för att förutse vad som kan hända härnäst och så vidare."

Människor och djur kan också anpassa sina kroppar till radikalt olika situationer för att nå sina mål. Till exempel, vi kan gå framåt genom att gå, simning, Hoppar, klättra och krypa – och det kan vi göra även om vi tappar användandet av en lem. Dessa dynamiska aspekter av biologiska system hjälper dem att hantera radikala förändringar under mycket komplexa situationer.

Maskininlärning, å andra sidan, är ännu inte på nivån för mänsklig intelligens och anpassningsförmåga. Säker, vi har gjort stora framsteg. I dag, avancerade AI-algoritmer, inspirerad av nervsystemet, kan lära sig känna igen liknande situationer som ett trafikljus som blir rött eller en boll som faller på gatan ännu bättre än människor. Utvecklingen inom robotik gör också att nya robotar gjorda av mjuka material fysiskt kan anpassa sig till oförutsedda föremål i den fysiska miljön. Men i båda fallen, anpassningsförmågan är begränsad till variationer inom en begränsad kategori av objekt eller händelser.

Sanningen är att vi ännu inte har bemästrat designen av robotar och AI som är tillräckligt motståndskraftiga för att svara på oförutsägbara miljöer. Ta exemplet med robotar som används inom förpackningsindustrin. Automatiserade guidade fordon med begränsad intelligens ombord kan bara följa enkla programmeringsinstruktioner som tar dem längs fasta rutter i en definierad miljö. Dessa robotar kanske kan plocka upp en produkt och placera den i en kartong, utan förmåga att göra något mer komplicerat. När jobbet ändras, roboten måste bytas ut.

Mer komplexa mobila robotar används också. De har inbyggda sensorer och skannrar, samt mjukvara som gör att de kan upptäcka sin omgivning och välja den mest effektiva vägen så att en produkt inte nödvändigtvis placeras på samma plats varje gång. Dessa mer komplexa robotar är mer flexibla och anpassningsbara, men de är fortfarande ganska långt borta från vad biologiska system kan göra.

Detta kan vara ett problem för alltför automatiserade fabriker där små fysiska avvikelser (ett trasigt hjul, slitage på marken, oprecist placerade delar) kan snabbt ackumuleras och resultera i oförutsägbara situationer (en komponent är inte där den borde vara, en robot saknas). När en process förändras eller fabriken börjar tillverka en ny produkt, då finns det ett behov av att konfigurera om utrustningen och hitta en annan lösning. Detta är ännu inte helt inom räckhåll för AI och robotik.

Full automatisering

Musk har offentligt noterat sin önskan att skapa en helt autonom fabrik. Hans underliggande mål är att övervinna gränserna för mänsklig hastighet. Med högre hastighet, högre uteffekter kan uppnås. Men i komplexa miljöer, som en högautomatiserad fabrik, det finns ett behov av mycket anpassningsbara robotar som kan reagera på oförutsedda situationer och på varandra som biologiska system gör. Att introducera den typen av biologisk resiliens inom robotik och AI kräver ytterligare forskning.

Den första innebär att testa robotautomation inom en definierad uppsättning processer, som att plocka råvara och lägga den på löpande band. Det andra innebär att utöka testet till flera funktioner och processer, som att kombinera råvaran och förpacka produkten. Det tredje steget är att distribuera robotarbetare och adaptiv AI som mänskliga assistenter. I dag, det här är det bästa vi kan sikta på.

Det är ännu inte klart när vi kommer att ha teknologin för full automatisering utan mänsklig inblandning (steg fyra) och vilken form den kommer att ta men Musk ska ha beröm för att han försökte. Han kan ha underskattat människor men det han lär sig är värdefullt och kommer att hjälpa honom att gå före andra i framtiden.

Denna artikel publicerades ursprungligen på The Conversation. Läs originalartikeln.