第221章 生與死輪回不止

五軸以上、高加工精度的自動機床，在提升一個國家的綜合機械加工能力方面的巨大作用，是不言而喻的。

為了提升這方面的國力，即使是顧驁這種提線做全局規劃課題的大人物，也是值得再親自出手、下一次場，給大夥兒做個樣板示範。

當然了，如前分析，顧驁並不是萬能的神，目前他能假借“研發攝影機器人”這個借口竊取來的，只是這個大目標的一小部分——

也就是說，“提升自動化程度”這個分解目標，顧驁可以有所為；

而“提升加工精度”這個分解目標，他依然毫無辦法，需要國內的工程人員繼續自己奮鬥。

同時，即使是偷“提升自動化程度”這一細分目標，也是講究時機的。

歷史上，到了80年代後期，因為工業機器人的無刷電機技術取得了突破性進展，以至於數控機床的很多連貫性變速加工動作的控制得到了巨大提升，也開始對“加工精度”體現出越來越大的幫助。

以至於美國和日本對這方面的技術重新卡得越來越緊，甚至在87年東芝事件後一度重新收入紅區。

所以如今趁著配套技術還未成熟、整個價值鏈尚不明顯，先偷出來研究著，將來是有很大好處的。

這裏面的細節，諸位看官也沒必要惡補了，說了也不懂。

一言以蔽之，那就像是“沒有智能手機出現之前，SIRI的語音識別控制技術前途不大、沒那麽值錢。而配套的智能手機這一集成平台出現後，SIRI技術反而值錢了”差不多道理。

打的就是“研發者還未來得及充分意識到其值錢程度和應用廣泛性”之前的時間差。

另外，顧驁在課題辯論中提到的“庫卡公司的攝影機器人肯定會因為西方國家的勞動安全法律限制，無法自力研發完成”這個論斷，也絕對不是虛言。

而是被後來的歷史所證明的了。

因為德國和美國對工人、演員的生產安全性近乎變態的保護，庫卡機器人的這個構想被拖延了整整30年。

一直到2006年多倫多大學的傑夫·辛頓教授弄出“深度學習算法”，讓人類進入深度學習型人工智能時代後。

2010年，美國一家力回饋自動修正預設工程的工業機器人公司、Rethink Ribotic，才弄出了“可以讓機械臂遇到意外的障礙物後，立刻因壓力傳感器而停止程序動作、並在力回饋的大數據指引下、自行學習新的替代作業動作”。

然後，庫卡機器人才從Rethink Ribotic的設計啟發為基礎，把攝影機器人也做成擁有撞到演員/攝影師後會自動修正“學習”運鏡軌跡的功能。

這也是沒辦法的，德國工業在寫死程序的數控加工時代，站到了世界巔峰（和日本一起），但也正是因此，德日兩國在舊時代做得太完美，錯過了進入人工智能時代後的彎道加速，切換賽道時遠遠被中美甩開了。

一個民族太嚴謹，太規律，往往在解決“如何應對不守規矩的意外擾動”時就缺乏想象力。而中美沒有德日那麽規律、嚴謹，他們不守規矩，也就擅長應對不守規矩，擅長“隨時隨地學習如何處理意外”。

這就是克裏斯坦森所說的“創新者的窘境”吧，上一個世代做的越完美，社會整體技術環境向次世代躍遷時，你就越容易死。

後世德國庫卡機器人2012年最終完成該項目時，它已經被中國的“美的”收購了，不再是一家獨立的德國本土血統公司。（實話實說，現在在“深度學習”的算法工程師領域，中美比德日領先太多了）

顧驁前世在阿狸系幹了這麽些年，對於大火的人工智能周邊應用，當然都是略有研究的，雖然自己寫不出算法，至少懂大略的邏輯。

所以上述這些“秘辛”脈絡，他心裏有數。

由此反推，他也可以得出一個大膽的結論：

庫卡機器人花了30年的時間，一直等著，等到“深度學習智能”出現，才解決了“自適應突發意外”的問題。

換言之，如果顧驁不在乎這些極小概率的“突發意外”，哪怕就做成一個撞上了演員後還會繼續按原定力量撞下去的攝影機器人，那是不是可以提前30年就研發成功呢？

答案是肯定的，只要忽視意外的自動處理，這個技術提前幾十年出現並不逆天。

不能因為“30年”這個時間看上去很久，就嚇到自己。因為內行看門道，顧驁知道這整整30年，就是浪費在‘解決那極小概率的意外’這一安全考量上。

說到底，是好萊塢的演員工會太強大，把資本家逼得沒了活路。加上好萊塢的強盛有沒有外敵可以威脅，生產率再低下也沒關系。

因此很多有可能減少演員/攝影師工作機會的新科技進步，只要稍微有一丁點危險性，就會被演員/攝影師工會扯虎皮拉大旗抵制。