Λοιπόν, πού είναι τα ρομπότ; Εδώ και 40 χρόνια μας έλεγαν ότι έρχονται σύντομα. Πολύ σύντομα θα κάνουν τα πάντα για εμάς. Θα μαγειρεύουν, καθαρίζουν, αγοράζουν, ψωνίζουν, χτίζουν. Αλλά δεν είναι εδώ. Εν τω μεταξύ, έχουμε παράνομους μετανάστες να κάνουν όλη τη δουλειά, αλλά δεν έχουμε καθόλου ρομπότ. Τι μπορούμε να κάνουμε λοιπόν για αυτό; Τι μπορούμε να πούμε; Θέλω λοιπόν να δώσω μια διαφορετική προοπτική του πώς θα μπορούσαμε να τα δούμε αυτά με λίγο διαφορετικό τρόπο. Αυτή είναι μια ακτινογραφία ενός πραγματικού σκαθαριού και ενός ελβετικού ρολογιού, από το '88. Βλέπεται πως ό,τι ήταν τότε αληθινό είναι σίγουρα αληθινό και σήμερα. Μπορούμε ακόμα να φτιάξουμε τα κομμάτια. Μπορούμε να φτιάξουμε τα σωστά κομμάτια. Μπορούμε να φτιάξουμε το κύκλωμα της σωστής υπολογιστικής ισχύος, αλλά στην πραγματικότητα δεν μπορούμε να τα συνδυάσουμε για να δημιουργήσουμε κάτι που θα λειτουργήσει και θα είναι τόσο ευπροσάρμοστο όσο αυτά τα συστήματα.
So, where are the robots? We've been told for 40 years already that they're coming soon. Very soon they'll be doing everything for us. They'll be cooking, cleaning, buying things, shopping, building. But they aren't here. Meanwhile, we have illegal immigrants doing all the work, but we don't have any robots. So what can we do about that? What can we say? So I want to give a little bit of a different perspective of how we can perhaps look at these things in a little bit of a different way. And this is an x-ray picture of a real beetle, and a Swiss watch, back from '88. You look at that -- what was true then is certainly true today. We can still make the pieces. We can make the right pieces. We can make the circuitry of the right computational power, but we can't actually put them together to make something that will actually work and be as adaptive as these systems.
Ας προσπαθήσουμε λοιπόν να το δούμε με διαφορετική προοπτική. Ας φωνάξουμε τον καλύτερο σχεδιαστή, τον καλύτερο όλων των σχεδιαστών. Ας δούμε τι μπορεί να κάνει η εξέλιξη για εμάς. Βάζουμε, λοιπόν -- δημιουργήσαμε μια αρχέγονη σούπα με πολλά ρομποτικά μέλη -- με μπάρες, με κινητήρες, με νευρώνες. Τα βάζουμε όλα μαζί και κάτω από μία είδους φυσική επιλογή, υπό μετάλαξη, και τα ανταμείβουμε ανάλογα με το πόσο καλά μπορούν να κινηθούν προς τα εμπρός. Μια πολύ απλή εργασία και είναι ενδιαφέρον να δούμε τα συμπεράσματα από αυτήν.
So let's try to look at it from a different perspective. Let's summon the best designer, the mother of all designers. Let's see what evolution can do for us. So we threw in -- we created a primordial soup with lots of pieces of robots -- with bars, with motors, with neurons. Put them all together, and put all this under kind of natural selection, under mutation, and rewarded things for how well they can move forward. A very simple task, and it's interesting to see what kind of things came out of that.
Εάν κοιτάξετε λοιπόν, μπορείτε να δείτε πολλές διαφορετικές μηχανές που προέκυψαν από αυτά. Όλες μπορούν και κινούνται. Όλες έρπονται με διαφορετικούς τρόπους και μπορείτε να δείτε στα δεξιά πως όντως φτιάξαμε μερικές από αυτές και λειτουργούν στην πραγματικότητα. Αυτά δεν είναι πολύ καταπληκτικά ρομπότ, αλλά εξελίχτηκαν για να κάνουν αυτό για το οποίο τα επιβραβεύουμε:
So if you look, you can see a lot of different machines come out of this. They all move around. They all crawl in different ways, and you can see on the right, that we actually made a couple of these things, and they work in reality. These are not very fantastic robots, but they evolved to do exactly what we reward them for:
να κινηθούν εμπρός. Όλα αυτά έγιναν με προσομοίωση, αλλά μπορούμε να το κάνουμε και με πραγματικές μηχανές. Εδώ είναι ένα πραγματικό ρομπότ στο οποίο έχουμε έναν πληθυσμό εγκεφάλων, που ανταγωνίζονται ή εξελίσσονται στη μηχανή. Είναι όπως μια επίδειξη ροντέο. Όλοι καβαλάνε την μηχανή και ανταμείβονται για το πόσο γρήγορα ή πόσο μακρυά μπορούν να κάνουν τη μηχανή να κινηθεί προς τα εμπρός. Και μπορείτε να δείτε ότι αυτά τα ρομπότ δεν είναι έτοιμα να κατακτήσουν ακόμα τον κόσμο, αλλά μαθαίνουν σταδιακά πως να κινούνται εμπρός και αυτό το κάνουν αυτόνομα.
for moving forward. So that was all done in simulation, but we can also do that on a real machine. Here's a physical robot that we actually have a population of brains, competing, or evolving on the machine. It's like a rodeo show. They all get a ride on the machine, and they get rewarded for how fast or how far they can make the machine move forward. And you can see these robots are not ready to take over the world yet, but they gradually learn how to move forward, and they do this autonomously.
Έτσι, σε αυτά τα δύο παραδείγματα, είχαμε βασικά μηχανές που μάθαιναν πως να περπατούν σε εξομοίωση και επίσης μηχανές που μάθαιναν πως να περπατούν στην πραγματικότητα. Αλλά θέλω να σας παρουσιάσω μια διαφορετική προσέγγιση, και αυτό εδώ είναι το ρομπότ, που έχει τέσσερα πόδια. Έχει οκτώ κινητήρες, τέσσερις στα γόνατα και τέσσερις στους γοφούς. Έχει επίσης δύο αισθητήρες κλίσης που ενημερώνουν τη μηχανή προς τα που γέρνει.
So in these two examples, we had basically machines that learned how to walk in simulation, and also machines that learned how to walk in reality. But I want to show you a different approach, and this is this robot over here, which has four legs. It has eight motors, four on the knees and four on the hip. It has also two tilt sensors that tell the machine which way it's tilting.
Αλλά αυτή η μηχανή δεν γνωρίζει με τι μοιάζει. Κοιτάζοντάς την βλέπετε ότι έχει τέσσερα πόδια, η μηχανή δεν ξέρει εάν είναι φίδι, εάν είναι δέντρο, δεν έχει ιδέα με τι μοιάζει, αλλά θα προσπαθήσει να το ανακαλύψει. Αρχικά, κάνει κάποιες τυχαίες κινήσεις και μετά προσπαθεί να καταλάβει με τι μπορεί να μοιάζει. Και βλέπετε να περνάνε πολλά πράγματα από το νου της, πολλά μοντέλα του εαυτού της που προσπαθούν να εξηγήσουν τη σχέση μεταξύ χειρισμού και αίσθησης. Μετά προσπαθεί να κάνει μια δεύτερη ενέργεια που δημιουργεί την μεγαλύτερη διαφωνία ανάμεσα στις προβλέψεις αυτών των εναλλακτικών μοντέλων, όπως ένας επιστήμονας στο εργαστήριο. Τότε το κάνει αυτό και προσπαθεί να το εξηγήσει και να περιορίζει τα μοντέλα του εαυτού της.
But this machine doesn't know what it looks like. You look at it and you see it has four legs, the machine doesn't know if it's a snake, if it's a tree, it doesn't have any idea what it looks like, but it's going to try to find that out. Initially, it does some random motion, and then it tries to figure out what it might look like. And you're seeing a lot of things passing through its minds, a lot of self-models that try to explain the relationship between actuation and sensing. It then tries to do a second action that creates the most disagreement among predictions of these alternative models, like a scientist in a lab. Then it does that and tries to explain that, and prune out its self-models.
Αυτός είναι ο τελευταίος κύκλος και μπορείτε να διαπιστώσετε πως σχεδόν έχει καταλάβει με τι μοιάζει. Και μόλις έχει ένα μοντέλο του εαυτού της, μπορεί να το χρησιμοποιήσει για να εξάγει ένα πρότυπο μετακίνησης. Αυτό λοιπόν που βλέπετε εδώ είναι μερικές μηχανές -- ένα μοτίβο μετακίνησης. Ελπίζαμε ότι αυτό θα είχε κάποιου είδους κακό, αραχνοειδές βάδισμα, αλλά αντί αυτού δημιούργησε αυτόν τον κουτσό τρόπο κίνησης προς τα εμπρός.
This is the last cycle, and you can see it's pretty much figured out what its self looks like. And once it has a self-model, it can use that to derive a pattern of locomotion. So what you're seeing here are a couple of machines -- a pattern of locomotion. We were hoping that it wass going to have a kind of evil, spidery walk, but instead it created this pretty lame way of moving forward.
Αλλά κοιτώντας το, μην ξεχνάτε ότι αυτή η μηχανή δεν έκανε καμία φυσική δοκιμαστική προσπάθεια για να κινηθεί εμπρός, ούτε είχε κάποιο μοντέλο για τον εαυτό της. Κάπως κατάλαβε με τι μοιάζει και πως μπορεί να κινηθεί εμπρός και μετά όντως το προσπάθησε. (Χειροκρότημα)
But when you look at that, you have to remember that this machine did not do any physical trials on how to move forward, nor did it have a model of itself. It kind of figured out what it looks like, and how to move forward, and then actually tried that out. (Applause)
Ας προχωρήσουμε, λοιπόν, σε μια διαφορετική ιδέα. Αυτά λοιπόν, συνέβησαν όταν είχαμε μερικές -- αυτό λοιπόν, συνέβη όταν είχαμε μερικές -- Εντάξει, εντάξει, εντάξει -- (Γέλια) -- δεν συμπαθεί το ένα το άλλο. Λοιπόν υπάρχει ένα διαφορετικό ρομπότ. Αυτό συνέβη όταν τα ρομπότ πραγματικά ανταμείβονται επειδή έκαναν κάτι. Τι συμβαίνει όταν δεν τα ανταμείβεις για κάτι, απλά τα αφήνουμε έτσι;
So, we'll move forward to a different idea. So that was what happened when we had a couple of -- that's what happened when you had a couple of -- OK, OK, OK -- (Laughter) -- they don't like each other. So there's a different robot. That's what happened when the robots actually are rewarded for doing something. What happens if you don't reward them for anything, you just throw them in?
Έχουμε λοιπόν αυτούς τους κύβους, όπως δείχνει εδώ το διάγραμμα. Ο κύβος μπορεί να περιστραφεί, ή να αναστρέψει την πλευρά του, και απλά βάλαμε χίλιους από αυτούς τους κύβους σε έναν χώρο -- αυτή είναι μια εξομοίωση -- και δεν τα ανταμείψαμε για τίποτα, απλά τα αφήσαμε να γυρνούν πλευρές. Αντλούμε ενέργεια σε αυτό και ας δούμε τι θα συμβεί σε μερικές μεταλλάξεις. Έτσι, αρχικά τίποτα δεν συμβαίνει, απλά γυρνούσαν εδώ και εκεί. Αλλά μετά από λίγο, μπορείτε να δείτε αυτά τα μπλε αντικείμενα στα δεξιά να ξεκινούν να κυριαρχούν.
So we have these cubes, like the diagram showed here. The cube can swivel, or flip on its side, and we just throw 1,000 of these cubes into a soup -- this is in simulation --and don't reward them for anything, we just let them flip. We pump energy into this and see what happens in a couple of mutations. So, initially nothing happens, they're just flipping around there. But after a very short while, you can see these blue things on the right there begin to take over.
Ξεκινούν να αυτοαναπαράγονται. Σε απουσία, λοιπόν, ανταμοιβής, η εσωτερική ανταμοιβή είναι η αυτοαναπαραγωγή. Και στην πραγματικότητα έχουμε φτιάξει μερικές από αυτές και αυτό είναι μέρος ενός μεγαλύτερου ρομπότ που έχει φτιαχτεί από αυτούς τους κύβους. Είναι σε γρήγορη κίνηση, όπου μπορείτε να δείτε το ρομπότ πράγματι να υλοποιεί μερικώς τη διαδικασία αντιγραφής του. Το προμηθεύεις λοιπόν με περισσότερα υλικά -- κύβους στην περίπτωσή μας -- και περισσότερη ενέργεια και μπορεί να φτιάξει ένα άλλο ρομπότ. Φυσικά, αυτή είναι μια πολύ αργή μηχανή, αλλά δουλεύουμε σε μικρότερη κλίμακα από αυτή και ελπίζουμε ότι οι κύβοι θα είναι σκόνη που απλά την προσθέτουμε.
They begin to self-replicate. So in absence of any reward, the intrinsic reward is self-replication. And we've actually built a couple of these, and this is part of a larger robot made out of these cubes. It's an accelerated view, where you can see the robot actually carrying out some of its replication process. So you're feeding it with more material -- cubes in this case -- and more energy, and it can make another robot. So of course, this is a very crude machine, but we're working on a micro-scale version of these, and hopefully the cubes will be like a powder that you pour in.
Εντάξει, λοιπόν, τι μπορούμε να μάθουμε; Αυτά τα ρομπότ φυσικά δεν είναι και πολύ χρήσιμα, αλλά μπορούν να μας διδάξουν κάτι σχετικά με το πώς μπορούμε να φτιάξουμε καλύτερα ρομπότ, και ίσως πώς οι άνθρωποι, τα ζώα, δημιουργούν μοντέλα του εαυτού τους και μαθαίνουν. Και ένα από τα πράγματα που πιστεύω ότι είναι σημαντικό είναι πως πρέπει να ξεφύγουμε από την ιδέα του σχεδιασμού των μηχανών με το χέρι, αλλά στην ουσία να τα αφήσουμε να εξελιχθούν και να μάθουν, όπως τα παιδιά, και ίσως αυτός είναι ο τρόπος για να φτάσουμε εκεί. Σας ευχαριστώ. (Χειροκρότημα)
OK, so what can we learn? These robots are of course not very useful in themselves, but they might teach us something about how we can build better robots, and perhaps how humans, animals, create self-models and learn. And one of the things that I think is important is that we have to get away from this idea of designing the machines manually, but actually let them evolve and learn, like children, and perhaps that's the way we'll get there. Thank you. (Applause)