特斯拉的教训：机器人没有错 只是还不够智能化

特斯拉计划在2018年实现每周生产5000辆新Model 3，然而到目前为止，产量还达不到该数字的一半。外界质疑此事时，特斯拉CEO马斯克声称“过度自动化是一个错误”，并且“人类被低估”。

事实上，他说的没错，最近力推的全自动化忽略了适应性的重要性。人类仍然比人工智能（AI）更能适应变化。从长远来看，人工智能或许会取代人类工作者，但现在领导者需要确定正确的变化速度。

硅谷的特斯拉工厂已经实现高度自动化。早些时候，马斯克了解到，任何遵循一系列预定义步骤并在相当受控制的环境（例如工厂车间）上进行的过程都可以通过人工智能和机器人实现自动化。这是他一直坚信的。

但是，尽管自治系统发展迅速，但人类在适应不可预见的变化方面仍然要好得多。当谈到复杂的工厂工作时，这是不应低估的。

回顾特斯拉的生产力问题，马斯克无疑忽略了了制造业适应性的重要性。小错误和无法预料的情况发生的概率与过程的复杂程度成正比，特别是当这个过程发生在物理世界时。

自适应智慧

人类以及其他形式的智慧生命在不断变化的世界中得以生存。出于这个原因，他们可以很好地应对预料不到的情况以及预期事件和实际事件之间的差异。

正如认知科学家Gary Marcus所强调的那样，“人类智慧有很多东西机器人暂时还无法学会，比如我们同时关注正确事物的能力，推理他们建立正在发生的模型以预测下一步可能会发生什么等等。”

人类和动物也可以使自己的身体适应完全不同的情况，以完成目标。例如，我们可以通过步行、游泳、跳跃、攀爬和爬行向前走，即使我们失去了肢体，我们也可以这样做。生物系统的这些动态方面有助于他们应对高度复杂情况下的激进变化。

另一方面，机器学习尚未达到人类智慧和适应能力的水平。当然，我们已经取得了很大的进展。今天，受神经系统启发的先进人工智能算法可以学习识别类似的情况，比如交通信号灯变红灯或落在街上，这方面做得甚至比人类更好。

机器人技术的发展也意味着由软材料制成的新型机器人可以物理地适应物理环境中不可预见的物体。但是在这两种情况下，适应性都局限于物体或事件受限范畴内的变化。

事实是，我们还没有掌握足够灵活的机器人和AI设计来应对不可预测的环境。以包装行业中使用的机器人为例。智慧有限的AGV只能遵循简单的编程指令，在规定的环境中沿着固定路线行驶。

下图这些机器人可能能够拿起产品并将其放入纸箱中，其他更更复杂的事情就做不了。当工作改变时，机器人将不得不进行替换。

更复杂的移动机器人也已经投入使用。他们有内置的传感器和扫描仪，以及允许他们检测周围环境并选择最有效路线的软件，因为产品不一定每次都放置在同一位置。这些更复杂的机器人更加灵活并且适应性更强，但它们离生物系统所能做的也还有很远的距离。

对于过度自动化的工厂来说，这可能是一个问题，因为小的物理差异（轮胎磨损、地面上的磨损和非精确定位的零件）可能迅速累积并导致不可预知的情况（组件不在预定的位置，机器人是下落不明）。

当一个过程发生变化或工厂开始生产新产品时，需要重新配置设备并找到不同的解决方案。这还不是人工智能和机器人技术所能达到的。

全自动化

马斯克曾公开表示他希望建立一个全自动化的工厂，其基本目标是克服人类速度的限制，以更快的速度，可以实现更高的产量。但是在复杂的环境中，比如高度自动化的工厂，需要高度适应性的机器人，以应对不可预见的情况，并像生物系统一样对彼此进行响应。在机器人和人工智能中引入这种生物弹性需要进一步的研究。

第一阶段涉及在定义的一组过程中测试机器人自动化，例如拾取原材料并将其放置在装配线上。

第二阶段涉及将该测试扩展到多个功能和流程，例如将原材料和产品包装在一起。第三阶段是部署机器人同事和自适应人工智能作为人工助理。这是我们目前所能达到的最好目标。

目前尚不清楚何时我们将拥有无需人工干预的完全自动化（第四阶段），以及采取何种形式，但马斯克的尝试应该受到赞扬。他可能低估了人类，但他所得到的经验教训是宝贵的，将来会帮助他超越其他人。