آیا هوش مصنوعی جایگزین رانندگان کامیون خواهد شد؟ [ویدئو و آزمون]

پاسخ مختصر: هوش مصنوعی به طور کامل جایگزین رانندگان کامیون نخواهد شد، اما برخی از مسیرهای حمل بار قابل پیش‌بینی و وظایف رانندگی معمول را خودکار خواهد کرد. رانندگان زمانی که کارشان بر روی مسافت‌های قابل تکرار در بزرگراه یا بین مراکز حمل و نقل متمرکز است، بیشترین آسیب را می‌بینند، در حالی که خودکارسازی نقش‌های تخصصی، مرتبط با مشتری و با حجم زیاد استثنا همچنان بسیار دشوارتر است.

نکات کلیدی:

تمرکز بر ریسک: مهارت‌هایی را در اولویت قرار دهید که فراتر از رانندگی در بزرگراه‌های قابل تکرار و خطوط حمل بار قابل پیش‌بینی باشند.

ارزش انسانی: ایجاد تخصص در بازرسی‌ها، جابجایی بار، تعامل با مشتری و موارد استثنا.

پاسخگویی: ناوگان‌ها باید مشخص کنند که در صورت خرابی سیستم‌های خودران، چه کسی مسئول است.

شفافیت: رانندگان باید نحوه کار سیستم‌های تله‌ماتیک، ابزارهای اعزام و نظارت بر ایمنی را درک کنند.

تغییر شغل: نقش‌های تخصصی حمل و نقل، تاییدیه‌ها یا پشتیبانی ناوگان خودران را در نظر بگیرید.

مقالاتی که شاید بعد از این مطلب دوست داشته باشید بخوانید:

🔗 آیا هوش مصنوعی جایگزین انیماتورها خواهد شد؟
چگونه ابزارهای هوش مصنوعی ممکن است مشاغل انیمیشن، خطوط تولید خلاقانه و گردش‌های کاری روزانه را تغییر شکل دهند.

🔗 آیا هوش مصنوعی جایگزین رادیولوژیست‌ها خواهد شد؟
نقش رو به گسترش هوش مصنوعی در تصویربرداری پزشکی، تشخیص و پشتیبانی بالینی را بررسی می‌کند.

🔗 آیا هوش مصنوعی جایگزین بازیگران خواهد شد؟
نگاهی به رسانه‌های مصنوعی، شبیه‌سازی صدا و چشم‌انداز در حال تغییر کار اجرا.

🔗 آیا هوش مصنوعی جایگزین حسابداران خواهد شد؟
خطرات اتوماسیون و مهارت‌های در حال تکامل مورد نیاز در نقش‌های حسابداری مدرن را پوشش می‌دهد.

۱. آیا هوش مصنوعی جایگزین رانندگان کامیون خواهد شد؟ پاسخ سرراست

آیا هوش مصنوعی جایگزین رانندگان کامیون خواهد شد؟ در برخی شرایط خاص، بله. در کل صنعت، نه به سرعت و نه به طور مساوی.

آسیب‌پذیرترین مشاغل رانندگی احتمالاً مسیرهای تکراری و قابل پیش‌بینی هستند - به ویژه حمل و نقل بزرگراهی از یک مرکز به مرکز دیگر، تحویل در مسافت‌های متوسط ​​و مسیرهای تجاری ثابت بین انبارها، فروشگاه‌ها، بنادر و مراکز توزیع. هوش مصنوعی عاشق تکرار است. هوش مصنوعی خطوط نقشه‌برداری شده، هندسه ثابت جاده، نقاط بارگیری شناخته شده و قوانین عملیاتی شفاف را دوست دارد.

اما هنوز هم در کارهای انعطاف‌پذیر و حساس، به شدت به رانندگان کامیون انسانی نیاز است. این شامل تحویل منطقه‌ای، حمل و نقل ساختمانی، حمل بار یخچالی، بارهای بزرگ، مواد خطرناک، دام، تخلیه بار در بندر، تحویل شهری، مسیرهای روستایی، حمل بار اضطراری و هر چیزی می‌شود که مربوط به مشتریانی است که در نیمه راه برنامه را تغییر می‌دهند، زیرا می‌دانید، انسان‌ها هستند.

داده‌های رسمی نیروی کار هنوز نشان می‌دهد که رانندگی کامیون‌های سنگین و تریلر همچنان شغل بزرگی با فرصت‌های شغلی مداوم است، که نشانه‌ی بسیار محکمی است مبنی بر اینکه این شغل به سادگی یک شبه از بین نمی‌رود. رانندگان کامیون کارهای بسیار بیشتری از رانندگی مستقیم در بزرگراه‌ها انجام می‌دهند؛ آنها تجهیزات را بازرسی می‌کنند، محموله‌ها را ایمن می‌کنند، حوادث را گزارش می‌دهند، از مقررات پیروی می‌کنند، گزارش‌ها را نگهداری می‌کنند و محدودیت‌های مسیر را مدیریت می‌کنند.

بنابراین پاسخ بهتر این است: هوش مصنوعی جایگزین برخی از وظایف حمل و نقل جاده‌ای، بسیاری از مشاغل حمل و نقل جاده‌ای را تغییر خواهد داد و نقش‌های پشتیبانی جدیدی پیرامون حمل و نقل خودکار ایجاد خواهد کرد. اما احتمالاً رانندگان کامیون را به عنوان یک حرفه در یک لحظه بزرگ و دراماتیک مانند صحنه فیلم از بین نخواهد برد. 🎬

۲. چه چیزی یک نسخه خوب از هوش مصنوعی در حمل و نقل جاده‌ای را می‌سازد؟

یک نسخه خوب از حمل و نقل با هوش مصنوعی فقط یک کامیون ربات نیست که بتواند شب‌ها در بزرگراه حرکت کند و سرمایه‌گذاران را به تحسین وادارد. مطمئناً این کار پر زرق و برق است. اما اتوماسیون خوب در حمل و نقل باید ایمن، پایدار، قابل اعتماد، قابل حسابرسی و برای ناوگان‌ها ارزشمند باشد.

یک سیستم حمل و نقل کامیونی قوی با هوش مصنوعی باید موارد زیر را داشته باشد:

• مسیرهای عملیاتی قابل پیش‌بینی با قوانین جاده‌ای روشن و شرایط نقشه‌برداری شده

• نظارت قوی بر ایمنی آب و هوا، موانع، ساخت و ساز و وسایل نقلیه اضطراری

• تیم‌های پشتیبانی از راه دور که می‌توانند در مواقعی که سیستم به محدودیت‌های خود می‌رسد، کمک کنند

• بررسی‌های تعمیر و نگهداری سنسورها، ترمزها، لاستیک‌ها، دوربین‌ها، رادار، لیدار و نرم‌افزار

• پاسخگویی شفاف وقتی مشکلی پیش می‌آید

• نقاط تحویل انسانی برای بارگیری اسکله‌ها، محوطه‌ها، بازرسی‌ها و مشکلات غیرمعمول تحویل

• تأییدیه قانونی که مناسب حمل و نقل تجاری است، نه فقط یک نسخه نمایشی فناوری

• محافظت‌های امنیت سایبری، چون یه کامیون هک شده دقیقاً یه باگ نرم‌افزاری کوچولو و بامزه نیست 😬

نهادهای نظارتی هنوز در حال بررسی چگونگی وسایل نقلیه تجاری بدون راننده بدون حضور انسان در پشت فرمان هستند. این موضوع اهمیت دارد زیرا حمل و نقل جاده‌ای یک جاده اسباب‌بازی نیست. این یک زیرساخت عمومی است که وسایل نقلیه سنگین در آن در حال حرکت هستند و خانواده‌ها، کارگران، پلیس، اتوبوس‌های مدرسه و هر کس دیگری که سعی در عبور و مرور دارد، در آن تردد می‌کنند.

۳. جدول مقایسه: در چه مناطقی هوش مصنوعی به احتمال زیاد جایگزین رانندگان کامیون خواهد شد

منطقه کامیونداری

خطر جایگزینی هوش مصنوعی

چرا مهم است؟

احتمالاً نقش انسان باقی مانده است

حمل و نقل جاده‌ای طولانی مدت

سطح بالا

بزرگراه‌ها، عمدتاً، از شهرها قابل پیش‌بینی‌تر هستند

تحویل محلی، تحویل، بازرسی، موارد استثنا

مسیرهای انبار در میانه مایل

بالا

همان مسیر، همان اسکله‌ها، تکرار-تکرار-تکرار

کارهای حیاط، مشکلات بارگیری، رفع مشکلات مشتریان

تحویل شهری

متوسط-کم

عابران پیاده، دوچرخه‌سواران، پارک دوبل، هرج و مرج 🍲

راننده، کمک کننده، حل کننده مشکلات مشتریان

بارهای بیش از حد بزرگ

کم

نیاز به قضاوت، هماهنگی اسکورت، مسیرهای غیرمعمول

راننده متخصص همچنان مهم است

مواد خطرناک

کم-متوسط

ایمنی و مسئولیت‌پذیری بسیار زیاد است

نظارت انسانی معتبر

حمل و نقل ساختمانی

کم

مکان‌های بدون ساختار، گل و لای، فضاهای تنگ، شرایط متغیر

اپراتور انسانی، هماهنگی سایت

حمل و نقل یخچالی

متوسط

هوش مصنوعی می‌تواند رانندگی کند، اما مدیریت بار هنوز اهمیت دارد

بررسی دما، عیب‌یابی یخچال فریزر

تخلیه بندر

متوسط

تکراری، اما شلوغ و از نظر عملیاتی پیچیده

رسیدگی به دروازه، کاغذبازی، استثنائات

پشتیبانی از ناوگان خودران

رشد

نه یک نقش راننده سنتی، بلکه نقشی در مجاورت آن

دستیار از راه دور، اپراتور ایمنی، تکنسین

اعتراف سر میز کوچک: «شیک» یک دسته‌بندی علمی نیست. اما مناسب است. بعضی از مسیرها عملاً به اتوماسیون نیاز دارند، در حالی که بعضی دیگر سیرکی با طعم چاله و چوله هستند. 🎪

۴. چرا هوش مصنوعی در وهله اول به سراغ حمل و نقل کامیونی می‌آید؟

رانندگی با کامیون گران، طاقت‌فرسا و دشوار است و استخدام مداوم کارکنان دشوار است. کار در مسافت‌های طولانی می‌تواند رانندگان را برای روزها یا هفته‌ها از خانه دور نگه دارد و این سبک زندگی برای همه مناسب نیست. حتی وقتی حقوق مناسب باشد، این بده‌بستان می‌تواند بی‌رحمانه باشد: در تاکسی بخوابید، غذای پمپ بنزین را زیاد بخورید، در رویدادهای خانوادگی شرکت نکنید، با آب و هوای بد مبارزه کنید و سپس وقتی یک شرکت حمل و نقل بارگیری را شش ساعت به تأخیر می‌اندازد، سرزنش شوید. دوست‌داشتنی است.

حمل و نقل کامیونی با هوش مصنوعی چند مزیت وسوسه‌انگیز را نوید می‌دهد:

• کامیون‌هایی که می‌توانند برای مدت طولانی‌تری بدون خستگی انسان کار کنند

• بهره‌وری بهتر سوخت از طریق الگوهای رانندگی روان‌تر

• فاصله‌های زمانی کمتر

• ظرفیت حمل بار قابل پیش‌بینی‌تر

• وابستگی کمتر به نیروی کار در مسیرهای خاص

• افزایش ایمنی بالقوه در صورت کاهش تصادفات ناشی از خطای انسانی توسط سیستم‌ها

• ادغام پاک‌کننده با نرم‌افزار انبار و لجستیک

برخی از شرکت‌های حمل و نقل خودران، از نمایش‌های صرف فراتر رفته و به عملیات تجاری یا ادغام با سیستم‌های مدیریت حمل و نقل روی آورده‌اند. این به آن معنا نیست که کل صنعت حمل و نقل فردا متحول می‌شود، اما به این معنی است که این دیگر یک داستان علمی تخیلی نیست.

با این حال، طرح توجیهی تجاری باید با واقعیت سازگار باشد. حسگرها هزینه دارند. نگهداری پیچیده می‌شود. سوالات بیمه‌ای داغ می‌شوند. تنظیم‌کننده‌ها پاسخ می‌خواهند. ناوگان‌ها به زمان آماده به کار نیاز دارند. فرستندگان کالا قابلیت اطمینان می‌خواهند، نه یک فایل پاورپوینت با عینک آفتابی. 😎

۵. هوش مصنوعی مشاغل احتمالاً ابتدا تغییر خواهد کرد

اولین مشاغل حمل و نقل کامیونی که فشار جدی هوش مصنوعی را احساس می‌کنند، مشاغلی هستند که بیشترین الگوهای رانندگی تکرارپذیر را دارند.

فکر کنید:

• حمل و نقل ترمینال به ترمینال

• مرکز توزیع برای مسیرهای ذخیره

• مسیرهای انبار به انبار

• مسیرهای بزرگراه شبانه

• کریدورهای حمل بار به سبک سانبلت با هوای پاک‌تر

• مسیرهایی با تعاملات پیچیده شهری کمتر

• خطوط قراردادی اختصاصی

اینها جذاب هستند زیرا شرکت‌ها می‌توانند مسیر را نقشه‌برداری کنند، بارها آزمایش کنند، متغیرهای زیادی را کنترل کنند و دفترچه‌های راهنمای عملیاتی بسازند. این نسخه حمل و نقلی از آموزش یک راهرو به یک سگ قبل از درخواست از او برای پیمایش کل فرودگاه است. استعاره بدی است، اما در جایی فرود می‌آید. 🐕

در این موارد، راننده انسانی ممکن است از انجام کل سفر به انجام کارهای پیچیده فرعی مانند: اولین مایل، آخرین مایل، جابجایی در حیاط، تعامل با مشتری، بازرسی‌ها، ایمن‌سازی بار و رسیدگی به موارد استثنا تغییر نقش دهد.

این یعنی آینده ممکن است کمتر شبیه «بدون راننده کامیون» و بیشتر شبیه «تعداد کمتر انسان در هر مایل حمل بار در برخی خطوط» باشد

۶. هوش مصنوعی مشاغل برای جایگزینی با مشکل مواجه خواهد شد

هوش مصنوعی در جاهایی که دنیا لغزنده می‌شود، به مشکل برمی‌خورد.

رانندگان کامیون با مشکلات جاده‌ای عملی روبرو هستند که همیشه روی نقشه قابل مشاهده نیستند. درب بارانداز مسدود شده است. مهر و موم تریلر بد است. باری جابجا شده است. گیرنده می‌گوید "به عقب برو" اما "عقب" سه دروازه، دو لیفتراک و یک مرد به نام دیل است که به طور مبهم دست تکان می‌دهد. برف علائم جاده را پوشانده است. یک لاستیک اشتباه به نظر می‌رسد. یک افسر پلیس با دست علامت می‌دهد. یک جاده کشاورزی محدودیت وزنی دارد که هیچ کس به آن اشاره نکرده است. GPS دروغ می‌گوید. مشتری می‌خواهد بار تقسیم شود. مدارک گم شده است. راننده لیفتراک در حال ناهار است. متوجه منظورم هستید.

هوش مصنوعی در حال پیشرفت است، اما رانندگی کامیونی حاوی مقدار شگفت‌آوری از بداهه‌پردازی است.

نقش‌های سخت و غیرقابل جایگزینی در حمل و نقل جاده‌ای عبارتند از:

• رانندگان کفی که بارهای غیرمعمول را ایمن می‌کنند

• متخصصان حمل و نقل سنگین و بارهای بزرگ

• رانندگان تانکر

• رانندگان مواد خطرناک

• رانندگان مسیرهای روستایی

• اپراتورهای کامیون‌های ساختمانی و کمپرسی

• کامیون‌های حمل دام

• رانندگانی که بارهای پرمصرف را جابجا می‌کنند

• مالکان-اپراتورهایی که روابط و تدارکات را شخصاً مدیریت می‌کنند

این رانندگان فقط هدایت نمی‌کنند. آنها ریسک، تجهیزات، مشتریان، بار، برنامه‌ها و تصمیمات مهم را مدیریت می‌کنند. آن لایه انسانی چسبنده است.

۷. آیا هوش مصنوعی جایگزین رانندگان کامیون خواهد شد یا آنها را فنی‌تر خواهد کرد؟

ممکن است بسیاری از رانندگان جایگزین نشوند، اما شغل آنها ممکن است فنی‌تر شود. این احتمالاً بخشی است که مردم کمتر در مورد آن بحث می‌کنند.

با ورود هوش مصنوعی به صنعت حمل و نقل، ناوگان‌ها به افرادی نیاز خواهند داشت که هم جاده و هم سیستم را درک کنند. رانندگان سابق می‌توانند به افراد زیر تبدیل شوند:

• مانیتورهای کامیون خودران

• اپراتورهای پشتیبانی از راه دور

• هماهنگ‌کنندگان محوطه

• سرپرستان ایمنی

• تکنسین‌های بازرسی سنسور

• مربیان اتوماسیون ناوگان

• متخصصان اعتبارسنجی مسیر

• مربیان سیستم کمک راننده

• انطباق و عملیات منجر می‌شود

اینجاست که رانندگان کامیون باتجربه از مزیت برخوردارند. آنها می‌دانند که «عادی» در جاده چه حسی دارد. آنها می‌دانند چه زمانی صدای بار اشتباه است، چه زمانی چیدمان بارانداز نفرین‌شده به نظر می‌رسد، چه زمانی یک مسیر از نظر فنی قانونی است اما عملاً احمقانه است. خودکارسازی این نوع دانش میدانی دشوار است زیرا همیشه مکتوب نیست.

یک صفحه گسترده می‌تواند بگوید «مسیر تأیید شده است.» یک راننده می‌تواند بگوید «بله، نه، آن پیچ تریلرها را برای صبحانه می‌خورد.» 🥞

۸. مسئله ایمنی: بهتر از انسان‌ها، یا فقط متفاوت؟

شرکت‌های حمل و نقل هوش مصنوعی اغلب استدلال می‌کنند که سیستم‌های خودران می‌توانند تصادفات ناشی از خستگی، حواس‌پرتی، سرعت غیرمجاز یا رانندگی نامناسب را کاهش دهند. این استدلال معتبر است. انسان‌ها خسته می‌شوند. انسان‌ها پیامک می‌فرستند. انسان‌ها روزهای بدی دارند. انسان‌ها هنگام تلاش برای تعویض دنده با یک دست بوریتو می‌خورند، که این بهترین لحظه‌ی گونه‌ی ما نیست.

اما کامیون‌های خودران نگرانی‌های ایمنی مختلفی را نیز مطرح می‌کنند:

• خرابی سنسور

• موارد حاشیه‌ای نرم‌افزار

• خطرات امنیت سایبری

• عملکرد در شرایط بد آب و هوایی

• چالش‌های بازرسی کنار جاده‌ای

• هماهنگی واکنش اضطراری

• حجم کار دستیار از راه دور

• پاسخگویی پس از تصادفات

• نگهداری سخت‌افزار مخصوص هوش مصنوعی

نهادهای نظارتی به‌طور خاص سوالاتی را در مورد چگونگی انجام بازرسی، نگهداری، اعمال قانون در کنار جاده و عملکرد ایمن خودروهای تجاری کاملاً خودران بدون حضور راننده انسانی مطرح کرده‌اند

بنابراین بحث ایمنی «انسان خوب، ربات بد» یا «ربات نابغه، انسان منسوخ» نیست. بحث آزاردهنده‌تر و واقع‌بینانه‌تر است: کدام خطرات کاهش می‌یابند، کدام خطرات جدید ظاهر می‌شوند و چه کسی مسئول سردرگمی سیستم است؟

۹. چرا تعویض کامل سخت‌تر از آن چیزی است که مردم فکر می‌کنند

عبارت «آیا هوش مصنوعی جایگزین رانندگان کامیون خواهد شد؟» این حس را القا می‌کند که فقط یک شغل رانندگی کامیون وجود دارد، در حالی که چنین نیست.

حمل و نقل جاده‌ای ترکیبی عظیم از انواع بار، مسیرها، مقررات، تجهیزات، مشتریان و واقعیت‌های محلی است. جایگزینی راننده در یک مسیر بزرگراهی تمیز یک چیز است. جایگزینی راننده‌ای که بارهای مختلفی را حمل می‌کند، در یک انبار مواد غذایی تنگ و کوچک پهلو می‌گیرد، پلمپ‌ها را بررسی می‌کند، با گیرنده صحبت می‌کند، با قرار ملاقات دیرهنگام خود را وفق می‌دهد و متوجه مشکل ترمز می‌شود، کاملاً چیز دیگری است.

جایگزینی کامل به دلایل زیر کند می‌شود:

• قوانین ایالت به ایالت و تفاوت‌های اجرایی

• عدم قطعیت بیمه

• مسائل مربوط به اعتماد عمومی

• عقب‌نشینی اتحادیه‌ها و کارگران

• تغییرات آب و هوا و جاده

• هزینه‌های بالای تجهیزات

• پیچیدگی تعمیر و نگهداری

• پذیرش مشتری

• نقص‌های ایمنی در موارد خاص

• این حقیقت آشکار که کامیون‌ها فقط در بزرگراه‌ها وجود ندارند

همچنین، حاشیه سود حمل و نقل کامیونی می‌تواند کم باشد. یک فناوری می‌تواند چشمگیر باشد اما همچنان از نظر مالی در همه جا جذاب نباشد. صاحبان ناوگان جادو نمی‌خرند. آنها زمان آماده به کار، بازگشت سرمایه، ایمنی و سردردهای کمتر را می‌خرند. گاهی اوقات فناوری سردردها را کاهش می‌دهد. گاهی اوقات با در دست داشتن یک تخته شاسی ظاهر می‌شود و شش سردرد جدید ایجاد می‌کند.

۱۰. رانندگان کامیون اکنون چه کاری می‌توانند انجام دهند؟

رانندگانی که می‌خواهند ارزش خود را حفظ کنند، نباید وحشت کنند، اما باید توجه داشته باشند. بدترین استراتژی این است که وانمود کنند هیچ چیز تغییر نمی‌کند. دومین استراتژی بد این است که فرض کنند همه چیز محکوم به فنا است و تبدیل به یک جن غارنشین شوند. هیچ‌کدام کمکی نمی‌کند.

حرکات هوشمندانه شامل موارد زیر است:

• تجربه در حمل و نقل پیچیده، نه فقط مسافت‌های بزرگراهی ساده، را افزایش دهید

• سیستم‌های ایمنی، تلماتیک و نرم‌افزار ناوگان را بیاموزید

• در صورت لزوم، تاییدیه بگیرید

• بازرسی و نگهداری را عمیقاً درک کنید

• بهبود مهارت‌های ارتباط با مشتری

• حوزه‌های تخصصی حمل و نقل را در نظر بگیرید

• از عملیات ناوگان خودران مطلع باشید

• مهارت‌های اعزام، انطباق یا آموزش را توسعه دهید

• سابقه ایمنی پاکی داشته باشید

• قبل از اینکه با فناوری به عنوان دشمن برخورد کنید، آن را به عنوان یک ابزار در نظر بگیرید

هرچه ارزش یک راننده فقط به نشستن پشت فرمان در کیلومترهای قابل پیش‌بینی بزرگراه بستگی داشته باشد، آن نقش بیشتر در معرض دید قرار می‌گیرد. هرچه یک راننده بیشتر با قضاوت، روابط، تجهیزات، بار و عملیات میدانی دشوار سروکار داشته باشد، جایگزینی او دشوارتر است.

این یک پوستر انگیزشی نیست. این دقیقاً روشی است که اتوماسیون معمولاً کار را می‌بلعد: اول کارهای ساده و تکرارپذیر، بعد سوپ پیچیده انسانی - اگر اصلاً چنین چیزی اتفاق بیفتد.

۱۱. شرکت‌ها از حمل و نقل با هوش مصنوعی چه می‌خواهند؟

اپراتورهای ناوگان و شرکت‌های حمل و نقل به دلیل ظاهر جذاب هوش مصنوعی، آن را نمی‌پذیرند. خب، برخی این کار را می‌کنند، چون مدیران اجرایی عاشق چیزهای جذاب هستند. اما دلایل عمیق‌تر، کاربردی هستند:

• جابجایی بار با ثبات‌تر

• هزینه‌های عملیاتی بلندمدت پایین‌تر

• استفاده بهتر از دارایی‌ها

• کاهش فشار کمبود راننده در مسیرهای خاص

• قابلیت اطمینان زمان‌بندی بهبود یافته

• ادغام بهتر با پلتفرم‌های لجستیک

• تأخیر کمتر ناشی از محدودیت‌های ساعات سرویس‌دهی در خطوط خاص

• پر کردن مجدد فروشگاه قابل پیش‌بینی‌تر است

برخی شرکت‌ها در حال حاضر پلتفرم‌های کامیون‌های خودران را به نرم‌افزار مدیریت حمل‌ونقل، که این امر اهمیت دارد زیرا خریداران بار، یک پورتال ربات خاص و جداگانه نمی‌خواهند. آن‌ها می‌خواهند ظرفیت خودران در ابزارهایی که از قبل استفاده می‌کنند، جای بگیرد.

این ادغام سرنخ بزرگی است. آینده‌ی حمل و نقل کامیونی هوش مصنوعی فقط کامیون نیست. بلکه کل گردش کار حمل و نقل است: سفارش، ارسال، مسیریابی، بارگیری، نظارت، تحویل، رسیدگی به موارد استثنا، صدور صورتحساب، انطباق با قوانین و نگهداری. کامیون نماد فلزی بزرگ آن است.

۱۲. بنابراین، آیا هوش مصنوعی به طور کامل جایگزین رانندگان کامیون خواهد شد؟

نه، نه کاملاً. نه به هیچ روش واضح و جهانی.

پیش‌بینی بهتر این است:

هوش مصنوعی جایگزین برخی از وظایف رانندگی در مسیرهای خاص خواهد شد. این امر به مرور زمان تقاضا برای برخی از نقش‌های حمل و نقل طولانی را کاهش می‌دهد. مشاغل جدیدی در عملیات حمل و نقل خودکار ایجاد خواهد کرد. رانندگان را به سمت کارهای تخصصی‌تر، محلی‌تر، فنی‌تر، مشتری‌مدارتر و با حجم کاری بالا سوق خواهد داد. و صنعت حمل و نقل کامیونی را بیشتر به دو بخش «مسافت‌های معمول» و «مسافت‌های قضاوت انسانی» تقسیم خواهد کرد

این جمله به اندازه جمله «ربات‌ها همه کامیون‌ها را می‌گیرند» دراماتیک به نظر نمی‌رسد، اما به واقعیت بسیار نزدیک‌تر است.

راننده‌ای که فقط می‌خواهد برای همیشه در خطوط ساده بزرگراه رانندگی کند، ممکن است با فشار بیشتری روبرو شود. راننده‌ای که بتواند تجهیزات، مشتریان، ایمنی، فناوری و حمل و نقل غیرقابل پیش‌بینی را مدیریت کند، همچنان جایگاه محکمی خواهد داشت. در یک چرخش عجیب، راننده کامیون آینده ممکن است با انسان‌تر بودن - نه کمتر بودن - ارزشمندتر شود. 🧠🚛

نکته پایانی: آیا هوش مصنوعی جایگزین رانندگان کامیون خواهد شد؟

آیا هوش مصنوعی جایگزین رانندگان کامیون خواهد شد؟ تا حدودی. به صورت گزینشی. به طور نامنظم. و احتمالاً با کاغذبازی‌های بیشتر از آنچه هر کسی می‌خواهد.

هوش مصنوعی در حال حاضر از طریق مسیرهای حمل بار خودکار، سیستم‌های کمک راننده، ابزارهای اعزام، تعمیر و نگهداری پیش‌بینی‌شده، هماهنگی انبار و نرم‌افزار لجستیک وارد صنعت حمل و نقل جاده‌ای شده است. جاده در حال تغییر است. اما رانندگی کامیون فقط یک عمل تکراری نیست. این مجموعه‌ای از وظایف، خطرات، روابط و قضاوت‌های پیچیده شده در اطراف ماشینی است که وزن زیادی دارد و حماقت را نمی‌بخشد.

بنابراین آینده «ناپدید شدن کامیون‌داران» نیست، آینده «سازگاری کامیون‌داران» است

مطمئن‌ترین شرط؟ رانندگانی که مهارت‌های تخصصی کسب می‌کنند، فناوری را درک می‌کنند و به سمت حمل و نقل با قضاوت بالاتر حرکت می‌کنند، جایگزین کردنشان بسیار دشوارتر خواهد بود. مطمئناً ممکن است چرخ هوشمندتر شود - اما این شغل هنوز به افرادی نیاز دارد که می‌دانند وقتی واقعیت، قهوه را در سراسر مسیر می‌ریزد، چه اتفاقی می‌افتد. 

مثال دنیای واقعی: یک راننده مسافت طولانی که با حمل و نقل خودکار سازگار می‌شود

سناریو

راننده‌ای به نام مارکوس را تصور کنید که هشت سال را صرف رانندگی در یک مسیر قابل پیش‌بینی از انباری به انبار دیگر بین دو مرکز توزیع منطقه‌ای کرده است. بیشتر مسافت طی شده، رانندگی در بزرگراه است، با همان ایستگاه‌ها، همان نوع تریلر و همان برنامه‌ی شبانه‌روزی.

این دقیقاً همان نوع کاری است که یک ناوگان ممکن است ابتدا با کامیون‌های خودران آزمایش کند. مارکوس در این آینده بی‌ارزش نیست، اما تکرارپذیرترین بخش کارش در معرض دید قرار گرفته است.

مارکوس به جای اینکه منتظر تغییر مسیر بماند، شروع به ایجاد مهارت‌هایی در حوزه‌هایی می‌کند که اتوماسیون قطعات هنوز با آنها دست و پنجه نرم می‌کند: بازرسی‌ها، جابجایی در محوطه، بررسی بار، استثنائات مشتری، گزارش ایمنی و پشتیبانی ناوگان خودران.

آنچه مارکوس بر آن تمرکز دارد

مارکوس یک نقشه ساده می‌کشد:

داشبورد تله‌ماتیک و هشدارهای ایمنی ناوگان را بیاموزید

بازرسی‌های عمیق‌تر قبل و بعد از سفر را تمرین کنید

از مسئول اعزام سایه برای یک شیفت در ماه درخواست دهید

تجربه خود را در زمینه بررسی‌های یخچال، بررسی‌های پلمپ، مشکلات مربوط به کاغذبازی و تأخیر در بارگیری افزایش دهید

یک گزارش کتبی از مشکلات مسیر که ممکن است یک سیستم خودران از قلم بیندازد، تهیه کنید

در صورت ارائه دوره آموزشی داخلی در مورد سیستم‌های کمک راننده توسط شرکت، در آن شرکت کنید

به دنبال فرصت‌های شغلی در زمینه‌های ایمنی، آموزش، هماهنگی محوطه یا نظارت خودکار بر کامیون‌ها باشید

این مهم است زیرا مارکوس ارزش خود را از «من می‌توانم در همین بزرگراه ۴۲۰ مایل رانندگی کنم» به «من می‌فهمم که وقتی بار از نظم و ترتیب یک نقشه مسیر خارج می‌شود، چگونه به مشکل برمی‌خورد» تغییر می‌دهد

دستورالعمل نمونه‌ای که مارکوس می‌تواند با یک دستیار هوش مصنوعی استفاده کند

مارکوس می‌تواند از یک دستیار هوش مصنوعی برای تبدیل تجربه رانندگی خود به یک برنامه عملی برای ارتقای مهارت‌ها استفاده کند:

من یک راننده کامیون مسافت طولانی در یک مسیر ثابت از انبار به انبار هستم. مسیر من ممکن است در چند سال آینده تحت تأثیر حمل و نقل خودکار قرار گیرد. یک برنامه مهارتی ۹۰ روزه برای من بسازید که به من کمک کند تا به سمت کار حمل و نقل با قضاوت بالاتر یا پشتیبانی ناوگان خودران حرکت کنم. اقدامات هفتگی، مهارت‌هایی برای تمرین، سوالاتی برای پرسیدن از مدیرم، دانش ایمنی برای مستندسازی و سه نقشی را که می‌توانم به طور واقع‌بینانه بدون ترک صنعت حمل و نقل هدف قرار دهم، در آن بگنجانید.

یک پیام پیگیری قوی‌تر می‌تواند این باشد:

این برنامه را به یک چک لیست هفتگی تبدیل کنید که بتوانم از آن استفاده کنم. آن را برای کسی که پنج شب در هفته کار می‌کند، کاربردی نگه دارید. کارهایی را که کمتر از ۳۰ دقیقه طول می‌کشند، به علاوه یک کار بزرگتر در هفته، در آن بگنجانید.

چگونه طرح را آزمایش کنیم

مارکوس نباید صرفاً به این دلیل که توصیه‌های هوش مصنوعی هوشمندانه به نظر می‌رسند، به آنها اعتماد کند. او می‌تواند آن را در برابر کارهای روزمره حمل و نقل کامیونی آزمایش کند:

از یک مدیر ایمنی بپرسید که کدام مهارت‌ها در ناوگان ارزشمند هستند

موقعیت‌های شغلی پیشنهادی را با موقعیت‌های شغلی فعلی مقایسه کنید

پیگیری کنید که مسیر او در طول 30 روز چند بار استثنا دارد

ثبت کنید که چه تعداد از مسائل به قضاوت انسانی نیاز داشته‌اند، نه فقط هدایت و کنترل آنها

بررسی کنید که آیا دستیار، گواهینامه‌های جعلی یا «مهارت‌های هوش مصنوعی» مبهم و بدون هدف عملی را توصیه می‌کند یا خیر

سوالات آزمون عملی شامل موارد زیر است:

«راننده در طول سفر با سیستم اعتبارسنجی مسیر خودران چه مواردی را باید ثبت کند؟»

«چه علائم هشدار دهنده‌ای در طول بازرسی قبل از سفر در یک کامیون خودران اهمیت بیشتری دارد؟»

«یک اپراتور پشتیبانی از راه دور چگونه می‌تواند با مشکل مسدود شدن اسکله، از دست رفتن آب‌بند یا نقص تریلر برخورد کند؟»

«چه بخش‌هایی از این توصیه مختص رانندگی با کامیون است و چه بخش‌هایی جنبه‌ی عمومی و کلی دارد؟»

نتیجه

نتیجه‌ی تشریحی: بر اساس زمان‌بندی پنج وظیفه‌ی معمول برنامه‌ریزی شغلی قبل و بعد از استفاده از این گردش کار، مارکوس توانست زمان برنامه‌ریزی را از حدود ۴ ساعت به ۵۵ دقیقه کاهش دهد.

مبنای اندازه‌گیری:

نوشتن طرح مهارت‌ها به صورت دستی: ۹۰ دقیقه

جستجوی گزینه‌های نقش: ۷۵ دقیقه

ایجاد اقدامات هفتگی: ۴۵ دقیقه

تهیه سوالات مدیر: ۳۰ دقیقه

تبدیل همه چیز به چک لیست: 30 دقیقه

با گردش کار هوش مصنوعی، همان پنج وظیفه تقریباً ۵۵ دقیقه طول کشید، که شامل بررسی و ویرایش انسانی نیز می‌شد. معیار ارزشمند این نیست که «هوش مصنوعی شغل او را نجات داد». بلکه منطقی‌تر است: مارکوس در یک جلسه یک برنامه ۹۰ روزه واضح‌تر تهیه کرد، سه نقش هدف را مشخص کرد و یک چک لیست هفتگی ایجاد کرد که می‌توانست از آن پیروی کند.

او می‌تواند با ردیابی موارد زیر، پیشرفت را تأیید کند:

تعداد اقدامات هفتگی انجام شده

تعداد سیستم‌های ناوگان آموخته شده

تعداد موارد بازرسی که به درستی شناسایی شده‌اند

تعداد مکالمات با کارکنان اعزام، ایمنی یا نگهداری

تعداد مشاغل داخلی مرتبط که او پس از ۹۰ روز واجد شرایط درخواست برای آنها است

چه چیزی می‌تواند اشتباه پیش برود؟

بزرگترین اشتباه این است که با مشاوره شغلی هوش مصنوعی مانند یک گوی بلورین برخورد کنیم. اما اینطور نیست.

هوش مصنوعی ممکن است نقش‌هایی را پیشنهاد دهد که در شرکت مارکوس وجود ندارند. ممکن است صدور مجوز، قوانین اتحادیه، سیستم‌های ارشدیت، الزامات بیمه یا آموزش‌های خاص شرکت را دست کم بگیرد. همچنین ممکن است بسته به نحوه نگارش درخواست، حمل و نقل کامیون‌های خودران را به طرز جادویی آسان یا کاملاً غیرممکن جلوه دهد.

مارکوس هنوز به بررسی‌های انسانی نیاز دارد:

گزینه‌های آموزشی را با ناوگان تأیید کنید

شرایط شغلی را مستقیماً بررسی کنید

از به اشتراک گذاشتن داده‌های خصوصی شرکت با ابزارهای هوش مصنوعی عمومی خودداری کنید

گزارش‌های حادثه، جزئیات مشتری یا اطلاعات حساس به مسیر را در دستیار وارد نکنید

از کارکنان باتجربه ایمنی و نگهداری بپرسید که آیا این طرح با عملیات ناوگان مطابقت دارد یا خیر

اشتباه دیگر این است که فقط «چیزهای مربوط به هوش مصنوعی» را یاد بگیرید و اصول اولیه رانندگی کامیون را نادیده بگیرید. راننده‌ای که ترمز، لاستیک، ایمنی بار، تشخیص آب و هوا، مشکلات مشتری و بی‌نظمی حیاط را می‌فهمد، ارزشمندتر از کسی است که فقط اصطلاحات مد روز را می‌داند.

نکته کاربردی

امن‌ترین حرکت شغلی این است که از کامیون‌های رباتیک وحشت نکنید. بلکه به سمت بخش‌هایی از حمل و نقل کامیونی بروید که نیاز به قضاوت، اعتماد، دانش تجهیزات و حل مسئله انسانی تحت فشار دارند.

هوش مصنوعی ممکن است برخی از کیلومترهای معمول بزرگراه را به دست بگیرد، اما همچنان به افرادی نیاز دارد که بدانند قبل از حرکت کامیون، بعد از رسیدن آن و چه زمانی که نقشه مسیر با واقعیت مواجه می‌شود، چه اتفاقی می‌افتد.

سوالات متداول

آیا هوش مصنوعی به طور کامل جایگزین رانندگان کامیون خواهد شد؟

بعید است که هوش مصنوعی بتواند به طور کامل جایگزین رانندگان کامیون در یک شیفت کاری در کل صنعت شود. احتمال بیشتری وجود دارد که وظایف خاصی را در مسیرهای قابل پیش‌بینی، به ویژه حمل بار سنگین در بزرگراه یا بین مراکز حمل و نقل، بر عهده بگیرد. حمل و نقل با کامیون هنوز شامل بازرسی‌ها، مشکلات بار، ارتباط با مشتری، قضاوت در مورد آب و هوا، کاغذبازی و عوارض غیرمنتظره است. خودکارسازی آن بخش‌هایی که قضاوت انسانی بیشترین اهمیت را دارد، بسیار دشوارتر است.

کدام مشاغل رانندگی کامیون بیشتر در معرض خطر هوش مصنوعی هستند؟

مشاغلی که بیشتر در معرض خطر هستند، معمولاً مسیرهای تکراری با شرایط قابل پیش‌بینی هستند. این شامل حمل و نقل بزرگراهی از مرکز به مرکز، خطوط انبار به انبار، تحویل در مایل میانی، مسیرهای قراردادی اختصاصی و برخی از مسیرهای مرکز توزیع می‌شود. نقشه‌برداری، آزمایش و نظارت بر این مسیرها آسان‌تر است. مشاغلی که شامل بارگیری پیچیده، محموله‌های غیرمعمول، تغییر مکان‌ها یا تعامل سنگین با مشتری هستند، برای هوش مصنوعی دشوارتر است که بتواند آنها را به دست بگیرد.

چرا رانندگی با کامیون‌های خودران در بزرگراه‌ها آسان‌تر از شهرها است؟

بزرگراه‌ها عموماً قابل پیش‌بینی‌تر از خیابان‌های شهر هستند. آن‌ها عابران پیاده، دوچرخه‌سواران، پیچ‌های تنگ، موقعیت‌های پارک دوبل و نقاط تحویل گیج‌کننده کمتری دارند. سیستم‌های حمل و نقل خودران می‌توانند زمانی که مسیرها نقشه‌برداری شده‌اند، خطوط ثابت هستند و قوانین عملیاتی واضح هستند، عملکرد بهتری داشته باشند. تحویل شهری قطعات متحرک و عدم قطعیت بیشتری را به همراه دارد، به این معنی که رانندگان انسانی هنوز در قضاوت و حل مسئله از مزیت عمده‌ای برخوردارند.

آیا هوش مصنوعی ابتدا جایگزین رانندگان کامیون در حمل و نقل طولانی مدت خواهد شد؟

هوش مصنوعی ممکن است زودتر از بسیاری از بخش‌های دیگر حمل و نقل جاده‌ای، بر حمل و نقل بار در مسیرهای طولانی تأثیر بگذارد، زیرا مسافت‌های بزرگراهی تکرارپذیرتر هستند. یک مدل احتمالی، سیستم‌های خودران هستند که بخش‌های میانی روتین را مدیریت می‌کنند، در حالی که انسان‌ها جمع‌آوری، تحویل، بازرسی‌ها، اسکله‌های بارگیری و موارد استثنا را مدیریت می‌کنند. این به معنای ناپدید شدن هر راننده‌ای در مسیرهای طولانی نیست. این به معنای تغییر نقش است، زیرا ناوگان‌ها مسافت‌های روتین را از مسافت‌های قضاوت انسانی جدا می‌کنند.

هوش مصنوعی برای جایگزینی کدام مشاغل کامیون‌داری با مشکل مواجه خواهد شد؟

هوش مصنوعی بیشترین مشکل را در مشاغلی خواهد داشت که شامل محیط‌های غیرقابل پیش‌بینی، حمل بارهای تخصصی یا تصمیم‌گیری‌های عملی هستند. خودکارسازی بارهای مسطح، بزرگ، حمل و نقل ساختمانی، دام، کار با تانکر، مواد خطرناک، مسیرهای روستایی و حمل و نقل با تماس زیاد دشوارتر است. این نقش‌ها مستلزم آن است که رانندگان موقعیت‌ها را درک کنند، بارها را ایمن کنند، با افراد هماهنگ شوند و مشکلاتی را حل کنند که همیشه به طور مرتب در نرم‌افزار جای نمی‌گیرند.

چگونه رانندگان کامیون می‌توانند با رشد هوش مصنوعی در صنعت کامیون‌داری، همچنان ارزشمند باقی بمانند؟

رانندگان می‌توانند با کسب مهارت‌هایی فراتر از رانندگی در بزرگراه‌های معمولی، ارزشمند باقی بمانند. حمل و نقل تخصصی، تاییدیه‌ها، دانش بازرسی، سیستم‌های ایمنی، تله‌ماتیک، ارتباط با مشتری و تجربه انطباق با قوانین، همگی کمک می‌کنند. یادگیری نحوه کار نرم‌افزار ناوگان و سیستم‌های پشتیبانی خودکار نیز می‌تواند نقش‌های آینده را باز کند. هرچه یک راننده بیشتر با قضاوت، تجهیزات، بار و افراد سروکار داشته باشد، جایگزینی او دشوارتر است.

آیا هوش مصنوعی می‌تواند مشاغل جدیدی مرتبط با حمل و نقل جاده‌ای ایجاد کند؟

بله، هوش مصنوعی می‌تواند نقش‌های پشتیبانی در زمینه حمل و نقل خودکار ایجاد کند. رانندگان باتجربه ممکن است به سمت نظارت از راه دور کامیون، نظارت بر ایمنی، هماهنگی محوطه، اعتبارسنجی مسیر، بازرسی حسگرها، آموزش ناوگان یا عملیات انطباق حرکت کنند. این مشاغل هنوز از دانش جاده‌ای که به صورت دست اول به دست آمده است، بهره می‌برند. فردی که حمل و نقل کامیونی را درک می‌کند، اغلب می‌تواند مشکلات عملی را که یک سیستم کاملاً فنی ممکن است از دست بدهد، تشخیص دهد.

آیا رانندگی با هوش مصنوعی از رانندگی با انسان ایمن‌تر است؟

رانندگی با هوش مصنوعی می‌تواند برخی از خطرات مرتبط با خستگی، حواس‌پرتی، سرعت غیرمجاز یا رانندگی با اختلال در رانندگی را کاهش دهد. اما خطرات مختلفی مانند خرابی حسگر، موارد حاشیه‌ای نرم‌افزار، عملکرد ضعیف در شرایط بد آب و هوایی، مسائل امنیت سایبری و پاسخگویی نامشخص پس از حوادث را نیز ایجاد می‌کند. سوال ایمنی این نیست که آیا انسان‌ها یا ربات‌ها کامل هستند یا خیر. سوال این است که کدام خطرات کاهش می‌یابند، کدام خطرات جدید ظاهر می‌شوند و چگونه مدیریت می‌شوند.

چرا اتوماسیون کامل در حمل و نقل جاده‌ای بسیار دشوار است؟

حمل و نقل جاده‌ای یک کار ساده نیست. این کار شامل انواع مختلف بار، قوانین ایالتی، تجهیزات، مشتریان، شرایط آب و هوایی، محل‌های بارگیری، بازرسی‌ها و مشکلات مسیر می‌شود. یک کامیون ربات در یک مسیر بزرگراهی تمیز یک چالش است. کامیونی که بارهای مختلط، کاغذبازی‌های بد، اسکله‌های تنگ، تغییرات مشتری و نگرانی‌های مکانیکی را مدیریت می‌کند، چالش دیگری است. اتوماسیون کامل باید از اصطکاک و غیرقابل پیش‌بینی بودن حمل و نقل روزانه کامیون جان سالم به در ببرد، نه فقط نمایش‌های کنترل‌شده.

آینده واقع‌بینانه رانندگی کامیون با هوش مصنوعی چیست؟

آینده واقع‌بینانه، اتوماسیون انتخابی است، نه جایگزینی فوری. هوش مصنوعی احتمالاً وظایف رانندگی روتین‌تری را، به‌ویژه در خطوط حمل بار قابل پیش‌بینی، انجام خواهد داد. رانندگان انسانی ممکن است بیشتر بر حمل بار تخصصی، تحویل محلی، بازرسی‌ها، کارهای رو در رو با مشتری، پشتیبانی فنی و رسیدگی به موارد استثنا تمرکز کنند. در عمل، حمل و نقل کامیونی ممکن است به مایل‌های روتین که خودکارسازی آنها آسان‌تر است و مایل‌های قضاوت انسانی که هنوز به افراد باتجربه نیاز دارند، تقسیم شود.

منابع

1. اداره آمار کار - داده‌های رسمی کار - bls.gov

2. فدرال رجیستر - ادغام ایمن سیستم‌های رانندگی خودکار (ADS) - وسایل نقلیه موتوری تجاری (CMV) مجهز - federalregister.gov

3. اداره ملی ایمنی ترافیک بزرگراه‌ها - خطرات امنیت سایبری - nhtsa.gov

4. Torc AI - حمل و نقل بزرگراهی بین مراکز - torc.ai

5. Gatik - عملیات بازرگانی - gatik.ai

6. آرورا - نرم‌افزار مدیریت حمل و نقل - ir.aurora.tech

جدیدترین هوش مصنوعی را در فروشگاه رسمی دستیار هوش مصنوعی پیدا کنید

درباره ما