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.
さて ロボットはどこでしょう? ロボットがまもなく現れ仕事を代行してくれると もう40年間ほど言われてきました 料理 掃除 買物 建築 でもどこにも見当たりませんね 代わりに違法移民が仕事をしていますが ロボットはいません さて どうしましょうか そこで皆さんに今までとちょっと違った ロボットについての観点をお教えしたいと思います さて これはX線写真です 本物のカブトムシと1988年スイス製の時計のものです これらは当時からなんら変わっていません 私たちは今なお正しい部品を作れますし コンピュータ動力の電気回路も作れます しかし実はこれらを適応力があり実際に 動作する集合体としては組み立てられないのです
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.
そこで異なる観点から見てみましょう 究極のデザイナーを召喚しましょう 進化が私たちにもたらしたものを見てみましょう 我々は棒 モーター ニューロンといった ロボットの材料をたくさん原生液に放り込みました これらを混ぜ合わせ 自然淘汰と変異を経たのち どれだけ前進できるかによって報酬反応を与えたのです 単純な課題ですが実験の成果を見るのはおもしろいですよ
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:
この実験から生まれた異なる種類の機械を ご覧ください みな異なる方法で このように動き 這っています これらを実際に作ってみました 素晴らしい見栄えではありませんが 前進に対する報酬反応を与えた分だけ
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.
シミュレーション上で 進化しました 実際の機械を動かすことも出来ます ここに実際のロボットがありますね 機械上で競い合い 進化する 頭脳部分を持っています ロデオショーみたいでしょう 機械がどれだけ速く 遠くへ前進できるかにより 報酬が与えられます ご覧のとおり このロボット達は 仕事を引き継ぐにはまだ未熟ですが 次第に前進の仕方を学び 自律的に動くようになっています
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.
さてこの2つの例を使って実際に シミュレーションで歩き方を学んだ機械と 現実に歩き方を学んだ機械を見ましたが また別のアプローチをご覧頂きたいと思います このロボットは 4本の脚を持ち 膝・腰それぞれに4つのモーターを搭載しています 更に 2つのティルトセンサーを搭載し 傾きを調べます
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.
皆さんには4つの脚が見えますが 機械自身は 自分がどんな形なのか解ってません 自分が蛇なのか木なのか 外見に対する知識は一切ありませんが 自らその特定を試みます まず 適当に動いてみて 自らの形を探ろうとします いろいろなことを考えているんでしょうね 動作と知覚の関係を説明しようとする 自己モデリングの試みです 次いで機械は 第2の動きで予測とこれらの分析の 最大の不調和を引き出します 実験室の科学者のようですね 次にこの解釈に基づき 自己モデリングを絞り込みます
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.
この最後のサイクルで外見はかなり捉えられます いったん自己モデリングを確立すると それを 運動パターン抽出のために利用します つまりご覧頂いているのは機械であり 運動パターンなのです 蜘蛛の様に繊細で邪悪な歩き方を期待していましたが 代わりにこのまどろっこしい前進法を生みました
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)
ところで思い出してください この機械は前進の仕方を試行したことがありません 自己認識もありませんでした 自らの形と前進法を何とか割り出して 実際にそれを実行したのです (拍手)
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?
それでは また別のアイデアに移りましょう ご覧頂いたのは私たちがいくつか… 何が起こったかというと… OK わかった (笑) 仲が良くないみたいですね さてここに別のロボットがあります 先程ロボットの行動に対して報酬反応が 与えられたらどうなるかを見ました 報酬反応を与えず 原生液に放り込めばどうでしょう
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.
ここに図で示されているような立方体があります この立体は面上で回転することができます ではこの立方体を1000個 原生液に入れてみましょう 報酬反応を無くした シミュレーションです 動き回らせておき エネルギーを注入します 変異を繰り返した後どうなるでしょう 最初は何も起きません ただ動き回っているだけです しかし少し経つと 右側の方で青色のものが 増えているのが見えますね
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.
増殖を始めたのです 外部からの報酬がなければ 内因性刺激として 自己増殖を行います 実際このようなものを造ってみました 立方体から作られた大きなロボットの一部です 早送りですが 実際にロボットが自己増殖を 行っているのがご覧いただけます この場合は立方体ですが もっと部品とエネルギーが あればまた別のロボットを作れます もちろん これは大まかなものですが 我々は ミクロの世界でも研究を行っています そしてこの立方体を粒子程にしたいと考えています
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)
さてここから何が学べるでしょう これらのロボットは このままではあまり使い物になりませんが より高性能な ロボットの作り方 もしくは人間や動物の 自己モデリングの仕方に繋がるかもしれません そして大切なことの1つは 機械を人間の手で作り出すという 考えから離れ ロボットを子供のように 自由に進化 学習させるということ それが ロボットのある未来に繋がります ありがとうございました (拍手)