Imagine a scientist who wants to send a robot to explore in a faraway place, a place whose geography might be completely unknown and perhaps inhospitable. Now imagine that instead of first designing that robot and sending it off in the hope that it might be suitable, instead, she sends a robot-producing technology that figures out what kind of robot is needed once it arrives, builds it and then enables it to continue to evolve to adapt to its new surroundings.
Imagina a un científico que quiere enviar un robot a explorar un lugar lejano, un lugar cuya geografía puede ser completamente desconocida y quizás inhóspita. Ahora imagine que, en lugar de diseñar primero ese robot y enviarlo con la esperanza de que sea adecuado, ella envía una tecnología de producción de robots que descubre qué tipo de robot se necesita una vez que llega, lo construye y luego lo habilita a seguir evolucionando para adaptarse a su nuevo entorno.
It’s exactly what my collaborators and I are working on: a radical new technology which enables robots to be created, reproduce and evolve over long periods of time, a technology where robot design and fabrication becomes a task for machines rather than humans.
Es exactamente en lo que estamos trabajando mis colaboradores y yo: una nueva tecnología radical que permite que los robots se creen, reproduzcan y evolucionen durante largos períodos de tiempo, una tecnología en la que el diseño y la fabricación de robots se conviertan en una tarea para máquinas en lugar de humanos.
Robots are already all around us, in factories, in hospitals, in our home. But from an engineer's perspective, designing a shelf-stacking robot or a Roomba to clean our home is relatively straightforward. We know exactly what they need to do, and we can imagine the kind of situations they might find themselves in. So we design with this in mind. But what if we want to send that robot to operate in a place that we have little or even no knowledge about? For example, cleaning up legacy waste inside a nuclear reactor where it's unsafe to send humans, mining for minerals deep in a trench at the bottom of the ocean, or exploring a faraway asteroid. How frustrating would it be if the human-designed robot, that had taken years to get to the asteroid suddenly found it needed to drill a hole to collect a sample or clamber up a cliff but it didn't have the right tools or the right means of locomotion to do so? If instead we had a technology that enabled the robots to be designed and optimized in situ, in the environment in which they need to live and work, then we could potentially save years of wasted effort and produce robots that are uniquely adapted to the environments that they find themselves in.
Los robots ya están a nuestro alrededor, en fábricas, hospitales, nuestra casa. Pero desde la perspectiva de un ingeniero, diseñar un robot apilador o un Roomba para limpiar nuestra casa es relativamente sencillo. Sabemos exactamente lo que necesitan hacer y podemos imaginar el tipo de situaciones en las que se pueden encontrar. Así que diseñamos con esto en mente. Pero, ¿y si queremos enviar ese robot a operar en un lugar del que tenemos poco o ningún conocimiento? Por ejemplo, limpiar desechos heredados dentro de un reactor nuclear donde no es seguro enviar humanos, extraer minerales en una zanja profunda en el fondo del océano o explorar un asteroide lejano. Qué frustrante sería si el robot diseñado por humanos, que tardó años en llegar al asteroide, de repente descubriera que necesitaba perforar un agujero para recolectar una muestra o trepar por un acantilado, pero no tenía las herramientas adecuadas o los medios adecuados de locomoción para hacerlo? Si, en cambio, tuviéramos una tecnología que permitiera diseñar y optimizar los robots in situ, en el entorno en el que necesitan vivir y trabajar, entonces podríamos potencialmente ahorrar años de esfuerzo desperdiciado y producir robots que se adapten de manera única a los entornos que se encuentran adentro.
So to realize this technology, we've been turning to nature for help. All around us, we see examples of biological species that have evolved smart adaptations that enable them to thrive in a given environment. For example, in the Cuban rainforest, we find vines that have evolved leaves that are shaped like human-designed satellite dishes. These leaves direct bats to their flowers by amplifying the signals that the bats send out, therefore, improving pollination. What if we could create an artificial version of evolution that would enable robots to evolve in a similar manner as biological organisms?
para realizar esta tecnología, hemos recurriendo naturaleza en busca de ayuda. A nuestro alrededor, vemos ejemplos de especies biológicas que han desarrollado adaptaciones inteligentes que les permiten prosperar en un entorno determinado. Por ejemplo, en la selva tropical cubana, encontramos enredaderas que han desarrollado hojas que tienen forma de antenas parabólicas diseñadas por humanos. Estas hojas dirigen a los murciélagos hacia sus flores amplificando las señales que envían los murciélagos, por lo tanto, mejorando la polinización. ¿Qué pasaría si pudiéramos crear una versión artificial de la evolución que permitiera a los robots evolucionar de manera similar a los organismos biológicos?
I'm not talking about biomimicry, a technology which simply copies what's observed in nature. What we're hoping to harness is the creativity of evolution, to discover designs that are not observed here on Earth, the human engineer might not have thought of or even be capable of conceiving. In theory, this evolutionary design technology could operate completely autonomously in a faraway place. But equally it could be guided by humans. Just as we breed plants for qualities such as drought resistance or taste, the human robot breeder could guide artificial evolution to producing robots with specific qualities. For example, the ability to squeeze through a narrow gap or perhaps operate at low energy.
No estoy hablando de biomimética, una tecnología que simplemente copia lo que se observa en la naturaleza. Lo que esperamos aprovechar es la creatividad de la evolución, para descubrir diseños que no se observan aquí en la Tierra, el ingeniero humano podría no haber pensado o incluso no ser capaz de concebir. En teoría, esta tecnología de diseño evolutivo podría operar de manera completamente autónoma en un lugar lejano. Pero igualmente podría ser guiada por humanos. Así como cultivamos plantas por cualidades como la resistencia a la sequía o el sabor, el criador de robots humanos podría guiar la evolución artificial para producir robots con cualidades específicas. Por ejemplo, la capacidad de atravesar un espacio estrecho o tal vez operar con poca energía.
This idea of artificial evolution imitating biological evolution using a computer program to breed better and better solutions to problems over time isn't actually new. In fact, artificial evolution, algorithms operating inside a computer, have been used to design everything from tables to turbine blades. Back in 2006, NASA even sent a satellite into space with a communication antenna that had been designed by artificial evolution.
Esta idea de la evolución artificial que imita la evolución biológica utilizando un programa de computadora para generar mejores y mejores soluciones a los problemas a lo largo del tiempo no es algo nuevo. De hecho, la evolución artificial, algoritmos que operan dentro de una computadora, se han utilizado para diseñar todo, desde mesas hasta palas de turbinas. En 2006, la NASA incluso envió un satélite al espacio con una antena de comunicación diseñada por evolución artificial.
But evolving robots is actually much harder than evolving passive objects such as tables, because robots need brains as well as bodies in order to make sense of the information in the world around them and translate that into appropriate behaviors. So how do we do it? Surprisingly, evolution only needs three ingredients: a population of individuals which exhibit some physical variations; a method of reproduction in which offspring inherit some traits from their parents and occasionally acquire new ones via mutation; and finally, a means of natural selection. So we can replicate these three ingredients to evolve robots using a mixture of hardware and software. The first task is to design a digital version of DNA. That is a digital blueprint that describes the robot's brain, its body, its sensory mechanisms and its means of locomotion. Using a randomly generated set of these blueprints, we can create an initial population of 10 or more robots to kick-start this evolutionary process. We've designed a technology that can take the digital blueprint and turn it into a physical robot without any need for human assistance. For example, it uses a 3D printer to print the skeleton of the robot and then an automated assembly arm like you might find in a factory to add any electronics and moving parts, including a small computer that acts as a brain. And to enable this brain to adapt to the new body of the robot, we send every robot produced to an equivalent of a kindergarten, a place where the newborn robot can refine its motor skills almost like a small child would. To mimic natural selection, we score these robots on the ability to conduct a task. And then we use these scores to selectively decide which robots get to reproduce. The reproduction mechanism mixes the digital DNA of the chosen parent robots to create a new blueprint for a child robot that inherits some of the characteristics from its parents but occasionally also exhibits some new ones. And by repeating the cycle of selection and reproduction over and over again, we hope that we can breed successive generations of robots where, just like is often observed in biological evolution, each generation gets better than the last, with the robots gradually optimizing their form and their behavior to the task and the environment that they find themselves in.
Pero evolucionar robots es en realidad mucho más difícil que evolucionar objetos pasivos como mesas, porque los robots necesitan cerebros y cuerpos para dar sentido a la información del mundo que los rodea y traducirla en comportamientos apropiados Entonces, ¿cómo lo hacemos? Sorprendentemente, la evolución solo necesita tres ingredientes: una población de individuos que presenten algunas variaciones físicas; un método de reproducción en el que la descendencia hereda algunos rasgos de sus padres y ocasionalmente adquiere otros nuevos a través de mutaciones; y finalmente, un medio de selección natural. Entonces podemos replicar estos tres ingredientes para desarrollar robots usando una combinación de hardware y software. La primera tarea es diseñar una versión digital del ADN. Ese es un plano digital que describe el cerebro del robot, su cuerpo, sus mecanismos sensoriales y sus medios de locomoción. Usando un conjunto generado aleatoriamente de estos planos, podemos crear una población inicial de 10 o más robots para iniciar este proceso evolutivo. Hemos diseñado una tecnología que puede tomar el plano digital y convertirlo en un robot físico sin necesidad de asistencia humana. Por ejemplo, utiliza una impresora 3D para imprimir el esqueleto del robot y luego un brazo de ensamblaje automatizado como el que podría encontrar en una fábrica para agregar componentes electrónicos y móviles, incluida una pequeña computadora que actúa como cerebro. Y para permitir que este cerebro se adapte al nuevo cuerpo del robot, enviamos cada robot producido a un equivalente a un jardín de infantes, lugar donde el robot recién nacido puede refinar sus habilidades motoras casi como lo haría un niño pequeño. Para imitar la selección natural, puntuamos a estos robots en la capacidad de realizar una tarea. Y luego usamos estos puntajes para decidir selectivamente qué robots pueden reproducirse. El mecanismo de reproducción mezcla el ADN digital de los padres robots elegidos para crear un nuevo modelo para un niño robot que hereda algunas de las características de sus padres, pero ocasionalmente también exhibe algunas nuevas. Y al repetir el ciclo de selección y reproducción una y otra vez, esperamos poder criar sucesivas generaciones de robots donde, tal como se observa a menudo en la evolución biológica, cada generación es mejor que la anterior, con los robots optimizando gradualmente su forma. y su comportamiento ante la tarea y el entorno en el que se encuentran.
Now, although this can all take place in a time frame that's much faster than biological evolution, which sometimes takes thousands of years, it's still relatively slow in terms of the time frames we might expect in our modern world to design and produce an artifact. It's mainly due to the 3D printing process, which can take more than four hours per robot, depending on the complexity and the shape of the robot. But we can give our artificial evolutionary process a helping hand to reduce the number of physical robots that we actually need to make. We create a digital copy of every robot produced inside a simulation in a computer, and we allow this virtual population of robots to evolve. Now it's quite likely that the simulation isn't a very accurate representation of the real world. But it has an advantage that it enables models of robots to be created and tested in seconds rather than hours. So using the simulator technology, we can quickly explore the potential of a wide range of robot types of different shapes and sizes, of different sensory configurations, and quickly get a rough estimate of how useful each robot may be before we physically make it. And we predict that by allowing a novel form of breeding in which a physical robot can breed with one of its virtual cousins, then the useful traits that have been discovered in simulation will quickly spread into the physical robot population, where they can be further refined in situ.
Ahora, aunque todo esto puede ocurrir en un marco de tiempo que es mucho más rápido que la evolución biológica, que a veces toma miles de años, todavía es relativamente lento en términos los marcos de tiempo que podríamos esperar en nuestro mundo moderno para diseñar y producir un artefacto. Se debe principalmente al proceso de impresión 3D, que puede llevar más de cuatro horas por robot, según la complejidad y la forma del robot. Pero podemos ayudar a nuestro proceso evolutivo artificial a reducir la cantidad de robots físicos que realmente necesitamos hacer. Creamos una copia digital de cada robot producido dentro de una simulación en una computadora, y permitimos que esta población virtual de robots evolucione. Ahora bien, es bastante probable que la simulación no sea una representación muy precisa del mundo real. Pero tiene la ventaja de que permite crear y probar modelos de robots en segundos en lugar de horas. Entonces, al usar la tecnología del simulador, podemos explorar rápidamente el potencial de una amplia gama de tipos de robots de diferentes formas y tamaños, de diferentes configuraciones sensoriales, y obtener rápidamente una estimación aproximada de cuán útil puede ser cada robot antes de que lo fabriquemos físicamente. Y predecimos que al permitir una forma novedosa de reproducción en la que robot físico puede reproducirse con uno de sus primos virtuales, los rasgos útiles que se han descubierto en la simulación se extenderán rápidamente a la población de robots físicos, donde se pueden refinar aún más. en el lugar.
It might sound like science fiction, but actually there's a serious point. While we expect the technology that I've just described to be useful in designing robots, for example, to work in situations where it's unsafe to send humans or to help us pursue our scientific quest for exoplanetary exploration, there are some more pragmatic reasons why we should consider artificial evolution. As climate change gathers pace, it is clear that we need a radical rethink to our approach to robotic design here on Earth in order to reduce that ecological footprint. For example, creating new designs of robot built from sustainable materials that operate at low energy, that are repairable and recyclable. It's quite likely that this new generation of robots won't look anything like the robots that we see around us today, but that's exactly why artificial evolution might help. Discovering novel designs by processes that are unfettered by the constraints that our own understanding of engineering science imposes on the design process.
Puede sonar a ciencia ficción, pero en realidad hay un punto serio. Si bien esperamos que la tecnología que acabo de describir sea útil para diseñar robots, por ejemplo, para trabajar en situaciones en las que no es seguro enviar humanos o para ayudarnos a continuar nuestra búsqueda científica de exploración exoplanetaria, hay algunas razones más pragmáticas por las que deberíamos considerar la evolución artificial. A medida que el cambio climático se acelera, está claro que necesitamos un replanteamiento radical de nuestro enfoque del diseño robótico aquí en la Tierra para reducir esa huella ecológica. Por ejemplo, crear nuevos diseños de robots construidos con materiales sostenibles que funcionen con bajo consumo de energía, que sean reparables y reciclables. Es muy probable que esta nueva generación de robots no se parezca en nada a los robots que vemos hoy a nuestro alrededor, pero esa es exactamente la razón por la que la evolución artificial podría ayudar. Descubrir diseños novedosos mediante procesos que no están sujetos restricciones que nuestra propia comprensión de la ciencia de la ingeniería impone al proceso de diseño.
Thank you.
Gracias.
(Applause)
(Aplausos)