Tesla之前設下2018年每周生產(chǎn)5,000輛Model 3電動車的目標，但迄今尚未實現(xiàn)一半目標。對此，Tesla執(zhí)行長Elon Musk坦承錯在過度自動化，低估了人類的作用。事實上，當前Tesla的全自動化計畫忽略了一個問題，而人類比人工智能(AI)更能適應變化。AI未來雖可望取代人類，但目前領導者仍需判斷正確的改變速度。

據(jù)報導，Tesla工廠已高度自動化。Musk很早就體認到，任何遵循一系列預定義步驟，并在工廠等受控制的環(huán)境中進行的流程，都能透過AI和機器人實現(xiàn)自動化。

盡管自動化系統(tǒng)發(fā)展迅速，人類在適應不可預見的變化方面仍然強得多。在復雜工廠中工作時這點更不容低估?；仡橳esla的生產(chǎn)力問題，Musk無疑忽略了適應性制造(adapTIve manufacturing)的重要性，小錯誤和無法預料的情況發(fā)生的機率，會與流程復雜度成正比。

人類為了在不斷變化的世界中生存下去而持續(xù)進化，因此人類很擅長應對預料不到的情況，以及預期事件和實際事件之間的差異。例如，人能透過步行、游泳、跳躍、攀爬和爬行繼續(xù)前行，因此能應對高度復雜情況下的激進改變。

另一方面，機器學習的智能和適應力尚未達到人類的水平。先進AI算法雖能學習辨識類似情況，例如變成紅燈或有顆球掉在街上，甚至表現(xiàn)的比人類更好；但機器人的適應性仍局限于物體或事件受限范疇內的變化。

事實上，人們尚未掌握夠靈活的AI設計來應對不可預測的環(huán)境。智能有限的自動引導車(AGV)僅能遵循簡單指令，在限定環(huán)境中沿著固定路線行駛。包裝機器人能拿起產(chǎn)品并將其放入紙箱，而不必做更復雜的事。任務改變時，就必須替換不同機器人。

更復雜的移動機器人也內建的傳感器和掃描儀，還有能檢測周圍環(huán)境、選擇最有效路線的軟件，因為產(chǎn)品不一定每次都放置在同一位置。這些機器人更靈活且更具適應性，但離人類能做的還差的很遠。

對過度自動化的工廠來說這可能是個問題。因為小的物理差異，如輪胎、地面磨損和不精確定位的零件可能迅速累積并導致不可預知的情況。當一個流程發(fā)生變化或工廠開始生產(chǎn)新產(chǎn)品時，就需要重新配置設備并找到不同解決方案，這還不是AI和機器人技術辦得到的。

Musk曾公開表示想建立一間完全自動化的工廠，來克服人類的速度限制，實現(xiàn)更高產(chǎn)量。但高度自動化工廠這樣復雜的環(huán)境需要具高度適應性的機器人，才能因應不可預見的情況。要在機器人和AI中引入這種靈活性還需要進一步的研究。

自動化的第一階段涉及在預定義的流程中測試機器人自動化，如拾取原材料并將其放在組裝在線。第二階段涉及將該測試擴展到多個功能和流程，例如將原材料和產(chǎn)品包裝在一起。第三階段是部署協(xié)作機器人和自適應AI來作為員工助理，這是目前能實現(xiàn)的最佳目標。

目前尚不清楚何時將實現(xiàn)完全自動化、無需人工干預的第四階段。但Musk的嘗試值得受贊揚。他可能低估了人類，但他學到的教訓很寶貴，有助于他在未來超越其它人。