När AI möter verkligheten: Starbucks skrotar strulande kamerasystem

Att implementera artificiell intelligens i teorin är en sak, men att få det att fungera i en hektisk, fysisk miljö är något helt annat. Detta har kaffejätten Starbucks nyligen fått erfara. Efter endast nio månader väljer företaget nu att helt skrota sitt omtalade AI-projekt "Automated Counting" – ett system som skulle revolutionera hur butikerna inventerar sina lager.

Systemet, som utvecklades tillsammans med datorsynsföretaget NomadGo, var tänkt att använda surfplattor utrustade med LiDAR-sensorer, avancerat datorseende och förstärkt verklighet (AR). Genom att helt enkelt rikta kameran mot hyllorna skulle personalen få en omedelbar och exakt bild av lagersaldot. Målet var att frigöra tid för baristorna så att de kunde fokusera på kunderna i stället för administrativt pappersarbete.

Verkligheten blev för komplex för hårdvaran

När systemet väl rullades ut i stor skala i Nordamerika uppstod snabbt problem. Det visade sig att datorseendemodellerna hade extremt svårt med rumsuppfattning och objektsigenkänning under verkliga förhållanden.

I trånga, mörka lagerutrymmen med varierande belysning och staplade kartonger misslyckades AI-funktionen kapitalt med grundläggande uppgifter:

• Svårt att skilja på produkter: Systemet kunde inte se skillnad på till synes identiska kartonger med havremjölk, lättmjölk eller standardmjölk.

• Missade föremål helt: I demonstrationsvideor missade verktyget att registrera uppenbara produkter, som sirapsflaskor.

• Felaktiga beräkningar: AI:n tenderade att antingen dubbelräkna artiklar eller helt ignorera dem om de stod i skuggan eller bakom något annat.

Detta ledde till att de anställda tvingades "vifta" och vinkla sina surfplattor på specifika sätt för att sensorerna överhuvudtaget skulle läsa av hyllorna. Processen blev i slutändan betydligt långsammare och mer frustrerande än att bara räkna produkterna manuellt med papper och penna.

Utmaningen med "Edge AI" och datorseende

Det här misslyckandet belyser en av de största utmaningarna inom modern teknik: att köra avancerad AI lokalt på mobila enheter (så kallad Edge AI) i kaotiska miljöer. Medan språkmodeller som ChatGPT briljerar i digitala textmiljöer, kräver visuell AI i den fysiska världen en enorm precision.

För att datorseende ska fungera i ett lager krävs inte bara extremt vältränade algoritmer, utan också hårdvara som kan hantera brusiga data, dåliga ljusförhållanden och skymda vinklar i realtid. När hårdvaran (i det här fallet surfplattor med LiDAR) och mjukvaran inte synkar perfekt blir felmarginalen för stor för att tekniken ska vara användbar.

Starbucks återgår nu till manuella inventeringar, men betonar att de fortfarande tror på teknikens möjligheter i framtiden. För oss som följer hårdvaruutvecklingen är detta en påminnelse om att vi fortfarande har en bit kvar innan kameror och sensorer helt kan ersätta det mänskliga ögat i komplexa vardagsmiljöer.