Chúng ta đã tự động hóa mọi thứ trong hàng ngàn năm để đẩy nhanh một loạt các nhiệm vụ tốn thời gian và công sức. Các công cụ tự động hóa ban đầu rất thô sơ và cơ học, nhưng nhờ những tiến bộ công nghệ, tự động hóa đã phát triển thành các hệ thống tinh vi có khả năng thực hiện những kỳ tích đáng kinh ngạc về năng suất và độ chính xác. Sức mạnh tính toán của bộ xử lý ngày nay và sự tiến bộ của trí tuệ nhân tạo (AI) không chỉ giúp tự động hóa nhiều nhiệm vụ của con người mà còn mở rộng hoặc “tăng cường” khả năng của con người. Khi AI tiếp tục phát triển, tự động hóa có thể đi đến đâu từ đây?

Người La Mã và người Hy Lạp cổ đại đã sử dụng trọng lực để cung cấp năng lượng cho các thiết bị tự động hóa của họ: bánh xe nước nghiền lúa mì thành bột và vít nước lấy nước từ thân tàu và cây trồng tưới tiêu. Sức mạnh của nước tiếp tục đóng vai trò quan trọng trong giai đoạn đầu của cuộc cách mạng công nghiệp, khi nó bị thay thế bởi hơi nước. Các nhà máy được xây dựng xung quanh các tua-bin chạy bằng hơi nước trung tâm, với các máy móc cần nhiều mô-men xoắn hơn được đặt gần tua-bin hơn và những máy móc cần ít mô-men xoắn hơn được đặt xa hơn đôi khi trên các tầng khác nhau, được kết nối thông qua một loạt dây đai truyền động và ròng rọc.

Điện là một bước thay đổi đáng kể đối với tự động hóa vì điện có thể được cung cấp và kiểm soát độc lập cho từng máy móc xung quanh nhà máy. Pin hiện đại đưa điều này tiến xa hơn một bước. Nhẹ và có thể sạc lại, chúng cho phép các hệ thống tự động hóa không bị ràng buộc bởi nguồn điện cố định và do đó có thể di động. Xe đẩy tự động (AGV hoặc AMR) được sử dụng để giao các thành phần đến các ô làm việc xung quanh sàn nhà máy, máy bay không người lái trên không được sử dụng để thực hiện kiểm tra hàng tồn kho tại các trung tâm hậu cần và máy bay không người lái dưới nước để kiểm tra và bảo trì cơ sở hạ tầng dưới biển, chẳng hạn như cầu và cáp viễn thông.

Phần lớn là nhờ vào tham vọng của các nhà sản xuất xe điện, công nghệ pin có khả năng sẽ có những tiến bộ hơn nữa và điều này sẽ cho phép tạo ra nhiều hệ thống tự động hóa di động hơn nữa.

Trong khi các hệ thống tự động hóa ban đầu sử dụng cơ học phức tạp để tạo ra các chuyển động đồng bộ, thì vào thế kỷ 18, khái niệm lập trình đã được phát triển để điều khiển máy dệt. Các máy dệt sử dụng các dải giấy được đánh dấu bằng một chuỗi các lỗ, và 200 năm sau, các máy tính đầu tiên được gọi là “máy cộng và tính toán” vẫn sử dụng về cơ bản cùng một khái niệm: thay vì các dải giấy, các máy đọc hướng dẫn từ “thẻ đục lỗ”.

Thẻ đục lỗ đã được thay thế bằng băng từ và sau đó là đĩa, và cuối cùng đã trở nên lỗi thời phần lớn bởi bộ nhớ trạng thái rắn (DRAM và NAND). Nhưng bất kể phương tiện được sử dụng là gì, đĩa mềm hay DRAM, tất cả các máy đều chạy theo các hướng dẫn được xác định trước và một khi đã chuyển động sẽ tiếp tục chạy cho đến khi tắt hoặc xảy ra lỗi. Một rô-bốt hiện đại được lập trình để hàn cửa ô tô sẽ tiếp tục trình tự hàn cho dù có cửa ô tô thực sự ở phía trước nó hay không. Điều này khiến nó trở nên nguy hiểm. Điều gì sẽ xảy ra nếu ai đó đi trước rô-bốt hoặc, do sự cố ở xa hơn trên dây chuyền sản xuất, cửa ô tô không ở đúng vị trí vào đúng thời điểm.

Trong mười năm qua, tốc độ tăng lên của bộ xử lý đã giúp các hệ thống tự động hóa có thể thích ứng với những thay đổi trong môi trường xung quanh, chỉ bằng cách xây dựng một thư viện các kịch bản khác nhau. Trong một kịch bản, nếu cửa xe không ở đúng vị trí (có thể được xác định bởi hệ thống thị giác từ Keyence hoặc Cognex), robot có thể tạm dừng hoạt động và trong một kịch bản khác, nếu ai đó đi quá gần robot (có thể được xác định bởi hàng rào an toàn ảo dựa trên laser từ TI hoặc Hexagon), robot có thể làm chậm chuyển động của mình hoặc thậm chí dừng hẳn. Cách tiếp cận này cung cấp cho hệ thống một số quyền tự chủ, nhưng rõ ràng mức độ tự chủ bị giới hạn bởi số lượng các kịch bản được lập trình sẵn có sẵn cho nó.

Gần đây hơn, những tiến bộ trong công nghệ AI, đặc biệt là học máy, mang lại cho tự động hóa một bước thay đổi đáng kể khác. Trên thực tế, học máy có thể chứng minh được tầm quan trọng của tự động hóa như sự ra đời của điện trong công nghiệp 150 năm trước.

Với các thuật toán học máy, hệ thống có thể học bằng ví dụ hoặc tự xác định các mẫu và bất thường hoặc thông qua thử nghiệm và sai sót. Quá trình này có thể được đẩy nhanh bằng cách mô phỏng hàng triệu tình huống khác nhau trên phần mềm. Khi lĩnh vực này phát triển, các hệ thống tự động hóa có khả năng trở nên tự chủ hơn, có khả năng thích ứng và phản ứng phù hợp với những thay đổi trong môi trường xung quanh chúng. Điều này sẽ giúp chúng dễ sử dụng hơn, an toàn hơn khi làm việc và có khả năng thực hiện nhiều nhiệm vụ hơn – không chỉ trong các nhiệm vụ vật lý mà còn trong các thách thức về nhận thức như giải quyết vấn đề.

Do đó, cơ hội thương mại cho các hệ thống tự động hóa thông minh hơn, tự chủ hơn có thể lớn hơn đáng kể so với thị trường ngách đã được thiết lập bởi những người tiền nhiệm “thô lỗ và thô lỗ” của họ. Do đó, chúng tôi tin rằng những tiến bộ công nghệ này sẽ tạo ra một cơ hội lớn và kéo dài nhiều thập kỷ cho các nhà đầu tư kiên nhẫn.

Trong khi tự động hóa thông minh hơn có thể tạo ra bước tiến vượt bậc trong tăng trưởng năng suất cho nền kinh tế toàn cầu, giải quyết vấn đề thiếu hụt lao động và cho phép mọi người tránh xa các công việc bẩn thỉu và nguy hiểm, liệu những hệ thống thông minh tương tự có thể được áp dụng để giải quyết những thách thức lớn của thời đại chúng ta, chẳng hạn như giảm thiểu biến đổi khí hậu, tìm ra cách chữa trị các bệnh mãn tính hoặc giải pháp giải quyết tình trạng quá tải ở các thành phố và bất bình đẳng về của cải hay không?

Đây có thể là tương lai, nhưng các hệ thống AI ngày nay vẫn chưa đủ tiên tiến để giải quyết các vấn đề phức tạp, đa diện và phụ thuộc lẫn nhau như vậy. Tuy nhiên, một số tiến bộ ban đầu đã được thực hiện. Một trong những ứng dụng AI nổi bật và thành công cho đến nay là AlphaFold, do Google DeepMind2 phát triển, đã đưa ra ước tính chính xác về cấu trúc 3 chiều của 200 triệu protein. Google đã công khai cơ sở dữ liệu này, giúp các nhà nghiên cứu hiểu sâu hơn về kiến ​​trúc protein và ý nghĩa của nó đối với chức năng sinh học. Trước đó, chỉ có 200.000 cấu trúc protein được hiểu. Xin chúc mừng AlphaFold! Chúng tôi tin rằng sự đổi mới sẽ dẫn đến sự đổi mới hơn nữa và quá trình này đang diễn ra một cách tự nhiên. Chúng tôi vẫn hy vọng rằng những đột phá mới đáng kể sẽ theo sau.