出人意料：最容易自动化的领域反而是创造类工作

高海燕

据外媒（VentureBeat）报道，我们已经听到足够多的科技预言，讲机器人将如何接管我们日常生活中单调重复工作，使人类能够专注于更高技术含量或创造性的任务。但实际的情况可能正与此相反：最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起来反而非常棘手。
出人意料：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。其大部分进入画廊，同人类作品一同展出。像 DeepStyle 和 Prisma 这样的神经网络使用卷积神经网络模仿特定艺术家风格对照片进行风格化处理。Withoomph、Tailor Brands 和 Logojoy 等徽标生成系统能半自动或全自动地根据关键字生成徽标设计。

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放音乐的系统。IBM 与艺术家联手，将大量音乐、歌词与情感分析相结合，帮助 " 沃森 " 合成音乐。如此一来，自然的人类创造力不再是创造美所必须的。

科研

科学的一个核心基础是重复性。移液操作在许多实验室中都属于单调和劳动密集型任务，OpenTr**** 等公司致力于用自动化移液装置来帮助科学家节省时间和金钱。创企 Arcturus 和 BioRealize 让科学家能够远程操控基因工程实验，大大减少错误和实验时间。其他创业公司——如 Emerald Therapeutics 和 Transcriptic，则希望将研究过程迁移到云端，使用远程机器人系统来自动执行实验。

除了自动化手工的实验室工作，当下机器也在将科学发现和理解自动化。康奈尔大学的 Nutonian 能够在不给出任何预先假设的情况下创建数据模型。来自剑桥、阿斯伯里和曼彻斯特的研究人员打造了一个类似的自助科学算法，称其为史上第一台能够自主发掘科学新知的机器。随着科学研究的增加，科学家可能会越来越依赖自动化系统。

法律

从事法律行业需要对法律、案例和其他判例法有多年的学习和理解。AI 的最新进展让这些任务的自动化成为可能。迄今为止，判例法、合同法和辩护已有自动化实践。创企 DoNotPay 的机器人律师能偶帮助用户处理交通罚单。ROSS Intelligence 使用 AI 来阐述相关法律段落和案例，以提高法律研究的效率和质量。eBrevia 使用 AI 从合同中提取数据，以帮助合同分析等相关应用。

法律究竟在多大范围内能够自动化引起人们的疑虑。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来的利益与责任将会很有趣。

警务和安保

人类物理安全团队的主要职能是观察和报告安全事故。由于对雇主负有责任，许多人类安保人员并不允许干涉，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注于对现有安保力量的增强。用并不昂贵的手段增强保安的视野和听力范围，超越传统固定相机所覆盖的范围。

Knightscope 和 Gamma 2 Robotics 打造了地面安保机器人，通过物理临场提供力量威慑。这些机器人被部署在越来越多的企业园区和商场。另一家名叫 Nightingale 的创企使用无人机帮助客户进行监视作业。稍加时日，机器人可基本取代警察和安全部队，只需要在解决暴力事件时再动用人工力量。

出人意料难以自动化的领域

清洁

清洁机器人 Roomba 是 2002 年第一批面向普通消费者推出的消费级机器人之一。15 年后的今日，清洁机器人行业并没有任何实质的创新为其赢得商业上的成功。一家名为 Intellibot 的公司制造出了一个名为 "TASKI" 的大型自动化地板清洁机，销量寥寥无几。此外 Brain Corp 也与国际清洁设备公司联手推出了名为 "RS26" 的大型地板清洁机。

除了清洁地板，机器人还被引入对人类而言过于危险的清洁作业。创企 Ecoppia 使用机器人来清洁带阳能电池板，美国放射性废物管理专业公司 Kurion 的核污染清理机器人还被挑选在福岛作业。

服装和纺织

纺织制造业是第一批实现自动化的行业之一，不过完全的自动化仍然难以实现。机器人善于操作不会变形的固体物件，但纺织品剪裁、拉伸和压缩让机器人束手无策。今天的机器人能够完成染色、剪切和复杂的纹样设计，但实际缝纫、添加花边和褶皱等工作仍然需要灵巧的人手完成。

很少有公司在高级缝制方面取得重大进展。Softwear Automation 便是其中之一。它使用高速摄影机来跟踪纺织品，让机器人在弯曲多变的布料上进行作业。耐克也正在使用自动化来替代传统的鞋子组装过程。FLYKNIT 系列鞋子的顶部就是由一个连续的线编织而非多个部件的拼装。

自动化在服装护理方面的进展同样不多。虽然机器可以洗涤和烘干，但是装载、取出和折叠过程仍然是重复和费力的工作，没有理想的自动化解决方案。创企 Laundroid 和 Foldimate 开发了洗衣折叠机器人，不过因体积大功能小引来诟病。

农业

使用自动化来替代手工的农作物收割迄今为止仍然是困难的。有些农作物的果实脆弱易损，而计算机视觉在识别作物果实上也不容易。不过尽管面临这些挑战，仍有许多公司致力于实现农业的全自动化。

Harvest Automation 打造了一个名为 "HV-100" 的机器人，差不多可以实现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除草和松土机器人。这其中包括 Naio Technologies，它面向葡萄园生产除草机器人产品。

在水果采摘领域，诸如 FFRobotics、Abundant Robotics 和 Vision Robotics 等公司一直致力于提供机器人水果采摘解决方案。虽然其产品尚未普及，不过他们的努力正在为更自动化的世界打下基础。比如，他们使用抽吸装置来拾取水果，避免了机械臂夹持的许多弊端。

展望未来

从以上概述的几个主题中，我们可以大略预测机器人行业的未来。今天，机器人技术已经在自动化重复任务方面取得了重大进展，这些任务需要并不高超的技术。涉及到大量数据和信息处理的任务也可通过自动化来实现倍增。另一方面，需要复杂操作的任务仍然难以被自动化，这些任务需要更多技术支援，其中包括机器人所能提供给我们的更深层决策和信息综合能力。

机器人已经改变了许多主要行业，需要人工参与才能完成的事情越来越少。不过总体来看，一个完全自动化的世界仍在视野之外。