[[206343]]

與大批機器人一起共事，在美國的一家公司里，已是習(xí)以為常的事。在這里，一名員工能擁有數(shù)位機器人助手，大量重復(fù)的工作被分擔(dān)掉了。但同時，有人的內(nèi)心也不免焦慮，隨著越來越多、越來越能干的機器人同事出現(xiàn)在不同崗位，他們也擔(dān)心著，自己的職位有天將被這些“呆頭呆腦”的學(xué)徒們所取代。

這家公司就是——亞馬遜。

本文翻譯自紐約時報，原文標(biāo)題 《As Amazon Pushes Forward With Robots, Workers Find New Roles》 ，作者，NICK WINGFIELD，由虎嗅編譯。

美國新澤西州南部，有一家亞馬遜的大倉庫。從去年年底，Nissa Scott便開始在這里工作，那時，她的主要任物是將塑料箱擺放到貨架上。對于Scott來說，這著實算不上有趣得工作，每個塑料箱重20多斤，在長達(dá)10個小時的工作內(nèi)反復(fù)托舉也令人十分疲憊。不過現(xiàn)在，21歲的Scott有了新的 “接班人”，在大貨倉里，一只巨大的亮黃色機械臂正在擺放著貨物。

Scott的新工作是同時照看這幾個機器人，在必要的時候進行故障檢修，并確保還有貨物需要擺放。“對于我來說，這已經(jīng)是我們這兒能做的最需要動腦子的工作了，至少不是重復(fù)的”，Scott這樣評價自己的工作。

或許沒有任何一家公司像亞馬遜這樣，同時面對著自動化帶來的焦慮和希望。

盡管亞馬遜的電商業(yè)務(wù)成為了人們口中“摧毀傳統(tǒng)零售業(yè)工作崗位”的 “罪魁禍?zhǔn)?rdquo;，然而其搶眼的業(yè)務(wù)增速實際上也正在推著它創(chuàng)造出大量的就業(yè)崗位。為了高效地完成顧客訂單，亞馬遜對于初級倉庫工人有著無止境的需求，其全球員工數(shù)量更是達(dá)到了微軟的4倍和Facebook的19倍。就在上周 ，亞馬遜宣布將在北美開設(shè)二代總部，這意味著，50，000個新地工作機會就此誕生。

而在另一邊，這家公司還是致力于自動化發(fā)展的先鋒，他們在積極地尋找以機器人替代工人的工作方法。

2014年，亞馬遜率先引入了由Kiva研發(fā)的機器人倉儲服務(wù)系統(tǒng)，利用倉庫機器人進行工作。兩年前，亞馬遜以7.75億美元將Kiva收入囊中，并將其更名為亞馬遜物流機器人公司 （Amazon Robotics） 。

現(xiàn)如今，在全球范圍內(nèi)，亞馬遜共有10萬個倉庫機器人被投入使用，而公司計劃投入更多。機器人的加入使倉庫的工作變得沒有那么枯燥和繁重，同時也大幅提高效率。顧客早飯后下單的牙線，晚飯前就能收到。

在亞馬遜位于佛羅倫薩（ 新澤西州 ）和肯特（ 華盛頓州 ）的倉庫，每天都可以見到人工于機器間的交互。在肯特，倉庫機器人像個大甲蟲，背負(fù)著2700多斤的貨物在垂直貨架間跑來竄去。

成百上千的倉庫機器人在一片圈定的巨大范圍內(nèi)自主移動，緊密跟隨卻不會發(fā)生碰撞。在圈定范圍的邊緣，一組裝貨工人在補充貨物，倉庫機器人快速移走裝好的貨架。如果當(dāng)接到新的客戶訂單時，貨品正存儲在他們背負(fù)著的貨架內(nèi)，機器人便在位于圈定范圍另一邊緣的站點排隊，就好像汽車通過收費站。

在站點，人工分揀員根據(jù)電腦屏幕的指示，從貨架上抓取貨物并放進塑料箱內(nèi)。塑料箱通過傳送帶傳送至包裝工人，包裝工人再將貨物放進紙箱發(fā)送給顧客。

亞馬遜負(fù)責(zé)運營的高級主管 Dave Clark表示，公司希望機器人去完成最單調(diào)的工作，讓員工去做需要動腦子的工作。“每個訂單需要的都是不同的商品。你需要尋找和檢查，在某種程度上需要思考，我覺得這很重要”。

倉庫機器人還可以縮減工人的行走距離，增加分揀員的工作效率，使得他們的工作能夠輕松一些。因為不再需要為工人保留通道空間，機器人甚至可以直接把貨架捆扎到一起。更高的貨架密度可以增加同一倉庫內(nèi)的存貨數(shù)量，也更便于為顧客進行挑選。

亞馬遜位于佛羅倫薩的倉庫展示了最新倉庫機器人的樣品。八臺機械臂在該倉庫投入運行，它們的主要任務(wù)是將大規(guī)模的商品分解成更小的單位，并發(fā)送到全美各地的物流配送中心。

機械臂有一個拗口的名字叫做“堆垛機器人”，但是工人們賦予了這些機器人更多的個性。工人們在每個機器人身上貼上標(biāo)簽，把它們命名為 Stuart, Dave或者電影《卑鄙的我》里面其他小黃人的名字。不同于肯特的倉庫機器人是收購 Kiva公司研制的系統(tǒng)，佛羅倫薩倉庫的機械臂由外部公司負(fù)責(zé)研發(fā)。

去年年底，在佛羅倫薩的倉庫剛運營不久，亞馬遜便開始安裝這些機器人。機械臂被設(shè)置成只能拿起標(biāo)準(zhǔn)尺寸箱子，其他尺寸的目標(biāo)都無法拿起。在一場對于機器人未來發(fā)展可能性的展示中，亞馬遜通過虛擬現(xiàn)實仿真技術(shù)展示了新機器人的概念樣機。其中包括可以連接到叉車上，用于搬運托盤的機械臂。

Clark 表示，在亞馬遜組裝這些機器人的同時，過去那些負(fù)責(zé)堆放塑料箱的員工，比如Scott，正在公司接受培訓(xùn)，成為機器人操作員。其他員工則轉(zhuǎn)崗到接收站，負(fù)責(zé)手動將大箱的商品分揀到小的塑料箱內(nèi)。機器人安裝使用后，并沒有員工被開除，亞馬遜為被取代的員工尋找到了新的角色。

那么，新的問題又來了：隨著新一代機器人投入使用，今后還會有怎樣的變化？

眼下，還是有一些工作倉庫工人比機器人要擅長得多。比如，將單個商品從貨架上形形色色的商品中分揀出來。自從采用倉庫機器人以來，亞馬遜仍在美國新雇傭了8萬名工人。總倉庫工人數(shù)達(dá)到12.5萬。亞馬遜還表示將繼續(xù)大舉招聘。

但是創(chuàng)業(yè)公司和研究人員正在努力克服剩下的技術(shù)障礙。在美國加州大學(xué)伯克利分校（ UCB ）的自動化實驗室內(nèi)，一個雙臂機器人將機械臂輕輕落在一個箱子上。箱內(nèi)裝滿了各種隨機的物品，比如盒裝即食燕麥片和玩具小鯊魚。機器人無法識別出所有的物品，但是沒關(guān)系。它將機械臂伸到貨物堆上面，開始一個個分揀貨物。

研究人員Jeff Mahler表示“機器人可以自己從雜七雜八的東西中尋找出最適合抓取每一個物品的方式”。對于人類來說，這是一項非常容易的工作。但是對于機器人而言，這則是一項出眾的才能。這一進步會在某些重大行業(yè)帶來巨大的改變，同時進一步變革人類勞動力市場。

過去，機器人被編程設(shè)定只能完成非常具體的工作，比如在倉庫內(nèi)移動特定種類的集裝箱。他們無法對一堆東西進行分類，也無法完成更復(fù)雜的任務(wù)。但是在亞馬遜物流中心，分類才是最主要的工作。大部分仍由工人完成。

伯克利機器人最創(chuàng)新的地方在于，它們可以自學(xué)任務(wù)，抓起從未見過的物品。Mahler和團隊其他成員通過向機器人展示成百上千的數(shù)字對象來訓(xùn)練機器人。訓(xùn)練過后，機器人可以抓起沒有在數(shù)字?jǐn)?shù)據(jù)集中出現(xiàn)的物品。美國東北大學(xué)、美國卡耐基梅隆大學(xué)、谷歌以及 OpenAI實驗室（ 特斯拉首席執(zhí)行官 Elon Musk設(shè)立的人工智能實驗室 ）都在研發(fā)類似的技術(shù)。人們相信機器學(xué)習(xí)一定可以讓機器人實現(xiàn)更多類型的任務(wù)，甚至包括生產(chǎn)制造。

從硬件上看，伯克利機器人沒有應(yīng)用任何新的技術(shù)。Mahler和他的團隊利用已有的硬件，包括瑞士國際集團ABB所制造的機械臂和用來探測深度的鏡頭進行開發(fā)。伯克利機器人創(chuàng)新的部分主要在于軟件。伯克利機器人對于神經(jīng)網(wǎng)絡(luò)進行了新的應(yīng)用。神經(jīng)網(wǎng)絡(luò)是一項復(fù)雜的算法，可以通過分析大規(guī)模數(shù)據(jù)來學(xué)習(xí)一項任務(wù)。比如，對成千上萬的小狗照片進行模式識別，神經(jīng)網(wǎng)絡(luò)就可以學(xué)會識別小狗。

在過去五年內(nèi)，神經(jīng)網(wǎng)絡(luò)極大的改變了互聯(lián)網(wǎng)巨頭們提供在線服務(wù)的方式，加速了圖像識別、語音識別和智能推薦的發(fā)展。但是同時，神經(jīng)網(wǎng)絡(luò)也可以加速機器人學(xué)的發(fā)展。

工程師、物理學(xué)家和設(shè)計師在進行實驗或者創(chuàng)造新產(chǎn)品時需要搭建CAD模型。CAD模型是實物的數(shù)字化表現(xiàn)。利用這些模型，Mahler及其團隊合成了很多數(shù)字對象，最終搭建了一個擁有超過700萬件商品的數(shù)據(jù)庫。隨后他們模擬每項商品的物理屬性，展示機械臂在抓取物體時要著力的精確點。

這是一項巨大的工程，但是整個過程大多數(shù)都是自動完成的。研究團隊將模型輸入神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)識別潛在任何形狀的數(shù)字對象的相似點。然后研究團隊將神經(jīng)網(wǎng)絡(luò)嵌入雙臂機器人中，機器人便可以在任何形狀的實物上尋找出抓取時的著力點。

在分揀日常生活中各種形狀的日用品時，如果是圓柱形物體或至少擁有部分平坦表面，比如鏟刀、訂書機、桶裝薯片或管裝牙刷，那么機械臂撿起物品的成功率就可以達(dá)到90%。但是如果處理形狀更為復(fù)雜的物體，比如玩具鯊魚，那么成功率就會下降。

并且，研究團隊搭建模擬的隨機貨物堆，并將該模型輸入神經(jīng)網(wǎng)絡(luò)，那么神經(jīng)網(wǎng)絡(luò)遍也可以學(xué)會從實際的貨物堆中拿起商品。美國布朗大學(xué)和東北大學(xué)的研究者們正在進行類似的研究，希望這種方式可以和其他辦法相結(jié)合。

亞馬遜對于未來這種機器人有著迫切的需求，所以亞馬遜贊助加州大學(xué)伯克利分校的研究工作。在過去三年內(nèi)，亞馬遜還舉辦了機器人比賽，尋求識別貨物、抓取貨物、移動貨物的解決辦法。機器學(xué)習(xí)方法的前景最終可以擴展到其他領(lǐng)域，包括生產(chǎn)制造機器人和家庭機器人。

至今對于自我學(xué)習(xí)機器人的研發(fā)還遠(yuǎn)遠(yuǎn)不夠。自我學(xué)習(xí)任務(wù)的機器人要想在實驗室外得到應(yīng)用還需要幾年的過程。但是用于訓(xùn)練機器人的神經(jīng)網(wǎng)絡(luò)技術(shù)代表了機器人研究領(lǐng)域的一項重大改變。這一改變不僅僅會改變亞馬遜的倉庫物流系統(tǒng)，也會變革整個產(chǎn)業(yè)。

《機器人時代》的作者Martin Ford相信，亞馬遜倉庫的就業(yè)圖景終將改變，這一切只是時間問題。他認(rèn)為，“科技終將取代掉很多倉庫工人。并不是說一夜之間很多工作崗位就會消失?；蛟S最早的跡象不是工人失業(yè)，而是創(chuàng)造就業(yè)崗位的節(jié)奏變慢。”

亞馬遜的Clark表示，從歷史角度來看，自動化的發(fā)展可以提高工作效率。并且在某些情況下，顧客的需求最終將創(chuàng)造更多的工作崗位。在科技高度發(fā)展的情況下，倉庫工人依舊有事可做。自動化的發(fā)展毀掉工作崗位的凈增長是不現(xiàn)實的。