عینک هوش مصنوعی آمازون روی چشم راننده‌ها؛ پشت پرده انبارها ماجرای ترسناک‌تری در جریان است!

آمازون برنامه‌ریزی کرده تا پایان سال ۲۰۲۷، بیش از ۲۰ هزار جفت عینک هوشمند در اختیار رانندگان تحویل کالا قرار دهد. این تصمیم پس از یک دوره آزمایشی موفق گرفته شده که در آن بیش از ۵۰۰ راننده به مدت ۱۸ ماه این عینک‌ها را به چشم زدند و بیش از ۲۷۵ هزار تحویل بسته را با موفقیت پشت سر گذاشتند.

طبق اعلام این شرکت، به محض این‌که راننده خودرو را پارک می‌کند، عینک روشن می‌شود و با بهره‌گیری از بینایی ماشین، اطلاعات مسیریابی، جزئیات بسته و هشدارهای مربوط به خطرات احتمالی را مستقیماً جلوی چشم راننده نمایش می‌دهد؛ به این ترتیب راننده دیگر نیازی ندارد مدام به صفحه گوشی نگاه کند. آمازون مدعی است استفاده از این عینک‌ها کاملاً اختیاری است و طراحی آن بر اساس بازخورد رانندگان حاضر در مرحله آزمایشی شکل گرفته است.

در حال حاضر افکار عمومی نگرانی‌های جدی درباره عینک‌های مجهز به هوش مصنوعی (مانند عینک‌های ری‌بن متا) دارد و حالا اقدام آمازون یکی از بحث‌برانگیزترین چالش‌ها را به وجود آورده است: این عینک‌ها در فواصل زمانی کوتاه و پی‌درپی هنگام پیاده‌روی رانندگان عکس می‌گیرند. با این حال، آمازون اعلام کرده هیچ سازوکاری برای انصراف یا عدم ثبت تصویر در نظر نگرفته است؛ موضوعی که نشان می‌دهد نمای خانه‌های مشتریان نیز ناخواسته در این عکس‌ها ثبت می‌شود.

اما هرچه دقیق‌تر به سازوکار تحویل کالای آمازون نگاه کنیم — سیستمی که از ۱ میلیون ربات برای پردازش ۶۰۰ هزار سفارش در هر ساعت استفاده می‌کند — و حتی با بررسی گزارش‌های مربوط به تورهای بازدید از انبار آمازون، بیش‌تر متوجه می‌شویم که این عینک‌ها اصلاً مهم‌ترین بخش ماجرا نیستند؛ بلکه صرفاً تنها تکه‌ای از این سیستم غول‌پیکرند که ما مردم عادی شانس دیدنش را داریم.

پای هوش مصنوعی حتی قبل از ثبت سفارش وسط است!

چگونگی استفاده آمازون از ۱ میلیون ربات برای پردازش ۶۰۰ هزار سفارش در هر ساعت

تا لحظه‌ای که راننده عینک را به چشم می‌زند، هوش مصنوعی از قبل روی محل نگهداری کالا در انبار، نحوه جابه‌جایی آن، این‌که کدام ربات‌ها آن را بردارند و چه مسیری بسته را به خانه شما برساند، تأثیر گذاشته است. آمازون از سیستم پیش‌بینی تقاضا مبتنی بر هوش مصنوعی استفاده می‌کند تا تصمیم بگیرد موجودی هر کالا در کدام نقطه انبار شود. در کنار آن، سیستم‌های رباتیک و بینایی ماشین در مراکز پردازش، مدل DeepFleet برای هماهنگی تردد ربات‌ها، و سامانه‌های هوشمند نقشه‌برداری و مسیریابی در ناوگان تحویل فعال هستند؛ به طوری که عینک هوشمند عملاً جدید‌ترین رابط میان نیروی کار و سیستمی بسیار بزرگ‌تر محسوب می‌شود که از مدت‌ها پیش اطراف آن‌ها فعال بوده است.

هوش مصنوعی آمازون خیلی قبل‌تر از آن‌که کسی بسته‌ای را از قفسه انبار بردارد، کارش را شروع می‌کند. این شرکت از یک مدل پایه (Foundation Model) برای پیش‌بینی تقاضا و تعیین انبارش کالاها کمک می‌گیرد. به گفته آمازون، این مدل پیش‌بینی‌های منطقه‌ای تقاضا برای میلیون‌ها کالای پرطرفدار را تا ۲۰ درصد دقیق‌تر کرده است؛ قابلیتی که اجازه می‌دهد کالاها در انبارهای نزدیک‌تر به مشتریانی چیده شوند که بیش‌ترین احتمال خرید را دارند.

به محض ورود کالا به مرکز پردازش سفارشات، بسته وارد محیطی می‌شود که انسان‌ها، ربات‌ها، سامانه‌های بینایی ماشین و یادگیری ماشین همگی مانند یک شبکه واحد با هم کار می‌کنند. آمازون در سال ۲۰۲۵ یک‌میلیونمین ربات خود را به کار گرفت؛ بخشی از ناوگانی عظیم که در بیش از ۳۰۰ مرکز در سراسر جهان مستقر هستند.

برخی از این ربات‌ها قفسه‌های غول‌پیکر را جابه‌جا می‌کنند؛ برای نمونه، ربات مدل Hercules می‌تواند تا وزن ۱۲۵۰ پوند (بیش از ۵۶۰ کیلوگرم) کالا را بلند کند. ربات Sparrow در مقیاسی ظریف‌تر کار می‌کند و با بینایی ماشین و هوش مصنوعی، کالاهایی با شکل‌ها و اندازه‌های گوناگون را تشخیص داده و برمی‌دارد. در همین حین، ربات Proteus گاری‌ها و چرخ‌دستی‌ها را به شکلی کاملاً خودران در میان کارمندانی که در محوطه انبار حضور دارند جابه‌جا می‌کند.

سیستم Sequoia نیز ربات‌های متحرک، بینایی ماشین و هوش مصنوعی را با هم ترکیب می‌کند تا موجودی انبار را مرتب کرده و به دست کارگران برساند. آمازون می‌گوید این سیستم قادر است کالاهای ورودی را تا ۷۵ درصد سریع‌تر از روش‌های قبلی شناسایی کرده و در قفسه‌ها جای دهد.

ربات‌ها حالا کنترلر ترافیک هوش مصنوعی اختصاصی دارند!

آمازون فقط به دنبال افزایش تعداد ربات‌ها نیست، بلکه از هوش مصنوعی برای هماهنگ کردن آن‌ها بهره می‌برد. مدل پایه DeepFleet که این شرکت آن را به سیستم هوشمند کنترل ترافیک در شهری شلوغ تشبیه می‌کند، مسیرهای بهینه‌تری برای ناوگان ربات‌ها طراحی می‌کند و از ازدحام میان ربات‌ها می‌کاهد. آمازون پیش‌بینی کرده که این فناوری زمان تردد ربات‌ها را حدود ۱۰ درصد کاهش دهد.

شاید ۱۰ درصد رقم ناچیزی به نظر برسد، اما وقتی آن را برای بیش از یک میلیون رباتی حساب کنید که در صدها انبار مدام در رفت‌وآمد هستند، متوجه می‌شوید همین صرفه‌جویی‌های به ظاهر کوچک، در کل عملیات به افزایشی چشمگیر در سرعت منجر می‌شود.

آمازون همچنین پای هوش مصنوعی ایجنت‌محور (Agentic AI) را به مدیریت مراکز پردازش سفارشات باز کرده است. پروژه Eluna که ابتدا در مرکزی در تنسی به صورت آزمایشی اجرا شد، داده‌های عملیاتی زنده و سوابق گذشته را تحلیل می‌کند تا مدیران بدون نیاز به بررسی ده‌ها داشبورد پیچیده، گلوگاه‌ها و کندی‌های روند کار را پیدا کنند. آمازون این فناوری را سیستمی می‌داند که با سطحی از خودمختاری طراحی شده است؛ سیستمی که چالش‌های عملیاتی را استدلال و ارزیابی می‌کند و راهکارهای مناسب را به اپراتورها پیشنهاد می‌دهد. مدیران می‌توانند با زبان طبیعی و خودمانی از آن سوال بپرسند، از جمله این‌که نیروهای انسانی را به کدام بخش جابه‌جا کنند تا جلوی ایجاد گلوگاه کاری گرفته شود.

البته همچنان تصمیم نهایی با نیروی انسانی است و پروژه Eluna فعلاً دستور نمی‌دهد بلکه صرفاً پیشنهاد می‌کند؛ اما سیستمی که بتواند مشکل را شناسایی کند، داده‌ها را تحلیل کند و بگوید کارکنان باید به کدام بخش بروند، در عمل دارد تصمیماتی را شکل می‌دهد که پیش‌تر تماماً به قضاوت انسانی وابسته بود؛ از جمله تصمیماتی که مستقیماً بر وضعیت خودِ کارگران اثر می‌گذارد.

آمازون این ارتباط را از زاویه دیگری هم تقویت می‌کند. نسل جدید ربات Proteus دستورات را به زبان ساده و گفتاری از کارکنان دریافت می‌کند؛ یعنی کارگر انبار فقط کافی است بگوید چه چیزی باید جابه‌جا شود و بقیه کارها، شامل تعیین اولویت، مسیر و زمان‌بندی، را به عهده خود ربات بگذارد. نسخه جدید Proteus در حال حاضر در آزمایشگاه‌های تحقیقاتی آمازون مراحل آزمایشی را می‌گذراند و این شرکت قصد دارد در نیمه اول سال ۲۰۲۷ آن را در انبارهای اروپا به کار بگیرد.

آمازون بدون وقفه در حال خودکارسازی وظایف انسانی است

رونمایی آمازون از ربات چندکاره جدید انبارداری

ربات Vulcan که نخستین ربات مجهز به حس لامسه در آمازون است، این جهش را به خوبی نشان می‌دهد. ربات‌های قبلی انبارها تنها متکی بر دوربین‌ها و مکنده‌ها بودند؛ به همین دلیل قفسه‌ها و محفظه‌های فشرده و شلوغ کار را برایشان بسیار دشوار می‌کرد، زیرا نمی‌توانستند حس کنند در یک فضای متراکم به چه چیزی و چقدر فشار وارد می‌کنند.

اما ربات Vulcan با سنسورهای فشار پیشرفته، برخورد با اجسام و میزان نیروی وارده را تشخیص می‌دهد. این توانایی به آن اجازه می‌دهد اقلام را در محفظه‌های بسیار متراکم بردارد یا بچیند. آمازون اعلام کرده این ربات می‌تواند با سرعتی همپای کارگران انسانی، حدود ۷۵ درصد از انواع کالاهای موجود در مراکز پردازش را مدیریت کند.

شاید در نگاه اول به نظر برسد که این فقط یک وظیفه دیگر است که از دست انسان‌ها خارج شده، اما واقعیت بخشی از یک تصویر بزرگ‌تر است: ربات‌های آمازون ابتدا با جابه‌جا کردن قفسه‌ها شروع کردند، سپس یاد گرفتند بسته‌ها را منتقل کنند و اشیای گوناگون را تشخیص دهند، حالا یکی از آن‌ها لمس کردن را آموخته و هم‌زمان هوش مصنوعی یاد می‌گیرد چگونه تمام این ماشین‌ها را با ساختمانی که در آن فعالند هماهنگ کند.

وقتی بسته بالاخره از انبار خارج می‌شود

هوش مصنوعی حتی بعد از خروج بسته با ون تحویل، دست از سر آن برنمی‌دارد! فناوری اختصاصی نقشه‌برداری آمازون به نام Wellspring از هر بار رفت‌وآمد به یک آدرس درس می‌گیرد و مدلی دقیق از دنیای واقعی می‌سازد. آمازون می‌گوید از سال ۲۰۲۴ تاکنون با این فناوری موفق شده ۲۰۲ میلیون محل پارک، ۲.۸ میلیون ورودی ساختمان و ۸۵ هزار اتاق تحویل مرسوله و کمد هوشمند را ثبت و نقشه‌برداری کند.

مسیریابی هوش مصنوعی این سیستم همچنین شرایطی مثل کاهش دید پس از غروب آفتاب یا زمان اضافه‌ای را که راننده برای پیدا کردن جای پارک در ساعات شلوغی ظهر در مرکز شهر نیاز دارد، به صورت هوشمند پیش‌بینی و لحاظ می‌کند.

عینک‌های جدید درست به همین سیستم متصل می‌شوند. آن‌ها راهنمایی‌های سامانه Wellspring را مستقیماً جلوی چشمان راننده قرار می‌دهند؛ علاوه بر این، بر اساس گزارش منتشرشده در TechRepublic، تصاویری که این عینک‌ها حین حرکت ثبت می‌کنند دوباره به خود Wellspring بازمی‌گردد؛ این یعنی راننده‌ای که عینک را به چشم زده، هم‌زمان هم از دستورات سیستم پیروی می‌کند و هم در حال آموزش دادن و تکمیل آن است!

به همین دلیل است که دیدن این عینک‌ها دیگر چندان شوکه‌کننده به نظر نمی‌رسد؛ آن‌ها صرفاً چیزی را علنی و جلوی چشم می‌آورند که سال‌هاست در پشت صحنه آمازون در جریان بوده است.

سوالات مهمی که واقعاً باید بپرسیم

مراکز پردازش سفارشات آمازون از معدود جاهایی هستند که عموم مردم می‌توانند گوشه‌ای از فعالیت این ماشین عظیم را از نزدیک ببینند. در این مراکز با ارتشی از ربات‌ها روبه‌رو می‌شوید؛ منظره برج‌های عظیمی از کالا که توسط ربات‌ها جابه‌جا می‌شوند و نقاله‌هایی که گوشه‌گوشه انبار را به هم وصل می‌کنند، در حالی که داده‌های لحظه‌ای همه‌چیز را هماهنگ می‌سازند، واقعاً شگفت‌انگیز است.

با این حال، آنچه در نگاه اول دیده می‌شود فقط نیمه آشکار این سیستم است؛ ربات‌ها، نوار نقاله‌ها و کارگرانی که در هماهنگی منظم به چشم می‌آیند، همگی ویترینی تماشایی می‌سازند. اما پرسش سخت‌تر و اصلی این است: وقتی یک سیستم کارگر را سریع‌تر می‌کند، چه کسی واقعاً سود می‌برد؟

صرفه‌جویی ۲۰ ثانیه‌ای در هر توقف شاید شیفت کاری راننده را کمی آسان‌تر کند، اما از طرف دیگر به سیستم نشان می‌دهد می‌توان چند بسته دیگر هم در برنامه همان روز گنجاند! آمازون برآورد کرده که این عینک‌ها می‌توانند تا ۳۰ دقیقه در هر شیفت برای رانندگان زمان ذخیره کنند؛ اما هنوز هیچ آماری منتشر نکرده است که نشان دهد آیا این فناوری واقعاً خطاهای تحویل را کاهش می‌دهد یا فقط سرعت کار را بالا می‌برد. مهم‌تر از همه، آمازون مشخص نکرده که آیا این ۳۰ دقیقه زمان صرفه‌جویی‌شده نصیب استراحت کارگر می‌شود یا صرف رساندن بسته‌های بیش‌تر خواهد شد!

جمع‌بندی؛ کوه یخی که تازه نوک آن را دیده‌ایم

این ماجرا دوباره ما را به همان عینک‌ها برمی‌گرداند. عینک هوشمند عملاً تنها قطعه از پازل هوش مصنوعی غول‌آسای آمازون است که یک مشتری معمولی احتمال دارد از نزدیک با چشمان خود ببیند؛ بنابراین کاملاً طبیعی است که بیش‌ترین حساسیت‌ها و نگاه‌ها را به خود معطوف کند.

اما این عینک‌ها درست در قله ساختاری بسیار عظیم‌تر قرار گرفته‌اند؛ ساختاری متکی بر مدل‌های پیش‌بینی تقاضا (برای انبارش محصولات)، ربات‌ها و نرم‌افزارهای مدیریت ناوگان (برای نحوه جابه‌جایی بارها)، سیستم‌های هوش مصنوعی ایجنت‌محور (برای تعیین مسیر و وظایف کارگران)، و پلتفرم نقشه‌برداری هوشمندی که حتی جای پارک و ورودی دقیق هر خانه را مشخص می‌کند.

این عینک‌ها فقط نوک کوه یخ هوش مصنوعی آمازون هستند؛ اگر توجهمان صرفاً به دوربین روی صورت راننده محدود بماند، تقریباً کل سیستم پیچیده زیرین را که در پشت صحنه برای جزءجزء کار‌ها تصمیم می‌گیرد، از دست خواهیم داد.