Robot AI Mempelajari Kemahiran Membuat Kuih-muih Jepun Ketika Industri Makanan Berdepan Kekurangan Pekerja

Robot Mempelajari Seni Membuat Baumkuchen

Di Kobe, sebuah robot bernama Theo sedang dilatih untuk membuat baumkuchen, kek Jerman berbentuk gelang yang telah menjadi sebahagian daripada budaya konfeksi Jepun selama lebih satu abad. Mesin itu direka untuk meniru pergerakan dan keputusan pembuat pastri mahir, termasuk tempoh setiap lapisan nipis adunan perlu dimasak sebelum lapisan seterusnya ditambah.

Projek ini menunjukkan bagaimana kecerdasan buatan semakin melangkaui perisian pejabat dan barisan pemasangan kilang. Di Jepun, AI dihubungkan dengan kamera, sensor imej, peralatan memasak dan rekod pengeluaran makanan untuk mengekalkan kemahiran yang dahulunya diwariskan daripada guru kepada anak murid selama bertahun-tahun.

Juchheim Co., syarikat konfeksi yang berpangkalan di Kobe dan membangunkan Theo, membuka kemudahan latihan serta bilik pameran untuk robot itu di ibu pejabatnya pada 25 Mac. Syarikat itu mempamerkan sistem tersebut di Ekspo Osaka Kansai 2025 dan kini meminjamkannya kepada kira-kira 20 perniagaan di seluruh Jepun. Juchheim menyasarkan untuk meningkatkan jumlah itu kepada 100 menjelang akhir tahun fiskal.

Baumkuchen diperkenalkan ke Jepun pada 1919 oleh Karl Juchheim, cef pastri Jerman yang mengasaskan syarikat itu. Penyediaannya amat mencabar. Adunan disapu pada batang pemanggang yang berputar, dimasak di dalam ketuhar, kemudian dilapiskan berulang kali sehingga kek itu membentuk corak lingkaran seperti gelang pokok yang tersendiri. Perubahan kecil pada suhu, kelembapan dan tempoh memasak boleh menjejaskan hasilnya. Sebab itulah pekerja mungkin memerlukan beberapa tahun latihan untuk menguasai proses tersebut.

Bagaimanakah Theo Meniru Pertimbangan Pakar Konfeksi?

Theo menggunakan kamera dan sensor imej untuk memerhatikan kerja kakitangan Juchheim yang berpengalaman. Sistem itu merekodkan ciri yang dapat dilihat seperti warna, ketebalan dan tekstur setiap lapisan, kemudian mengaitkan pemerhatian tersebut dengan keadaan di dalam ketuhar serta pergerakan batang pemanggang yang berputar.

Maklumat ini membolehkan robot menganggarkan bila sesuatu lapisan sudah masak dan melaraskan proses mengikut perubahan keadaan. Pakar konfeksi manusia mungkin bertindak balas berdasarkan rasa adunan, rupa permukaan atau suasana di dapur. Theo cuba menterjemahkan pertimbangan tersebut kepada data yang boleh dianalisis oleh mesin.

Teknologi ini bergantung pada pembelajaran mendalam, iaitu kaedah latihan AI yang secara longgar dimodelkan berdasarkan rangkaian dalam otak manusia. Daripada menerima senarai arahan lengkap bagi setiap kemungkinan keadaan, sistem AI meneliti sejumlah besar contoh dan mengenal pasti corak. Selepas dilatih, sistem itu boleh membandingkan imej atau bacaan sensor baharu dengan corak berkenaan, lalu memilih tindak balas yang sesuai.

Juchheim berkata Theo boleh mempelajari teknik baharu dalam beberapa hari, jauh lebih singkat berbanding tempoh yang biasanya diperlukan seseorang untuk memperoleh pengalaman sama. Mesin itu bukan sekadar mengulang satu gerakan tetap. Nilainya terletak pada keupayaannya melaraskan proses apabila suhu, kelembapan atau bahan berubah.

Mengapa Jepun Beralih kepada Robot Memasak?

Industri makanan berdepan kekurangan tenaga kerja yang lebih ketara berbanding banyak sektor ekonomi lain. Data daripada Kementerian Kesihatan, Buruh dan Kebajikan Jepun menunjukkan nisbah 2.31 kekosongan jawatan bagi setiap pencari kerja dalam sektor perkhidmatan makanan pada Februari. Purata bagi semua industri ialah 1.13.

Nisbah yang tinggi bermakna majikan bersaing untuk mendapatkan kumpulan pekerja yang terhad. Restoran, kedai roti dan pengeluar makanan juga perlu menghadapi tenaga kerja yang semakin berusia serta semakin sedikit golongan muda yang memasuki pekerjaan berkemahiran. Bagi sesetengah perniagaan, masalahnya bukan sekadar mencari kakitangan untuk syif hari ini, tetapi mencari orang yang boleh mengambil alih tugas apabila pekerja berpengalaman bersara.

Presiden Juchheim, Hideo Kawamoto, berkata robot itu boleh membantu industri yang sukar mencari pengganti. Kenyataannya mencerminkan sebab utama syarikat menguji AI di dapur: automasi boleh membantu mengekalkan pengeluaran apabila pekerja terlatih tidak mencukupi untuk mengisi setiap peranan.

Kemerosotan demografi Jepun yang lebih meluas memberikan dimensi nasional kepada percubaan ini. Kerajaan telah membincangkan penempatan kira-kira 10 juta robot yang dilengkapi AI dalam 18 sektor menjelang 2040. Rancangan bagi AI fizikal memberi tumpuan kepada mesin yang boleh mentafsir persekitaran dan bertindak di dunia sebenar, bukannya sistem yang hanya menjana teks atau imej.

Apakah Pengetahuan Tersirat, dan Bolehkah Ia Didigitalkan?

Banyak kemahiran memasak dikenali sebagai pengetahuan tersirat. Ini bermakna seseorang boleh melakukan sesuatu tugas dengan betul tanpa mampu menerangkan setiap keputusan melalui manual arahan rasmi. Tukang masak berpengalaman mungkin tahu kuali perlu dipusingkan lebih cepat apabila bahan mengeluarkan lebih banyak air, atau lapisan kek sudah masak berdasarkan perubahan warna yang halus.

Perantisan tradisional mewariskan pengetahuan ini melalui pemerhatian dan latihan berulang. Dalam budaya kulinari Jepun, tanggapan bahawa kemahiran perlu dipelajari dengan memerhatikan pakar masih kukuh. Pendekatan itu boleh menghasilkan mutu yang cemerlang, namun menjadi rapuh apabila bilangan pelatih dan pekerja kanan yang boleh mengajar semakin berkurangan.

Profesor Hitoshi Matsubara dari Universiti Kyoto Tachibana, yang mengkhusus dalam pembangunan AI, berkata sistem AI terdahulu kurang sesuai untuk pengetahuan seperti ini. Katanya, kemajuan teknologi kini membolehkan pergerakan yang dahulunya sukar dihuraikan direkodkan dan dihasilkan semula.

Pada era sebelum pembelajaran mendalam, AI tidak dapat mengajar pengetahuan tersirat. Namun, kemajuan teknologi kini membolehkan pergerakan pekerja mahir, yang melibatkan pengetahuan tersirat, didigitalkan.

Proses ini tidak bermakna setiap aspek kemahiran kraf telah dirakamkan. AI bergantung pada mutu data latihannya, kepelbagaian keadaan yang pernah diperhatikan dan ketepatan sensornya. Robot yang dilatih di sebuah dapur mungkin memerlukan latihan tambahan sebelum dapat berfungsi dengan baik di lokasi lain yang mempunyai ketuhar, bahan atau sasaran pengeluaran berbeza.

Daripada Baumkuchen kepada Nasi Goreng dan Yakisoba

Juchheim sebahagian daripada gerakan lebih luas untuk menerapkan AI dalam penyediaan makanan. TechMagic yang berpangkalan di Tokyo membangunkan robot untuk memasak hidangan goreng seperti nasi goreng dan yakisoba. Pada 2025, syarikat itu memperkenalkan aplikasi yang mengira kelajuan putaran kuali dan tetapan lain berdasarkan resipi yang dipilih pengguna.

Robot itu menggunakan sistem tersebut untuk mempelajari tempoh memasak dan tahap haba bagi setiap bahan. TechMagic berkata langkah ini meningkatkan konsistensi mesin-mesinnya. Usaha ini bukan sekadar bertujuan menggantikan cef sepenuhnya, tetapi mengawal rangkaian tindakan fizikal yang sukar dilakukan dengan ketepatan sama pada setiap syif.

Syarikat Jepun lain menggunakan AI untuk mengekalkan kemahiran di luar dapur. Pada 2019, Dentsu membangunkan Tuna Scope, sistem yang menganalisis gambar bahagian ekor tuna yang diambil menggunakan telefon pintar dan menilai mutunya. Sistem itu bertujuan meniru mekiki, iaitu ketajaman mata pakar untuk menilai tuna. Pakar manusia mungkin mengambil masa sedekad untuk membina kemahiran tersebut.

Kemudian, Kura Sushi menghidangkan tuna yang dinilai melalui sistem itu sebagai AI Tuna di restoran sushi berlari tali sawatnya. Di Hiroshima, Otafuku Sauce mencipta alat carian berasaskan AI pada 2023 untuk arkib formula sosnya. Sistem itu dilatih menggunakan lebih 15,000 produk dan prototaip. Carian formula yang sebelum ini mengambil masa sehingga dua jam kini boleh diselesaikan dalam kira-kira lima minit.

AI Fizikal Menghubungkan Robot dengan Dunia Sebenar

Usaha Theo sebahagian daripada ikhtiar lebih besar untuk meningkatkan keupayaan mesin memahami persekitarannya. Robot industri konvensional biasanya melakukan gerakan yang ditetapkan dengan teliti dalam persekitaran terkawal. AI fizikal menambah kamera, sensor dan model AI supaya robot boleh bertindak balas terhadap perubahan objek, haba, masa dan ruang.

Syarikat robotik Jepun bekerjasama dengan Nvidia, Fujitsu, Fanuc, Yaskawa Electric dan Kawasaki Heavy Industries dalam bidang ini. Kerjasama itu menggabungkan pengalaman Jepun dalam jentera berketepatan tinggi dengan pengkomputeran canggih dan model AI. Nvidia telah memperkenalkan alat yang bertujuan membantu robot memahami persekitaran fizikal dan menyesuaikan diri dengan tugasan yang berubah-ubah.

Kapasiti pengkomputeran tempatan juga boleh membolehkan syarikat melatih sistem AI menggunakan data pengeluaran sensitif tanpa menghantar semua maklumat itu ke luar negara. Hal ini penting bagi pengeluar makanan yang mahu melindungi resipi, rekod proses dan maklumat pelanggan. Rangkaian selamat, sensor yang boleh dipercayai dan juruteknik terlatih masih diperlukan sebelum sistem ini boleh digunakan secara meluas.

Industri jentera makanan Jepun telah membina prasarana sokongan ini selama bertahun-tahun. Syarikat seperti Nikko membekalkan sistem automasi untuk pemprosesan makanan laut, daging dan hasil pertanian. Nikko juga mengendalikan Makmal Robot Hokkaido, tempat pelajar dan pekerja boleh menjalani latihan robot, manakala syarikat boleh menguji kesesuaian automasi bagi tapak pengeluaran tertentu.

Pusat latihan ini menangani satu masalah yang boleh mengehadkan automasi: perniagaan mungkin memiliki mesin tetapi kekurangan orang yang tahu cara memasang, menyelia, membaiki dan menaik tarafnya. Robotik boleh mengurangkan bilangan pekerja yang diperlukan untuk sesuatu tugas, tetapi pada masa sama mewujudkan permintaan terhadap jurutera, pengendali dan pakar penyelenggaraan.

Mengapa Automasi Makanan Lebih Sukar daripada Automasi Kilang?

Restoran dan dapur konfeksi mempunyai keadaan yang kurang menentu berbanding banyak kilang perindustrian. Bahan berubah dari satu kelompok ke kelompok lain, menu berbeza-beza, ruang sering sesak dan pelanggan menjangkakan makanan disediakan dengan teliti. Suhu dan kelembapan juga boleh menjejaskan doh, sos dan tempoh memasak.

Kos juga menjadi halangan. Syarikat perlu membayar robot, sensor, perisian, pemasangan, penyelenggaraan dan latihan kakitangan. Restoran kecil mungkin tidak mempunyai ruang yang cukup untuk peralatan besar atau pengeluaran harian yang mencukupi untuk mewajarkan perbelanjaan itu. Jentera lama juga mungkin sukar disambungkan kepada sistem AI moden.

Budaya perkhidmatan menambah satu lagi cabaran di Jepun. Layanan mesra sering bergantung pada perhatian peribadi, cara penyajian dan tindak balas pantas terhadap permintaan luar biasa. Robot boleh melakukan tugas memasak berulang atau penghantaran, namun belum mencapai tahap penuh yang diharapkan daripada pekerja perkhidmatan manusia. Robot mungkin sangat berkesan dalam tugas khusus, tetapi masih kurang sesuai untuk dapur sibuk yang perlu menangani banyak tuntutan serentak.

Contoh dalam bidang perkhidmatan lain menunjukkan teknologi ini berkembang secara berperingkat. Di Lapangan Terbang Narita, robot menyerupai kucing digunakan di kedai cenderamata tanpa kakitangan sebagai sebahagian daripada demonstrasi untuk mengurangkan keperluan pekerja. Restoran dan kafe juga telah menguji robot untuk menghantar makanan, menyediakan penkek, menggulung sushi dan memasak okonomiyaki.

Adakah Robot Akan Menggantikan Pakar Konfeksi?

Peranan segera sistem seperti Theo lebih cenderung sebagai sokongan, bukannya pengganti sepenuhnya. Robot boleh mengulang sesuatu proses, memantau keadaan dan mengekalkan resipi, sementara pekerja manusia terus menyediakan bahan, memeriksa hasil, menangani keadaan luar biasa dan membangunkan produk baharu.

Pembahagian tugas itu boleh membantu syarikat melindungi teknik makanan tradisional sambil mengurangkan kebergantungan pengeluaran berkemahiran pada segelintir individu. Ia juga boleh membolehkan pakar konfeksi berpengalaman meluangkan lebih banyak masa untuk mengajar, menguji resipi dan menyelia beberapa mesin, berbanding melakukan sendiri setiap langkah yang berulang.

Timbul kebimbangan tentang pihak yang mengawal rekod digital sesuatu kemahiran. Apabila pergerakan dan keputusan pekerja ditukar menjadi data latihan, syarikat mungkin memiliki sistem pengeluaran bernilai tinggi yang dibina daripada pengalaman peribadi. Pekerja dan majikan mungkin memerlukan perjanjian jelas mengenai persetujuan, pengiktirafan, bayaran dan penggunaan data tersebut.

Pelanggan juga mungkin menilai makanan yang dibuat mesin dengan piawaian berbeza. Konsistensi boleh menjadi kelebihan, khususnya bagi produk yang perlu kelihatan dan terasa sama di banyak lokasi. Namun, sesetengah pelanggan mungkin menghargai kisah manusia di sebalik konfeksi tradisional. Syarikat perlu menjelaskan cara AI digunakan dan bahagian proses yang masih bergantung pada pertimbangan manusia.

Percubaan Jepun Membawa Makna Lebih Luas

Jepun menggunakan automasi makanan sebagai tindak balas praktikal terhadap tekanan demografi. Pendekatan sama dapat dilihat dalam bidang logistik, pertanian, peruncitan, penjagaan kesihatan dan pembuatan. Matlamatnya adalah memastikan perkhidmatan penting terus beroperasi dengan tenaga kerja yang lebih kecil, bukannya menunggu trend kependudukan berubah.

Kekuatan Jepun dalam bidang robotik memberikan asas kukuh bagi usaha ini. Jepun telah lama menghasilkan mesin industri yang sangat tepat, sementara pengeluarnya memiliki banyak pengetahuan operasi. AI fizikal berusaha menghubungkan perkakasan dan pengalaman itu dengan sistem yang boleh belajar daripada data visual dan sensor.

Kejayaan bergantung pada hasil yang boleh diukur oleh perniagaan. Robot mesti mengurangkan tekanan kekurangan pekerja, mengekalkan mutu makanan, beroperasi dengan selamat di sisi manusia dan berbaloi dengan kosnya. Robot juga memerlukan sokongan pendidikan, infrastruktur data yang boleh dipercayai serta pekerja yang mampu mengendalikan teknologi itu.

Rancangan Theo untuk berkembang daripada kira-kira 20 pengguna kepada 100 akan menguji secara praktikal sama ada kemahiran konfeksi yang dipelajari AI boleh digunakan di luar bilik pameran syarikat. Jika sistem itu berfungsi dengan baik di dapur yang berbeza, ia boleh menjadi model untuk mengekalkan bentuk pengetahuan kulinari lain yang berisiko lenyap.

Perkara Utama

• Robot Theo milik Juchheim menggunakan kamera dan sensor untuk mempelajari cara pekerja mahir membuat baumkuchen.
• Baumkuchen memerlukan lapisan berulang serta kawalan rapi terhadap haba, masa, suhu dan kelembapan.
• Nisbah kekosongan jawatan bagi setiap pencari kerja dalam sektor perkhidmatan makanan Jepun ialah 2.31 pada Februari, berbanding 1.13 bagi semua industri.
• TechMagic, Dentsu dan Otafuku Sauce menggunakan AI dalam bidang memasak, penilaian makanan laut dan carian resipi.
• Jepun merancang memperluas AI fizikal dan menyasarkan penempatan kira-kira 10 juta robot yang dilengkapi AI dalam 18 sektor menjelang 2040.
• Robot mungkin dapat mengekalkan teknik berkemahiran, sementara pekerja manusia masih diperlukan untuk penyeliaan, kreativiti, penyelenggaraan dan khidmat pelanggan.