出人意料：最容易自動化的領域反而是創造類工作
http://m.b7lob.cn2月13日消息 據外媒（VentureBeat）報道，我們已經聽到足夠多的科技預言，講機器人將如何接管我們日常生活中單調重復工作，使人類能夠專注于更高技術含量或創造性的任務。但實際的情況可能正與此相反：最容易自動化的任務正是創造性工作，那些重復性工作自動化起來反而非常棘手。
出人意料：容易自動化的領域
藝術
21世紀初自動化 倫敦大學“The Painting Fool”繪畫程序創作了藝術作品。其大部分進入畫廊自動化 同人類作品一同展出。像DeepStyle和Prisma這樣的神經網絡使用卷積神經網絡模仿特定藝術家風格對照片進行風格化處理。Withoomph、Tailor Brands和Logojoy等徽標生成系統能半自動或全自動地根據關鍵字生成徽標設計。
研究人員還將這一過程運用到音樂上。Melomics是一個根據生活方式和活動主題創作并播放音樂的系統。IBM與藝術家聯手機器人，將大量音樂、歌詞與情感分析相結合機器人，幫助“沃森”合成音樂。如此一來機器人，自然的人類創造力不再是創造美所必須的。
科研
科學的一個核心基礎是重復性。移液操作在許多實驗室中都屬于單調和勞動密集型任務，OpenTrons等公司致力于用自動化移液裝置來幫助科學家節省時間和金錢。創企Arcturus和BioRealize讓科學家能夠遠程操控基因工程實驗，大大減少錯誤和實驗時間。其他創業公司——如Emerald Therapeutics和Transcriptic，則希望將研究過程遷移到云端，使用遠程機器人系統來自動執行實驗。
除了自動化手工的實驗室工作，當下機器也在將科學發現和理解自動化。康奈爾大學的Nutonian能夠在不給出任何預先假設的情況下創建數據模型。來自劍橋、阿斯伯里和曼徹斯特的研究人員打造了一個類似的自助科學算法，稱其為史上第一臺能夠自主發掘科學新知的機器。隨著科學研究的增加，科學家可能會越來越依賴自動化系統。
法律
從事法律行業需要對法律、案例和其他判例法有多年的學習和理解。AI的最新進展讓這些任務的自動化成為可能。迄今為止，判例法、合同法和辯護已有自動化實踐。創企DoNotPay的機器人律師能偶幫助用戶處理交通罰單。ROSS Intelligence使用AI來闡述相關法律段落和案例，以提高法律研究的效率和質量。eBrevia使用AI從合同中提取數據，以幫助合同分析等相關應用。
法律究竟在多大范圍內能夠自動化引起人們的疑慮。由于大多數法律行業的機構是按小時收費，所以看律師們如何權衡自動化帶來的利益與責任將會很有趣。
警務和安保
人類物理安全團隊的主要職能是觀察和報告安全事故。由于對雇主負有責任，許多人類安保人員并不允許干涉，這使得他們的工作更容易自動化。迄今為止的安保自動化專注于對現有安保力量的增強。用并不昂貴的手段增強保安的視野和聽力范圍，超越傳統固定相機所覆蓋的范圍。
Knightscope和Gamma 2 Robotics打造了地面安保機器人，通過物理臨場提供力量威懾。這些機器人被部署在越來越多的企業園區和商場。另一家名叫Nightingale的創企使用無人機幫助客戶進行監視作業。稍加時日，機器人可基本取代警察和安全部隊，只需要在解決暴力事件時再動用人工力量。
出人意料難以自動化的領域
清潔
清潔機器人Roomba是2002年第一批面向普通消費者推出的消費級機器人之一。15年后的今日，清潔機器人行業并沒有任何實質的創新為其贏得商業上的成功。一家名為Intellibot的公司制造出了一個名為“TASKI”的大型自動化地板清潔機，銷量寥寥無幾。此外Brain Corp也與國際清潔設備公司聯手推出了名為“RS26”的大型地板清潔機。
除了清潔地板，機器人還被引入對人類而言過于危險的清潔作業。創企Ecoppia使用機器人來清潔帶陽能電池板，美國放射性廢物管理專業公司Kurion的核污染清理機器人還被挑選在福島作業。
服裝和紡織
紡織制造業是第一批實現自動化的行業之一，不過完全的自動化仍然難以實現。機器人善于操作不會變形的固體物件，但紡織品剪裁、拉伸和壓縮讓機器人束手無策。今天的機器人能夠完成染色、剪切和復雜的紋樣設計，但實際縫紉、添加花邊和褶皺等工作仍然需要靈巧的人手完成。
很少有公司在高級縫制方面取得重大進展。Softwear Automation便是其中之一。它使用高速攝影機來跟蹤紡織品，讓機器人在彎曲多變的布料上進行作業。耐克也正在使用自動化來替代傳統的鞋子組裝過程。FLYKNIT系列鞋子的頂部就是由一個連續的線編織而非多個部件的拼裝。
自動化在服裝護理方面的進展同樣不多。雖然機器可以洗滌和烘干，但是裝載、取出和折疊過程仍然是重復和費力的工作，沒有理想的自動化解決方案。創企Laundroid和Foldimate開發了洗衣折疊機器人，不過因體積大功能小引來詬病。
農業
使用自動化來替代手工的農作物收割迄今為止仍然是困難的。有些農作物的果實脆弱易損，而計算機視覺在識別作物果實上也不容易。不過盡管面臨這些挑戰，仍有許多公司致力于實現農業的全自動化。
Harvest Automation打造了一個名為“HV－100”的機器人，差不多可以實現作物整個生長周期的自動化。另外還有一系列創業公司致力于打造除草和松土機器人。這其中包括Naio Technologies，它面向葡萄園生產除草機器人產品。
在水果采摘領域，諸如FFRobotics、Abundant Robotics和Vision Robotics等公司一直致力于提供機器人水果采摘解決方案。雖然其產品尚未普及，不過他們的努力正在為更自動化的世界打下基礎。比如，他們使用抽吸裝置來拾取水果，避免了機械臂夾持的許多弊端。
展望未來
從以上概述的幾個主題中，我們可以大略預測機器人行業的未來。今天，機器人技術已經在自動化重復任務方面取得了重大進展，這些任務需要并不高超的技術。涉及到大量數據和信息處理的任務也可通過自動化來實現倍增。另一方面，需要復雜操作的任務仍然難以被自動化，這些任務需要更多技術支援，其中包括機器人所能提供給我們的更深層決策和信息綜合能力。
機器人已經改變了許多主要行業，需要人工參與才能完成的事情越來越少。不過總體來看，一個完全自動化的世界仍在視野之外。