【开云|kaiyun】【揭秘】最容易自动化的领域反而是创造类工作

2月13日消息 据外媒（VentureBeat）报导，我们早已听见充足多的科技应验，谈机器人将如何接管我们日常生活中单调反复工作，使人类需要专心于更高技术含量或创造性的任务。但实际的情况有可能于是以与此相反：最更容易自动化的任务正是创造性工作，那些重复性工作自动化一起反而十分棘手。

出人意料：更容易自动化的领域艺术21世纪初，伦敦大学“The Painting Fool”绘画程序创作了艺术作品。其大部分转入画廊，同人类作品一起展览。像DeepStyle和Prisma这样的神经网络用于卷积神经网络仿效特定艺术家风格对照片展开风格化处理。Withoomph、Tailor Brands和Logojoy等徽标分解系统能半自动或全自动地根据关键字分解徽标设计。

研究人员还将这一过程运用到音乐上。Melomics是一个根据生活方式和活动主题创作并播出音乐的系统。IBM与艺术家合力，将大量音乐、歌词与情感分析结合，协助“沃森”制备音乐。

如此一来，大自然的人类创造力仍然是建构美所必需的。科研科学的一个核心基础是重复性。移液操作者在许多实验室中都归属于单调和劳动密集型任务，OpenTrons等公司致力于用自动化移液装置来协助科学家节省时间和金钱。

创企Arcturus和BioRealize让科学家需要远程操纵基因工程实验，大大减少错误和实验时间。其他创业公司——如Emerald Therapeutics和Transcriptic，则期望将研究过程迁入到云端，用于远程机器人系统来自动继续执行实验。

除了自动化手工的实验室工作，当下机器也在将科学找到和解读自动化。康奈尔大学的Nutonian需要在不得出任何预先假设的情况下创立数据模型。来自剑桥、阿斯伯里和曼彻斯特的研究人员打造出了一个类似于的自助科学算法，称之为其为史上第一台需要自律考古科学新知的机器。

随着科学研究的减少，科学家可能会更加倚赖自动化系统。法律专门从事法律行业必须对法律、案例和其他判例法有多年的自学和解读。AI的最新进展让这些任务的自动化沦为有可能。

迄今为止，判例法、合同法和申辩有数自动化实践中。创企DoNotPay的机器人律师能偶协助用户处置交通罚单。

ROSS Intelligence用于AI来阐释涉及法律段落和案例，以提升法律研究的效率和质量。eBrevia用于AI从合约中萃取数据，以协助合约分析等涉及应用于。

法律到底在多大范围内需要自动化引发人们的顾虑。由于大多数法律行业的机构是按小时收费，所以看律师们如何权衡自动化带给的利益与责任将不会很有意思。警务和安保人类物理安全性团队的主要职能是仔细观察和报告安全事故。

由于对雇员负有责任，许多人类安保人员并不容许干预，这使得他们的工作更容易自动化。迄今为止的安保自动化专心于对现有安保力量的强化。用并不便宜的手段强化保安的视野和听力范围，打破传统相同照相机所覆盖面积的范围。

Knightscope和Gamma 2 Robotics打造出了地面安保机器人，通过物理临场获取力量威慑。这些机器人被部署在更加多的企业园区和商场。另一家名为Nightingale的创企用于无人机协助客户展开监控作业。

稍作时日，机器人可基本代替警员和安全部队，只必须在解决问题暴力事件时再行动用人工力量。出人意料无法自动化的领域洗手洗手机器人Roomba是2002年第一批面向普通消费者发售的消费级机器人之一。15年后的今日，洗手机器人行业并没任何实质的创意为其夺得商业上的顺利。

一家取名为Intellibot的公司生产出有了一个取名为“TASKI”的大型自动化地板清洁机，销量寥寥无几。此外Brain Corp也与国际洗手设备公司合力发售了取名为“RS26”的大型地板清洁机。除了洗手地板，机器人还被引进对人类而言过分危险性的洗手作业。

创企Ecoppia用于机器人来洗手带上阳能电池板，美国放射性废物管理专业公司Kurion的核污染清扫机器人还被挑选出在福岛作业。服装和纺织纺织制造业是第一批构建自动化的行业之一，不过几乎的自动化依然难以实现。

机器人擅于操作者会变形的液体物件，但纺织品剪裁、剪切和传输让机器人束手无策。今天的机器人需要已完成染色、剪切和简单的纹样设计，但实际缝纫、加到花边和褶皱等工作依然必须灵活的人手已完成。

很少有公司在高级缝制方面获得重大进展。Softwear Automation乃是其中之一。它用于高速摄影机来追踪纺织品，让机器人在倾斜多变的布料上展开作业。

耐克也正在用于自动化来替代传统的鞋子装配过程。FLYKNIT系列鞋子的顶部就是由一个倒数的线编织而非多个部件的组装。自动化在服装护理方面的进展某种程度不多。

虽然机器可以洗净和浸泡，但是装载、放入和拉链过程依然是反复和费力的工作，没理想的自动化解决方案。创企Laundroid和Foldimate研发了洗衣拉链机器人，不过因体积大功能小惹来诟病。农业用于自动化来替代手工的农作物收成迄今为止依然是艰难的。

有些农作物的浆果薄弱易损，而计算机视觉在辨识作物浆果上也不更容易。不过尽管面对这些挑战，仍有许多公司致力于构建农业的全自动化。Harvest Automation打造出了一个取名为“HV－100”的机器人，差不多可以构建作物整个生长周期的自动化。另外还有一系列创业公司致力于打造出除草和松土机器人。

这其中还包括Naio Technologies，它面向葡萄园生产除草机器人产品。在水果采收领域，诸如FFRobotics、Abundant Robotics和Vision Robotics等公司仍然致力于获取机器人水果采收解决方案。虽然其产品仍未普及，不过他们的希望正在为更加自动化的世界打下基础。比如，他们用于抽吸装置来掉落水果，防止了机械臂夹持的许多弊端。

展望未来从以上阐述的几个主题中，我们可以大略预测机器人行业的未来。今天，机器人技术早已在自动化反复任务方面获得了重大进展，这些任务必须并不高超的技术。牵涉到到大量数据和信息处理的任务也可通过自动化来构建大幅提高。另一方面，必须简单操作者的任务依然无法被自动化，这些任务必须更加多技术提供支援，其中还包括机器人所能获取给我们的更加深层决策和信息综合能力。

机器人早已转变了许多主要行业，必须人工参予才能已完成的事情越来越少。不过总体来看，一个几乎自动化的世界仍在视野之外。

本文来源：开云|kaiyun-www.lw0597.com