在全球疫情进入白热化的今天,COVID-19似乎对所有AI,机器人技术和无人驾驶汽车初创公司都敲醒了警钟:停止构建令人眼花缭乱的演示,并谈论未来AI普及的可能性。

相反,应该重点部署可以每天24小时不间断运行、且无需人工干预、能为用户带来真正价值的实际解决方案。

在全球范围内,处于疫情严峻局面的美国,数百万的美国人已经开始居家工作。从卫生纸到洗手皂,恐慌的消费者在囤积这些物品时,零售商面临供应紧张的局面。

前两个月,中国疫情关键时期,京东便开始在武汉测试4级自动送货机器人,并每天24小时运行其自动化仓库,以应对需求激增的情况。

突然间,自动化机器不再是纸上谈兵。它们不能依靠现场工程支持来应对极端情况。自动化机器必须足够强大,才能在各种现实情况下独立工作。

某种程度上讲,COVID-19加速了未来自动化时代的到来。它暴露了AI风险投资领域中长期存在的问题:流行语和炒作云影响人们的判断力,很难看到真正的进步。

该行业需要在以下三个领域对实际的自动化系统进行迫切改革:

1.重新设计错误处理和通信

最近Starsky Robotics倒闭事件提醒我们,全自动解决方案还有很长的路要走。这并不意味着AI机器人技术无法为人类带来直接价值。即使人类需要在15%的时间内处理极端案例,仍意味着AI公司可以减少大量人工和集成成本。

然而,目前人工智能公司倾向于在构建自治系统上花费更多的资源,而在错误处理和机器与人之间的无缝切换方面花费的时间则少得多。

需要一种更好的方法去处理和传达错误,尤其是对于ML产品,因为ML的概率更高且透明度更低。因此,显示模型预测的置信度或者将预测作为建议而不是决策是获得用户信任的方法。

需要将错误归为不同级别,相应设计不同协议,优先考虑最小化致命错误,使系统停止运行并需要人工干预。如果发生致命错误并且系统无法正常工作,能否迅速做出响应并进行远程故障排除?

最困难的是识别不可知的未知数,即系统无法检测到的错误。因此,双向通信并允许用户标记错误或选择激活先前商定的后备计划也至关重要。

2. 重新定义人机交互

冠状病毒迫使AI公司更迅速地采用自动化并转移到云中。随着控制大量机器人的人数下降,是否拥有合适的工具和技术来将所有相关信息迅速传递给决策者?每个机器人上是否有足够的传感器可以提供完整的图像?现今依赖诸如计算机或平板电脑之类的触觉输入控制机器人。当信息量猛增且响应时间仍然很短时,这些接口仍然是最佳界面吗?是否应该重新考虑触觉以外的人机界面,例如语音,VR / AR或脑机界面?

还需要确定控制者。随着机器越来越智能化,我们应该始终进行最终决定吗?

例如,应该由谁控制自主机器人?是汽车本身?人类安全驾驶员?远程监控者?乘客?又是在何种情况下?应该由人和机器权衡之后共同做出的决策?有什么道德意义?该界面可以支持多步决策吗?

最终,如何设计以人为本的AI,才能确保自动化机器使我们的生活变得更好而不是更糟呢?如何自动化正确的用例来增加人员数量?如何建立一个多样化团队,以产生更好的结果并允许人与机器相互学习?

需要回答的问题仍然多。当前的流行病促使我们更快地回答这些问题,以便将来的自动化系统可以兑现承诺。

3.重新考虑指标

随着越来越多的人工智能机器运用于现实生活中,速度、周期或者成功率等常规指标不再代表全部内容。需要用平均人为干预次数等稳健性指标来衡量系统在不确定性情况下的可靠性。

由于实际生活与受控环境不同,以及不可预测性,需要使用更多工具和更广泛的行业标准来评估广泛场景中的整体系统性能。

如果送货机器人能达到最高时速4英里,但没有人力支持就无法完成单独送货,那该机器人并没有为用户创造价值。

几年前DevOps 诞生,缩短了开发周期,并不断交付高质量的软件。与软件工程相比,人工智能和机器学习还不够成熟。87%的机器学习项目从未投产。但是,最近越来越频繁地看到MLOps或AIOps。

这标志着从人工智能/机器学习到每天使用和试验的真实产品的重要转变。这需要产生观念上的重大改变,专注于质量保证,而不是最先进的ML(机器学习)模型。我并不是说不能同时拥有这两种产品,但是到目前为止,已经看到了对后者的更多重视。