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.
Allora, dove sono i robot? Sono ormai 40 anni che ci annunciano il loro arrivo. Presto faranno ogni cosa per noi, dicevano: cucinare, pulire, fare acquisti, shopping, costruire. Ma ancora non ci sono. Nel frattempo, abbiamo degli immigrati illegali che fanno tutto il lavoro, ma niente robot. Nel frattempo, abbiamo degli immigrati illegali che fanno tutto il lavoro, ma niente robot. Cosa possiamo farci? Cosa possiamo dire a riguardo? Voglio darvi una prospettiva nuova, per osservare queste cose in un modo un pò diverso. Voglio darvi una prospettiva nuova, per osservare queste cose in un modo un pò diverso. Questa é l'immagine ai raggi X di uno scarafaggio, e di un orologio svizzero del 1988. Guardate- quello che era vero allora lo é certamente anche oggi. Possiamo ancora fare i pezzi giusti, possiamo realizzare la circuiteria della giusta potenza di calcolo, ma non possiamo mettere tutto insieme in un modo così funzionale e capace di adattarsi come questi sistemi.
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.
Proviamo quindi ad osservarli da una prospettiva differente. Abbiamo osservato il miglior designer, la madre di tutti i designer, l'evoluzione, cercando di capire come poteva ispirarci. Abbiamo creato un "brodo primordiale" con molti pezzi di robot: barre, motori, neuroni. Abbiamo creato un "brodo primordiale" con molti pezzi di robot: barre, motori, neuroni. L'idea era di metterli tutti insieme, in questa specie di selezione naturale, di mutazione, e "premiarli" in base a quanto bene riuscivano a progredire. Un compito molto semplice, ed é interessante vedere che genere di cose ne veniva fuori.
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:
Potete vedere quante macchine differenti ne venivano fuori. Potete vedere quante macchine differenti ne venivano fuori. Si muovono intorno, strisciano in modi diversi, e come potete vedere sulla destra, ne abbiamo davvero realizzate un paio, e funzionano. Non sono dei robot fantastici, ne abbiamo davvero realizzate un paio, e funzionano. Non sono dei robot fantastici, ma si sono evoluti per fare esattamente quello per cui sono premiati: muoversi in avanti.
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.
Tutto questo simulato, ma possiamo farlo anche su una macchina vera. Tutto questo simulato, ma possiamo farlo anche su una macchina vera. Ecco un robot fisico dove più cervelli competono, o evolvono, sulla stessa macchina. Ecco un robot fisico dove più cervelli competono, o evolvono, sulla stessa macchina. Ecco un robot fisico dove più cervelli competono, o evolvono, sulla stessa macchina. E' come in un rodeo: tutti fanno una corsa sulla macchina, e vengono ricompensati in base a quanto in fretta, o quanto lontano, riescono a farla proseguire. e vengono ricompensati in base a quanto in fretta, o quanto lontano, riescono a farla proseguire. Potete vedere come questi robot non siano ancora pronti a dominare il mondo, ma Potete vedere come questi robot non siano ancora pronti a dominare il mondo, ma imparano gradualmente ad andar avanti, e lo fanno autonomamente. imparano gradualmente ad andar avanti, e lo fanno autonomamente.
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.
Ecco due esempi di macchine che imparavano a camminare, in simulazione e nella realtà. Ecco due esempi di macchine che imparavano a camminare, in simulazione e nella realtà. Ecco due esempi di macchine che imparavano a camminare, in simulazione e nella realtà. Ma voglio mostrarvi un approccio diverso, ed é questo robot, con quattro gambe, otto motori, quattro sulle ginocchia e quattro sull'anca. questo robot, con quattro gambe, otto motori, quattro sulle ginocchia e quattro sull'anca. Inoltre ha due sensori di rotazione che dicono alla macchina in che direzione sta ruotando. Inoltre ha due sensori di rotazione che dicono alla macchina in che direzione sta ruotando.
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.
Ma questa macchina non sa a cosa assomiglia. La guardi e vedi che ha quattro gambe, la macchina non sa se é un serpente, se é un albero, non ha alcuna idea del suo aspetto, ma proverà a scoprirlo. non ha alcuna idea del suo aspetto, ma proverà a scoprirlo. Inizialmente, fa qualche movimento casuale, e poi cerca di capire che aspetto potrebbe avere --e vedete che le passano molti "pensieri per la testa", molti auto-modelli che cercano di spiegare le relazioni tra l'agire ed il sentire-- e poi prova a fare una seconda azione il più lontano possibile tra l'agire ed il sentire-- e poi prova a fare una seconda azione il più lontano possibile tra le previsioni di questi modelli alternativi, come gli scienziati in laboratorio. Poi fa quell'azione, cerca di spiegarla, e scarta i modelli di sé non validi.
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.
Questo é l'ultimo ciclo, e vedete come abbia capito piuttosto bene a che cosa assomiglia, ed una volta che ha un modello di sé, può usarlo per dedurne un modo di muoversi. State quindi vedendo un paio di macchine --un pattern di locomozione. State quindi vedendo un paio di macchine --un pattern di locomozione. Speravamo che assumesse una camminata aggressiva, da ragno, ma invece ha creato questo modo piuttosto noioso di muoversi.
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)
Ma quando la osservate dovete ricordare che questa macchina non ha fatto alcun test su come muoversi in avanti, né aveva un modello di sé. Ha cercato di capire a cosa assomigliasse, come muoversi in avanti, e poi in effetti lo ha fatto. Ha cercato di capire a cosa assomigliasse, come muoversi in avanti, e poi in effetti lo ha fatto. (Applausi)
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?
Ora passiamo ad un'altra idea. Ecco cosa avvenne quando avemmo un paio di --OK,OK Ecco cosa avvenne quando avemmo un paio di --OK,OK (Risate) -- non si piacciono. C'é un robot differente. Quando i robot sono ricompensati per fare qualcosa, avviene tutto questo. Quando i robot sono ricompensati per fare qualcosa, avviene tutto questo. Ma cosa succede se invece non li premi per niente, e li getti solo nella mischia?
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.
Abbiamo questi cubi, come nel grafico che vi ho mostrato qui. Il cubo può ruotare su sé stesso, Abbiamo questi cubi, come nel grafico che vi ho mostrato qui. Il cubo può ruotare su sé stesso, noi mettiamo 1000 di questi cubi in una zuppa --nella simulazione-- e non li ricompensiamo per nulla, li lasciamo solo ruotare. Pompiamo dentro energia e vediamo cosa succede in un paio di mutazioni. li lasciamo solo ruotare. Pompiamo dentro energia e vediamo cosa succede in un paio di mutazioni. Inizialmente, dunque, non avviene nulla, stanno lì e girano. Ma in breve tempo, potete vedere queste cose blu sulla destra che iniziano ad agire. Ma in breve tempo, potete vedere queste cose blu sulla destra che iniziano ad agire.
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.
Iniziano ad autoreplicarsi. Quindi, in mancanza di ogni altra ricompensa, la ricompensa intrinseca é l'auto-replicazione. Ne abbiamo ricostruiti un paio di questi, in effetti, e sono parte di un robot più largo fatto di questi cubi, é una vista accelerata, potete vedere il robot che esegue alcuni dei suoi processi di replicazione. Quindi lo nutri con altro materiale --cubi, in questo caso-- e più energia, e può realizzare un altro robot. Quindi certo, é una macchina molto rozza, ma stiamo lavorando su una sua microversione, Quindi certo, é una macchina molto rozza, ma stiamo lavorando su una sua microversione, e si spera che questi microcubi si riducano ad una polvere da mescolare.
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)
OK, allora cosa possiamo imparare? Questi robot sono certamente non molto utili, in sé, ma potrebbero insegnarci qualcosa su come possiamo costruire dei robot migliori, e magari come gli umani, e gli animali, creano modelli di sé ed imparano. E trovo importante dire che dobbiamo allontanarci dall'idea di progettare le macchine manualmente, E trovo importante dire che dobbiamo allontanarci dall'idea di progettare le macchine manualmente, E trovo importante dire che dobbiamo allontanarci dall'idea di progettare le macchine manualmente, cominciando a lasciare proprio che evolvano ed imparino, come i bambini, Forse sarà così che ci arriveremo. Grazie. (Applausi)