Incidents associés
Tesla espérait produire 5 000 nouvelles voitures électriques Model 3 chaque semaine en 2018. Jusqu'à présent, elle n'a même pas réussi à fabriquer la moitié de ce nombre. Interrogé à ce sujet, le PDG de l'entreprise, Elon Musk, a affirmé que "l'automatisation excessive était une erreur" et que "les humains sont sous-estimés".
Il n'a pas tort - la tendance récente à l'automatisation complète a négligé l'importance de l'adaptabilité. Les humains sont encore bien plus capables de s'adapter au changement que l'intelligence artificielle (IA). À long terme, l'IA a le potentiel de remplacer les travailleurs humains, mais pour l'instant, les dirigeants doivent déterminer la bonne vitesse de changement.
L'usine Tesla de la Silicon Valley est hautement automatisée. Très tôt, Musk a compris que tout processus suivant une séquence d'étapes prédéfinies et se déroulant dans un environnement assez contrôlé, comme une usine, pouvait être automatisé par l'intelligence artificielle et les robots. Et c'est quelque chose dont il devrait être crédité.
Mais alors que les systèmes autonomes se développent rapidement, les humains restent bien meilleurs pour s'adapter aux changements imprévus. Lorsqu'il s'agit de travaux d'usine complexes, c'est quelque chose qui ne doit pas être sous-estimé. En repensant aux problèmes de productivité de Tesla, Musk a sans aucun doute manqué l'importance de l'adaptabilité dans la fabrication. La probabilité de petites erreurs et de situations imprévues est proportionnelle à la complexité du processus, en particulier lorsque le processus se déroule dans le monde physique.
Intelligence adaptative
Les humains et d'autres formes de vie intelligente ont évolué pour survivre dans un monde en constante évolution. Pour cette raison, ils peuvent remarquablement bien faire face aux situations imprévues et aux écarts entre les événements attendus et réels. Comme le souligne le scientifique cognitif Gary Marcus, il y a beaucoup de choses « qui entrent dans l'intelligence humaine, comme notre capacité à faire attention aux bonnes choses en même temps, à raisonner à leur sujet pour construire des modèles de ce qui se passe afin d'anticiper ce qui pourrait arriver ensuite et ainsi de suite.
Les humains et les animaux peuvent également adapter leur corps à des situations radicalement différentes afin d'atteindre leurs objectifs. Par exemple, nous pouvons avancer en marchant, en nageant, en sautant, en grimpant et en rampant – et nous pouvons le faire même si nous perdons l'usage d'un membre. Ces aspects dynamiques des systèmes biologiques les aident à faire face à des changements radicaux dans des situations très complexes.
L'apprentissage automatique, en revanche, n'est pas encore au niveau de l'intelligence et de l'adaptabilité humaines. Bien sûr, nous avons fait de grands progrès. Aujourd'hui, des algorithmes d'IA avancés, inspirés des systèmes nerveux, peuvent apprendre à reconnaître des situations similaires comme un feu de circulation qui devient rouge ou une balle qui tombe dans la rue encore mieux que les humains. Les développements de la robotique signifient également que de nouveaux robots fabriqués à partir de matériaux souples peuvent s'adapter physiquement à des objets imprévus dans l'environnement physique. Mais dans les deux cas, l'adaptabilité se limite à des variations au sein d'une catégorie restreinte d'objets ou d'événements.
La vérité est que nous ne maîtrisons pas encore la conception de robots et d'IA suffisamment résilients pour répondre à des environnements imprévisibles. Prenons l'exemple des robots utilisés dans l'industrie de l'emballage. Les véhicules guidés automatisés avec une intelligence embarquée limitée ne peuvent suivre que des instructions de programmation simples les emmenant le long d'itinéraires fixes dans un environnement défini. Ces robots pourraient être capables de saisir un produit et de le placer dans un carton, sans pouvoir faire quoi que ce soit de plus complexe. Lorsque le travail change, le robot devra être remplacé.
Des robots mobiles plus complexes sont également utilisés. Ils ont des capteurs et des scanners intégrés, ainsi qu'un logiciel qui leur permet de détecter leur environnement et de choisir l'itinéraire le plus efficace afin qu'un produit ne soit pas nécessairement placé au même endroit à chaque fois. Ces robots plus complexes sont plus flexibles et adaptables, mais ils sont encore assez éloignés de ce que les systèmes biologiques peuvent faire.
Cela pourrait être un problème pour les usines trop automatisées où de petits écarts physiques (une roue cassée, une usure au sol, des pièces mal positionnées) peuvent rapidement s'accumuler et entraîner des situations imprévisibles (un composant n'est pas là où il devrait être, un robot est disparu). Lorsqu'un processus change ou que l'usine commence à fabriquer un nouveau produit, il est alors nécessaire de reconfigurer l'équipement et de trouver une solution différente. Ce n'est pas encore tout à fait à la portée de l'IA et de la robotique.
Automatisation complète
Musk a publiquement fait part de sa volonté de créer une usine entièrement autonome. Son objectif sous-jacent est de dépasser les limites de la vitesse humaine. Avec une plus grande vitesse, des rendements plus élevés peuvent être atteints. Mais dans des environnements complexes, comme une usine hautement automatisée, il y a un besoin de robots hautement adaptables qui peuvent réagir à des situations imprévues et les uns aux autres comme le font les systèmes biologiques. L'introduction de ce type de résilience biologique dans la robotique et l'IA nécessite des recherches supplémentaires.
La première consiste à tester l'automatisation robotique dans un ensemble défini de processus, tels que le prélèvement des matières premières et leur placement sur la chaîne de montage. La seconde implique l'expansion