டெஸ்லா ஆப்டிமஸ் உற்பத்தியை வாரத்திற்கு நூற்றுக்கணக்கில் அதிகரிக்கிறது; பொதுமைப்படுத்தல் தாமதம்

டெஸ்லாவின் ஆப்டிமஸ் உற்பத்தி வாரத்திற்கு நூற்றுக்கணக்கில் உயர்கிறது

டெஸ்லா இப்போது தனது ஃப்ரீமாண்ட் வசதியில் ஒவ்வொரு வாரமும் பல நூறு ஆப்டிமஸ் மனித உருவ ரோபோக்களை ஒன்றிணைத்து வருகிறது என்று ஒரு புதிய அறிக்கை தெரிவிக்கிறது. இது நிறுவனம் இரண்டாம் காலாண்டில் எட்டியதை விட சுமார் பத்து மடங்கு அதிகமான விகிதமாகும். இந்த எண்ணிக்கை திட்டத்தின் பாதையில் ஒரு அர்த்தமுள்ள மாற்றத்தைக் குறிக்கிறது; ஆப்டிமஸை கைமுறையாக உருவாக்கப்படும் பொறியியல் பயிற்சிக்கு நெருக்கமான ஒன்றிலிருந்து உண்மையான உற்பத்தி வரிசை நோக்கி நகர்த்துகிறது.

ரோபோவின் பொது வாழ்க்கையின் பெரும்பகுதியில், உரையாடல் முன்மாதிரிகள், மேடை செயல்விளக்கங்கள் மற்றும் நீண்டகால வாக்குறுதிகளை மையமாகக் கொண்டிருந்தது. வாரந்தோறும் நூற்றுக்கணக்கான அலகுகளை உற்பத்தி செய்வது புதிரின் குறைந்தபட்சம் ஒரு பகுதி தீர்க்கப்பட்டுள்ளது என்பதைக் குறிக்கிறது: டஜன் கணக்கான ஆக்சுவேட்டர்கள், சென்சார்கள் மற்றும் மின் அமைப்புகளால் கட்டப்பட்ட சிக்கலான இரு கால் இயந்திரத்தை மீண்டும் மீண்டும் ஒன்றிணைக்கும் திறன், மேலும் அதை காலாண்டுக்கு அல்ல, வாரத்திற்கு அலகுகள் என்ற அளவில் செய்யும் திறன்.

டெஸ்லா வாரத்திற்கு ஆயிரக்கணக்கான வாகனங்களில் உற்பத்தியை அளவிடும் வாகன உற்பத்தியுடன் ஒப்பிடும்போது தலைப்பு எண்ணிக்கை இன்னும் அடக்கமானது. ஆனால் மனித உருவ ரோபோக்கள் கார்கள் அல்ல. ஒவ்வொரு அலகும் அடர்த்தியான மின்னணுவியல், மூட்டு இணைப்புகள் மற்றும் மென்பொருள்-கனமான கட்டுப்பாட்டு அமைப்புகளைக் கொண்டுள்ளது, மேலும் எந்த நிறுவனமும் இதுபோன்ற வேகத்தை முன்பு நிரூபித்ததில்லை.

ரோபோக்களால் இன்னும் பொதுமைப்படுத்த முடியவில்லை

அதே அறிக்கை உற்பத்தி எண்ணிக்கைகள் தீர்க்க எதுவும் செய்யாத ஒரு வரம்பைச் சுட்டிக்காட்டுகிறது. உற்பத்தி வரிசையிலிருந்து வெளிவரும் ஆப்டிமஸ் அலகுகள் பொதுவான பணிகளைக் கையாள இயலாத நிலையில் உள்ளன — பரிச்சயமில்லாத வேலைகள், பரிச்சயமில்லாத பொருட்கள் அல்லது பரிச்சயமில்லாத சூழல்களுக்கு அவற்றால் நம்பகமாகத் தகவமைக்க முடியாது.

இந்த வேறுபாடுதான் இந்தக் கதையில் பெரும்பாலான எடையைச் சுமக்கிறது. கட்டுப்படுத்தப்பட்ட கூண்டுக்குள் முன்பே பயிற்சி செய்யப்பட்ட இயக்கத்தை மீண்டும் செய்யும் ரோபோ ஒரு தானியங்கி சாதனம்; பல தசாப்தங்களாக தொழிற்சாலை தளங்களில் நிறைந்திருக்கும் நிலையான இயந்திரங்களுடன் செயல்பாட்டில் ஒத்தது. ஒரு புதிய பணியைக் கொடுத்து அதை எவ்வாறு முடிப்பது என்பதைக் கண்டுபிடிக்கக்கூடிய ரோபோ முற்றிலும் வேறு ஒன்று, மேலும் மனித உருவ ரோபோவியலில் எதிர்பார்க்கப்படும் மதிப்பின் பெரும்பகுதி இந்த இரண்டு வகைகளுக்கு இடையிலான இடைவெளியில் அமைந்துள்ளது.

நடப்பதும் சிந்திப்பதும் வெவ்வேறு பிரச்சினைகள்

இயக்கத்தில் டெஸ்லாவின் வெளிப்படையான முன்னேற்றம் உண்மையானது. சமநிலை, நடை மற்றும் ஒருங்கிணைந்த இயக்கம் ஆகியவை நியாயமான தெளிவான வெற்றி அளவுகோல்களைக் கொண்ட பொறியியல் சவால்கள்: இயந்திரம் நிமிர்ந்து நிற்கிறதா மற்றும் சொன்ன இடத்திற்கு நகர்கிறதா, அல்லது இல்லையா. பொதுமைப்படுத்தல் வேறு வகையான பிரச்சினை. அதைத் தீர்க்கும் ஒற்றை அளவுகோல் எதுவும் இல்லை, மேலும் முன்னேற்றம் பெரும்பாலும் ஒரு படிநிலை மாற்றமாக அல்லாமல் திறன்களின் மெதுவான குவிப்பாகத் தெரிகிறது.

ஒரு வகை பின்னிலிருந்து ஒரு வகை பாகத்தை எடுக்கப் பயிற்சி பெற்ற ரோபோ அந்தச் செயலை ஆயிரக்கணக்கான முறை குறையின்றி செய்யக்கூடும். வேறு வடிவ பொருளை வேறு வெளிச்ச சூழலில் வைத்தால், மனித பார்வையாளருக்கு அற்பமானதாகத் தோன்றும் வழிகளில் அதே அமைப்பு தோல்வியடையக்கூடும். அந்த இடைவெளியையே அறிக்கை தற்போதைய குழுவின் நிலையாக விவரிக்கிறது.

பொதுமைப்படுத்தல் ஏன் மிகவும் கடினம்

மனித சூழல்கள் மாறுபாட்டால் வரையறுக்கப்படுகின்றன. வெளிச்சம் மாறுகிறது, மேற்பரப்புகள் மாறுகின்றன, பொருட்கள் எதிர்பாராத கோணங்களில் அமர்ந்திருக்கின்றன, மேலும் வழிமுறைகள் தெளிவற்ற மொழியில் வருகின்றன. ஒரு குறிப்பிட்ட அமைப்புக்கு இறுக்கமாக சரிசெய்யப்பட்ட அமைப்பு ஒவ்வொரு விலகலையும் தகவலாகக் கருதாமல் இரைச்சலாகக் கருதுகிறது. அந்த இடைவெளியை மூடுவதற்கு பொதுவாக பரந்த பயிற்சி தரவு, வலுவான உணர்தல் மற்றும் ஒரு பணியிலிருந்து அடுத்த பணிக்கு அறிவை மாற்றும் மாதிரிகள் தேவைப்படுகின்றன, மீண்டும் புதிதாகத் தொடங்குவதற்குப் பதிலாக.

அந்தத் தேவைகள் எதுவும் உற்பத்தி அளவால் மட்டும் தீர்க்கப்படுவதில்லை. அவை மென்பொருள் மற்றும் தரவு சிக்கல்கள், மேலும் அவை தங்கள் சொந்த அட்டவணையில் நகர்கின்றன.

நுண்ணறிவு முன்னிலை இல்லாமல் உற்பத்தி முன்னிலை

அறிக்கையின் மைய பதற்றம் இரண்டு கடிகாரங்களுக்கு இடையிலான பொருத்தமின்மை. வன்பொருள் மறுசுழற்சியை கருவிகள், சப்ளையர்கள், தள இடம் மற்றும் கூடுதல் ஷிப்டுகள் மூலம் விரைவுபடுத்தலாம். பொதுமைப்படுத்தும் மென்பொருள் தரவு பல்வேறுமை, மாதிரி கட்டமைப்பு மற்றும் கணினி சக்தி மூலம் மேம்படுகிறது, மேலும் அது எப்போதும் அதிக மூலதனம் அல்லது அதிக வேலை நேரங்களுக்கு பதிலளிப்பதில்லை. டெஸ்லா ஒரு கடிகாரத்தை விரைவுபடுத்தியிருக்கிறது, மற்றொன்று அதன் சொந்த நேரத்தை வைத்திருக்கிறது.

மேலும் ஒரு நுட்பமான சிக்கல் உள்ளது. வாரத்திற்கு நூற்றுக்கணக்கான ரோபோக்களை உருவாக்குவது திறன் இடைவெளியை மூட தேவையான தரவை தானாக உருவாக்காது. அந்தக் குழு அதே வசதியில் அதே குறுகிய பணிகளைச் செய்தால், அது அதிக அளவு மீண்டும் மீண்டும் தகவலை உருவாக்குகிறது, பொதுமைப்படுத்தலுக்கு முக்கியமான மாறுபாட்டை ஒப்பீட்டளவில் குறைவாகவே உருவாக்குகிறது.

ஏன் இந்த அதிகரிப்பு இன்னும் முக்கியம்

பொதுமைப்படுத்தல் சிக்கலை உற்பத்தி மைல்கல்லை நிராகரிப்பதற்கான காரணமாகக் கருதுவது எளிது. அந்த வாசிப்பு இந்த அதிகரிப்பு உண்மையில் என்ன தருகிறது என்பதைத் தவறவிடுகிறது:

• அளவில் வன்பொருள் கருத்து. ஒரு முன்மாதிரியில் ஒருமுறை தோன்றும் தோல்விகள் நூற்றுக்கணக்கான அலகுகளில் வடிவங்களாகத் தோன்றும், வடிவமைப்பு குறைகளை அடையாளம் காணவும் சரிசெய்யவும் எளிதாக்குகிறது.
• செலவு கற்றல் வளைவுகள். அதிக அளவுகள் சப்ளையர்கள், கருவிகள் மற்றும் ஒன்றிணைப்பு செயல்முறைகளை செலவு வளைவில் கீழே தள்ளுகின்றன, இது எந்தவொரு இறுதி வணிக வழக்கிற்கும் முக்கியமானது.
• ஒரு சோதனைக் குழு. ஒவ்வொரு வாரமும் நூற்றுக்கணக்கான புதிய இயந்திரங்கள் சிலவற்றுக்குப் பதிலாக பல அலகுகளில் மென்பொருள் புதுப்பிப்புகளை சரிபார்க்க போதுமான பெரிய மக்கள்தொகையை உருவாக்குகின்றன.
• பயன்பாட்டு அனுபவம். ரோபோக்களை ஆய்வகத்திலிருந்து வேலை சூழல்களுக்கு நகர்த்துவது பராமரிப்பு, சார்ஜிங், பாதுகாப்பு, இயக்க நேரம் போன்ற செயல்பாட்டு சிக்கல்களை வெளிப்படுத்துகிறது, எந்த உருவகப்படுத்துதலும் அவற்றை முழுமையாகப் பிடிக்காது.

இந்த அனுகூலங்கள் ஒவ்வொன்றும் வேகம் நீடித்தால் பெருகும். ஆண்டு அடிப்படையில், வாரத்திற்கு பல நூறு அலகுகள் என்ற விகிதம் பத்தாயிரக்கணக்கான இயந்திரங்களின் உற்பத்தியைக் குறிக்கிறது, இது எந்த மனித உருவ திட்டமும் முன்பு அணுகாத அளவாகும்.

அலகுகள் எங்கே செல்கின்றன

குவிந்து வரும் அந்தக் குழு இறுதியில் எங்கு பயன்படுத்தப்படும் என்பதை அறிக்கை தீர்க்கவில்லை. அந்தக் கேள்வி முக்கியமானது, ஏனெனில் ஒரு ஆப்டிமஸ் அலகின் மதிப்பு அது எதைச் செய்ய நம்பப்படுகிறது என்பதைப் பொறுத்தே பெரிதும் அமைகிறது. குறுகிய, முன்பே வரைபடமிடப்பட்ட பணிகளுக்கு மட்டுப்படுத்தப்பட்ட ரோபோ கட்டமைக்கப்பட்ட சூழல்களில் இன்னும் பயனுள்ளதாக இருக்கும், ஆனால் அதன் பொருளாதாரம் மனித உருவங்கள் மீதான ஆர்வத்தை இயக்கிய பொது நோக்கு உழைப்பை விட பாரம்பரிய தானியங்கிக்கு மிக நெருக்கமாகத் தெரிகிறது.

பொதுமைப்படுத்தல் எட்ட முடியாததாக இருந்தால், அண்மைக்கால பாதை பெரும்பாலும் அதிகரித்து வரும் கட்டமைக்கப்பட்ட சூழல்கள் வழியாகச் செல்லும்: வரையறுக்கப்பட்ட நிலையங்கள், தெரிந்த பாகங்கள், கட்டுப்படுத்தப்பட்ட வெளிச்சம் மற்றும் அருகில் மனித மேற்பார்வை. இது ஒரு செல்லுபடியாகும் வணிகம், ஆனால் துறையை உ beleven செய்துள்ள தொலைநோக்கை விட சிறியது.

அடுத்து கவனிக்க வேண்டியவை

இனி இரண்டு அளவீடுகள் கவனம் பெறத் தகுந்தவை, மேலும் அவை வெவ்வேறு திசைகளில் இழுக்கின்றன. முதலாவது வேகம் — வாரத்திற்கு பல நூறு அலகுகள் ஒரு தளமாக மாறுகிறதா அல்லது தற்காலிக எழுச்சியாக நிரூபிக்கிறதா. இரண்டாவது பணி தொகுப்பு, இது வெளியிலிருந்து அளவிட மிகவும் கடினம்.

கண்காணிக்கத் தகுந்த சமிக்ஞைகளில் டெஸ்லா ஆப்டிமஸ் பயன்பாடுகளை செயல்விளக்கங்களுக்குப் பதிலாக குறிப்பிட்ட வேலைகளின் அடிப்படையில் விவரிக்கத் தொடங்குகிறதா, ரோபோக்கள் நிறுவனம் முழுமையாகக் கட்டுப்படுத்தாத சூழல்களில் தோன்றுகின்றனவா, மேலும் மென்பொருள் புதுப்பிப்புகள் ஒவ்வொரு புதிய பணிக்கும் மறுபயிற்சி இல்லாமல் ஒரு அலகு என்ன செய்ய முடியும் என்பதை அர்த்தமுள்ளதாக விரிவாக்குகின்றனவா என்பதும் அடங்கும்.

டெஸ்லா இப்போது மனித உருவ ரோபோக்களை அளவில் உருவாக்க முடியும் என்பதைக் காட்டியுள்ளது. கடினமான கேள்வி — அந்த ரோபோக்கள் குறிப்பாகத் தயாரிக்கப்படாத வேலைகளைக் கையாள கற்றுக்கொள்ள முடியுமா என்பது — இன்னும் திறந்தே உள்ளது, எந்த உற்பத்தி வரிசையும் அதற்கு பதிலளிக்காது.

இந்தக் கட்டுரை Electrek-இன் செய்தி அறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.