機器學習（ML）和機器人技術的突破，大大改善了出貨與量產的速度及成本。我們都希望以更低的成本立即取得我們的包裹，每間企業也希望獲得更高的利潤。但是，隨著工廠和倉庫中越來越多的任務被自動化，我們的社會又將承受哪些全面影響？

在全球最大的幾間公司中，亞馬遜尤其面臨著更嚴格的監督。這家電商巨頭始終扮演著現今倉庫自動化，與當日到貨承諾的主要推手，促使其同業與DHL等供應商開始測試一系列的機器人技術，設法跟上自己的服務水準。

亞馬遜在蒙受苛待員工的批判之際，同時也積極推動自動化，今後可能有多達12.5萬的全職或計時職缺因此裁減，同時在美國境內的物流和倉儲中心，也有另外12萬的季節性短雇工人往後可能因此失業。 面對公眾的監督與質疑，亞馬遜並未積極採取更坦率和透明的方式，討論我們該如何處理這段社會過渡期的各種問題，而是虛應故事。

在最近的一次記者參訪中，亞馬遜機器人物流（Amazon Robotics Fulfillment） 事業協理史考特．安德森（Scott Anderson）說，倉庫裡的全自動工作站，至少還需要10年的發展才能健全運作。確切來說，他認為至少還需要10年時間，才能把各筆訂單交由倉庫工人揀貨的作業徹底自動化。這樣的說法會不會分散了大眾的注意力，導致大家忘記了真正迫切的問題：

我們應該如何轉型？準備面對無可避免的自動化趨勢？

亞馬遜沒説錯的事

儘管我們仍需要幾年時間，才有辦法將倉庫中完成訂單的每一個步驟「全面」自動化，但亞馬遜沒提到的是，目前訂單處理其實已經被部分自動化，未來幾年自動化的程度也將進一步提高。

換句話說，足以全面提高效率和成本效益的自動化技術，現已問世。

雖然網路上隨處可見自動化倉庫的精彩影片，但根據實際情況，全美只有超過10%的倉庫真正使用了精密的自動化技術。精密自動化技術（例如分揀系統）、AGV （自動化地面車輛），以及堆卸棧板機等精密的自動化技術，通常需要超過5,000萬美元的投資，估計投資回收期超過5年。

此外，像Kiva和Fetch這樣的行動機器人，目前雖然已經投入運用，但用於揀貨的機械手臂才正開始部署。為什麼？我在先前的文章裡有提過，多數機械手臂的功能確實十分強大，卻不具備真正的因應能力。這些機器人在編程完工之後，只負責重複執行相同的工作。即使是小小的改變，都可能造成生產線暫停，歷經重新校準才能再作業。它們無法適應環境的變化，靈巧程度也比不上真正的人類手臂。

與機器人相比，人類仍然擁有較出色的靈活性、視覺感知能力與抓取能力（迄今我們尚未發明出靈巧程度足以比擬手指的夾具）。此外，如果你仔細觀察，我們很少使用語言，描述拾取、抓握等動動作。對大多數人而言，這些動作很直觀，不需多加說明，因為我們從出生到現在，已經重複做過無數次。

我們不加思索也能輕易撿起、放置各種物體，但對於機器人來說，撿拾、抓取卻是必須從零開始學習的課題，因為機器並不具備關於物理性質（像是摩擦力評估、重心研判）之類的關鍵背景知識。（正因為如此，我們無法直接把目前適用於人類的評量指標，套用至機器人的動作上。我將在之後的Medium的文章裡進一步闡述。）

貨物揀選過程非常複雜，可從區域揀選、離散揀選、一直到批量揀選。過程還牽涉到包括進貨、分類、堆棧、卸棧、揀選、檢查與包裝，標籤黏貼和運輸等幾個步驟。其中有許多步驟已經自動化，但要達到全面自動化，確實還需要幾年的時間。對照人類天生的卓越認知和操控能力，亞馬遜確實點出了目前人工智慧和機器人技術的侷限性。但是，這樣的說法是否會讓大家忽略掉某些重要趨勢？

...

Full Text： 數位時代

若喜歡本文，請關注我們的臉書 Please Like our Facebook Page： Big Data In Finance