ABOUT THE SPEAKER
Hod Lipson - Roboticist
Hod Lipson works at the intersection of engineering and biology, studying robots and the way they "behave" and evolve. His work has exciting implications for design and manufacturing -- and serves as a window to understand our own behavior and evolution.

Why you should listen

To say that Hod Lipson and his team at Cornell build robots is not completely accurate: They may simply set out a pile of virtual robot parts, devise some rules for assembly, and see what the parts build themselves into. They've created robots that decide for themselves how they want to walk; robots that develop a sense of what they look like; even robots that can, through trial and error, construct other robots just like themselves.

Working across disciplines -- physics, computer science, math, biology and several flavors of engineer -- the team studies techniques for self-assembly and evolution that have great implications for fields such as micro-manufacturing -- allowing tiny pieces to assemble themselves at scales heretofore impossible -- and extreme custom manufacturing (in other words, 3-D printers for the home).

His lab's Outreach page is a funhouse of tools and instructions, including the amazing Golem@Home -- a self-assembling virtual robot who lives in your screensaver.

More profile about the speaker
Hod Lipson | Speaker | TED.com
TED2007

Hod Lipson: Building "self-aware" robots

هود ليبسون: بناء روبوتات "مدركة لذاتها"

Filmed:
1,460,460 views

هود ليبسون يستعرض يعض من الآليين الظرفاء، والتي لديها القدرة على التعلم وفهم أنفسهم، بل والاستنساخ
- Roboticist
Hod Lipson works at the intersection of engineering and biology, studying robots and the way they "behave" and evolve. His work has exciting implications for design and manufacturing -- and serves as a window to understand our own behavior and evolution. Full bio

Double-click the English transcript below to play the video.

00:25
So, where are the robotsالروبوتات?
0
0
2000
إذا، أين الآليين؟
00:27
We'veقمنا been told for 40 yearsسنوات alreadyسابقا that they're comingآت soonهكذا.
1
2000
3000
مذ 40 عام وهم يقولون أنهم قادمون قريبا
00:30
Very soonهكذا they'llأنها سوف be doing everything for us.
2
5000
3000
قريبا سيقومون بجميع الأعمال
00:33
They'llأنها سوف be cookingطبخ, cleaningتنظيف, buyingشراء things, shoppingالتسوق, buildingبناء. But they aren'tلا here.
3
8000
5000
سيطهون، ينظفون، يشترون، يتسوقون، ويبنون. إلا أنهم ليسو هنا
00:38
Meanwhileوفى الوقت نفسه, we have illegalغير شرعي immigrantsالمهاجرين doing all the work,
4
13000
4000
بينما، لدينا مهاجرين غير شرعيين يقومون بكل العمل
00:42
but we don't have any robotsالروبوتات.
5
17000
2000
ولكن لا يوجد أس آليين
00:44
So what can we do about that? What can we say?
6
19000
4000
فماذا يمكننا فعله بهذا الخصوص؟ ماذا نقول؟
00:48
So I want to give a little bitقليلا of a differentمختلف perspectiveإنطباع
7
23000
4000
أود أن أعطي وجهة نظر مختلفة
00:52
of how we can perhapsربما look at these things in a little bitقليلا of a differentمختلف way.
8
27000
6000
عن كيف يمكننا النظر إلى هذه الأمور بطريقة مختلفة بعض الشيء
00:58
And this is an x-rayأشعة سينية pictureصورة
9
33000
2000
وهذه أشعة سينية
01:00
of a realحقيقة beetleخنفساء, and a Swissسويسري watch, back from '88. You look at that --
10
35000
5000
لخنفساء حقيقية، وساعة سويسرية، منذ عام 88. انظروا إلى ذلك
01:05
what was trueصحيح then is certainlyمن المؤكد trueصحيح todayاليوم.
11
40000
2000
ما كان حقيقة حينها لا يزال بكل تأكيد حقيقيا اليوم
01:07
We can still make the piecesقطع. We can make the right piecesقطع.
12
42000
3000
لازلنا قادرين على صنع الأجزاء، يمكننا صنع الأجزاء الصحيحة
01:10
We can make the circuitryالدوائر of the right computationalالحسابية powerقوة,
13
45000
3000
يمكننا صنع الدوائر ذات القدرة الحسابية الصحيحة
01:13
but we can't actuallyفعلا put them togetherسويا to make something
14
48000
3000
ولكننا لا نستطيع جمعها لصنع شيء
01:16
that will actuallyفعلا work and be as adaptiveالتكيف as these systemsأنظمة.
15
51000
5000
سيعمل في الواقع ويكون قادر على التلاؤم مثل هذه الأنظمة
01:21
So let's try to look at it from a differentمختلف perspectiveإنطباع.
16
56000
2000
لذا دعونا نحاول النظر إلى الموضوع من زاوية أخرى
01:23
Let's summonاستدعى the bestالأفضل designerمصمم, the motherأم of all designersالمصممين.
17
58000
4000
لنستدعي أفضل المصممين، كبير المصممين:
01:27
Let's see what evolutionتطور can do for us.
18
62000
3000
دعنى نرى ما يمكن للتطور فعله لنا
01:30
So we threwيرمي in -- we createdخلقت a primordialبدائي soupحساء
19
65000
4000
فنرمي -- نصنع شربة بدائية
01:34
with lots of piecesقطع of robotsالروبوتات -- with barsالحانات, with motorsالمحركات, with neuronsالخلايا العصبية.
20
69000
4000
بها أجزاء كثيرة من الآليين: قضبان، محركات، أعصاب
01:38
Put them all togetherسويا, and put all this underتحت kindطيب القلب of naturalطبيعي >> صفة selectionاختيار,
21
73000
4000
نضعهم جميعا، ونضعها جميعا ضمن الانتقاء الطبيعي
01:42
underتحت mutationطفره, and rewardedمكافأة things for how well they can moveنقل forwardإلى الأمام.
22
77000
4000
مع التحورات، ونكافئ الأشياء على مدى قدرتها على التحرك للامام
01:46
A very simpleبسيط taskمهمة, and it's interestingمثير للإعجاب to see what kindطيب القلب of things cameأتى out of that.
23
81000
6000
مهمة سهلة جدا، ومن المثير أن نرى ما هي النتائج من ذلك
01:52
So if you look, you can see a lot of differentمختلف machinesآلات
24
87000
3000
إذا نظرتم، يمكنكم رؤية مجموعة من الآلات المختلفة
01:55
come out of this. They all moveنقل around.
25
90000
2000
تنتج من ذلك. كلها تتحرك
01:57
They all crawlزحف in differentمختلف waysطرق, and you can see on the right,
26
92000
4000
كلها تزحف يطرق مختلفة، وعلى اليمين يمكنكم رؤية
02:01
that we actuallyفعلا madeمصنوع a coupleزوجان of these things,
27
96000
2000
أننا صنعنا فعليا بعض هذه الأشياء
02:03
and they work in realityواقع. These are not very fantasticرائع robotsالروبوتات,
28
98000
3000
وهي تعمل في الواقع. هؤلاء ليسو آليين مثاليين
02:06
but they evolvedتطورت to do exactlyبالضبط what we rewardجائزة او مكافاة them for:
29
101000
4000
ولكنهم تتطوروا لما أردناه منهم تماما
02:10
for movingمتحرك forwardإلى الأمام. So that was all doneفعله in simulationمحاكاة,
30
105000
3000
التحرك للأمام. وكل هذا حدث في المحاكاة
02:13
but we can alsoأيضا do that on a realحقيقة machineآلة.
31
108000
2000
ولكننا نستطيع فعل ذلك على آلات حقيقية
02:15
Here'sمن هنا a physicalجسدي - بدني robotإنسان آلي that we actuallyفعلا
32
110000
5000
هذا آلي حقيقي قمنا في الواقع
02:20
have a populationتعداد السكان of brainsعقل,
33
115000
3000
لديه عدة أدمغة
02:23
competingالمتنافسة, or evolvingتتطور on the machineآلة.
34
118000
2000
تتنافس أو تتطور على الآلة
02:25
It's like a rodeoمسابقات رعاة البقر showتبين. They all get a rideاركب on the machineآلة,
35
120000
3000
إنه كمسابقة: كلهم ينتقلون على الآلة
02:28
and they get rewardedمكافأة for how fastبسرعة or how farبعيدا
36
123000
3000
ويكافئون على المسافة أو السرعة
02:31
they can make the machineآلة moveنقل forwardإلى الأمام.
37
126000
2000
التي ينقبون بها الآلة قدما
02:33
And you can see these robotsالروبوتات are not readyجاهز
38
128000
2000
ويمكنكم رؤية أن هؤلاء الآليين ليسوا مستعدين
02:35
to take over the worldالعالمية yetبعد, but
39
130000
3000
للسيطرة على العالم بعد، إلا
02:38
they graduallyتدريجيا learnتعلم how to moveنقل forwardإلى الأمام,
40
133000
2000
أنهم يتعلمون تدريجيا كيف يتحركون للأمام
02:40
and they do this autonomouslyمستقل.
41
135000
3000
ويقومون بذلك وحدهم
02:43
So in these two examplesأمثلة, we had basicallyفي الأساس
42
138000
4000
في هذين المثالين، كانت لدينا مبدئيا
02:47
machinesآلات that learnedتعلم how to walkسير in simulationمحاكاة,
43
142000
3000
آلات تعلمت كيف تتحرك في المحاكاة
02:50
and alsoأيضا machinesآلات that learnedتعلم how to walkسير in realityواقع.
44
145000
2000
وآلات تعلمت كيف تمشي في الحقيقة
02:52
But I want to showتبين you a differentمختلف approachمقاربة,
45
147000
2000
ولكنني أريد أن أطلعكم على منهجية مختلفة
02:54
and this is this robotإنسان آلي over here, whichالتي has fourأربعة legsالساقين.
46
149000
6000
وهي هذا الآلي، هنا، ولديه أربعة أرجل
03:00
It has eightثمانية motorsالمحركات, fourأربعة on the kneesالركبتين and fourأربعة on the hipورك او نتوء.
47
155000
2000
ثماني محركات، أربع على الركب وأربع على الفخذ
03:02
It has alsoأيضا two tiltإمالة sensorsأجهزة الاستشعار that tell the machineآلة
48
157000
3000
ولديه حساسان للميلان ليخبران الآلة
03:05
whichالتي way it's tiltingإمالة.
49
160000
3000
في أي اتجاه تميل
03:08
But this machineآلة doesn't know what it looksتبدو like.
50
163000
2000
ولكن هذه الآلة لا تعرف كيف تبدو
03:10
You look at it and you see it has fourأربعة legsالساقين,
51
165000
2000
تنظرون إليها وترون أن لها أربعة أرجل
03:12
the machineآلة doesn't know if it's a snakeثعبان, if it's a treeشجرة,
52
167000
2000
الآلة لا تعرف ما إذا كانت ثعبان، أو شجرة
03:14
it doesn't have any ideaفكرة what it looksتبدو like,
53
169000
3000
ليست لديها أدنى فكرة عن شكلها
03:17
but it's going to try to find that out.
54
172000
2000
ولكنها ستحاول أن تكتشف
03:19
Initiallyفي البداية, it does some randomعشوائي motionاقتراح,
55
174000
2000
بدايتا، تقوم ببعض الحركات العشوائية
03:21
and then it triesيحاول to figureالشكل out what it mightربما look like.
56
176000
3000
وتقوم بعد ذلك بمحاولة معرفة ما قد يكون شكلها
03:24
And you're seeingرؤية a lot of things passingعابر throughعبر its mindsالعقول,
57
179000
2000
وترون العديد من الأمور تخطر بعقلها
03:26
a lot of self-modelsنماذج الذاتي that try to explainشرح the relationshipصلة
58
181000
4000
الكثير من النماذج لمحاولة شرح العلاقة
03:30
betweenما بين actuationيشتغل and sensingالاستشعار. It then triesيحاول to do
59
185000
3000
بين الفعل والإحساس -- ومن ثم تحاول أن
03:33
a secondثانيا actionعمل that createsيخلق the mostعظم disagreementخلاف
60
188000
4000
تقوم بفعل ثاني يولد أكبر قدر من الخلاف
03:37
amongمن بين predictionsتوقعات of these alternativeلبديل modelsعارضات ازياء,
61
192000
2000
بين توقعات هذه النماذج المحتملة
03:39
like a scientistامن in a labمختبر. Then it does that
62
194000
2000
مثل العالم في المختبر. ثم تقوم بذلك
03:41
and triesيحاول to explainشرح that, and pruneتقليم out its self-modelsنماذج الذاتي.
63
196000
4000
وتحاول شرحه، وتهذب النموذج
03:45
This is the last cycleدورة, and you can see it's prettyجميلة much
64
200000
3000
هذه هي الدورة الأخيرة، ويمكنكم رؤية أنها تقريبا
03:48
figuredأحسب out what its selfالذات looksتبدو like. And onceذات مرة it has a self-modelنموذج الذاتي,
65
203000
4000
علمت ما هو شكلها، وبمجرد أن تتعلم نموذجها
03:52
it can use that to deriveاستخلاص a patternنمط of locomotionتنقل.
66
207000
4000
يمكنها استخدام ذلك لاستنتاج نمط للحركة
03:56
So what you're seeingرؤية here are a coupleزوجان of machinesآلات --
67
211000
2000
فما ترونه هنا هو بضعة آلات
03:58
a patternنمط of locomotionتنقل.
68
213000
2000
ونمط للحركة
04:00
We were hopingيأمل that it wassWASS going to have a kindطيب القلب of evilشر, spideryعنكبوتي walkسير,
69
215000
4000
كنا نأمل أنها ستحصل على مشية عنكبوتيه شريرة
04:04
but insteadفي حين أن it createdخلقت this prettyجميلة lameأعرج way of movingمتحرك forwardإلى الأمام.
70
219000
4000
ولكن عوضا عن ذلك، أنشئت هذه الطريقة العرجاء للحركة
04:08
But when you look at that, you have to rememberتذكر
71
223000
3000
ولكن حين تنظرون إلى ذلك، يحب أن تتذكروا
04:11
that this machineآلة did not do any physicalجسدي - بدني trialsمحاكمات on how to moveنقل forwardإلى الأمام,
72
226000
6000
أن هذه الآلة لم تقم بأي تجارب عملية عن كيفية التقدم
04:17
norولا did it have a modelنموذج of itselfبحد ذاتها.
73
232000
2000
ولم تكن لديها أي نموذج لنفسها
04:19
It kindطيب القلب of figuredأحسب out what it looksتبدو like, and how to moveنقل forwardإلى الأمام,
74
234000
3000
لقد استكشفت شكلها، وكيف تتحرك
04:22
and then actuallyفعلا triedحاول that out.
75
237000
4000
وثم قامت بالتجربة
04:26
(Applauseتصفيق)
76
241000
5000
(تصفيق)
04:31
So, we'llحسنا moveنقل forwardإلى الأمام to a differentمختلف ideaفكرة.
77
246000
4000
سنتقدم إلى فكرة أخرى
04:35
So that was what happenedحدث when we had a coupleزوجان of --
78
250000
5000
ذلك ما حدث عندما كانت لدينا بضعة
04:40
that's what happenedحدث when you had a coupleزوجان of -- OK, OK, OK --
79
255000
4000
ذلك ما حدث عندما كانت لدينا بضعة -- حسنا، حسنا، حسنا
04:44
(Laughterضحك)
80
259000
2000
(ضحك)
04:46
-- they don't like eachكل other. So
81
261000
2000
لا يحبون بعضهم
04:48
there's a differentمختلف robotإنسان آلي.
82
263000
3000
يوجد آلي مختلف
04:51
That's what happenedحدث when the robotsالروبوتات actuallyفعلا
83
266000
2000
هذا ما يحدث حين نكافئ
04:53
are rewardedمكافأة for doing something.
84
268000
2000
الآليين على عمل أمر ما
04:55
What happensيحدث if you don't rewardجائزة او مكافاة them for anything, you just throwيرمي them in?
85
270000
3000
ماذا يحدث إذا لم نكافئهم على أي شيء، فقط نرميهم؟
04:58
So we have these cubesمكعبات, like the diagramرسم بياني showedأظهر here.
86
273000
3000
لدينا هذا المكعب، كما يوضح الرسم هنا
05:01
The cubeمكعب can swivelقطب, or flipيواجه on its sideجانب,
87
276000
2000
المكعب يستطيع الدوران أو التدحرج على جنبه
05:04
and we just throwيرمي 1,000 of these cubesمكعبات into a soupحساء --
88
279000
4000
ورمينا 1000 من هذه المكعبات في سائل
05:08
this is in simulationمحاكاة --and--and don't rewardجائزة او مكافاة them for anything,
89
283000
2000
هذا في المحاكاة -- ولم نكافيءهم على أي شيء
05:10
we just let them flipيواجه. We pumpمضخة energyطاقة into this
90
285000
3000
فقط تركناهم يتقلبون
05:13
and see what happensيحدث in a coupleزوجان of mutationsالطفرات.
91
288000
3000
انظروا إلى ما يحدث بعد بضع تحورات
05:16
So, initiallyفي البداية nothing happensيحدث, they're just flippingالتقليب around there.
92
291000
3000
بدايتا، لا يحدث أي شيء، إنهم يتقلبون فحسب
05:19
But after a very shortقصيرة while, you can see these blueأزرق things
93
294000
4000
ولكن بعد فترة وجيزة، يمكنكم رؤية تلك الأشياء الزرقاء
05:23
on the right there beginابدأ to take over.
94
298000
2000
هناك على اليمين بدئت بالسيطرة
05:25
They beginابدأ to self-replicateتكرار الذات. So in absenceغياب of any rewardجائزة او مكافاة,
95
300000
4000
بدؤوا بالاستنساخ
05:29
the intrinsicنقي rewardجائزة او مكافاة is self-replicationتكرار الذات.
96
304000
3000
المكافئة الحقيقية هي الاستنساخ
05:32
And we'veقمنا actuallyفعلا builtمبني a coupleزوجان of these,
97
307000
1000
ولقد بنينا في الواقع القليل منها
05:33
and this is partجزء of a largerأكبر robotإنسان آلي madeمصنوع out of these cubesمكعبات.
98
308000
4000
وهذا جزي من آلي أكبر مصنوع من هذه المكعبات
05:37
It's an acceleratedمعجل viewرأي, where you can see the robotإنسان آلي actuallyفعلا
99
312000
3000
هذه نظرة سريعة، حيث يمكنكم رؤية الآلي
05:40
carryingحمل out some of its replicationتكرار processمعالج.
100
315000
2000
يقوم فعليا بعملية الاستنساخ
05:42
So you're feedingتغذية it with more materialمواد -- cubesمكعبات in this caseقضية --
101
317000
4000
فتزودها بالمواد -- المكعبات في هذه الحالة -ـ
05:46
and more energyطاقة, and it can make anotherآخر robotإنسان آلي.
102
321000
3000
والمزيد من الطاقة، ويمكنها صناعة آلي آخر
05:49
So of courseدورة, this is a very crudeنفط خام machineآلة,
103
324000
3000
طبعا، هذه آلة بسيطة جدا
05:52
but we're workingعامل on a micro-scaleالصغيرة الحجم versionالإصدار of these,
104
327000
2000
ولكننا نعمل على نسخة متناهية في الصغر منهم
05:54
and hopefullyنأمل the cubesمكعبات will be like a powderمسحوق that you pourيصب in.
105
329000
3000
ونأمل أن المكعبات ستصبح مثل البودرة وتقوم بسكبها
05:57
OK, so what can we learnتعلم? These robotsالروبوتات are of courseدورة
106
332000
5000
حسنا، ماذا يمكننا أن نتعلم؟ هؤلاء الآليين بالطبع
06:02
not very usefulمفيد in themselvesأنفسهم, but they mightربما teachعلم us something
107
337000
3000
غير مفيدين بذاتهم، ولكن قد يعلمونا شيء
06:05
about how we can buildبناء better robotsالروبوتات,
108
340000
3000
عن كيف يمكننا بناء آليين أفضل
06:08
and perhapsربما how humansالبشر, animalsالحيوانات, createخلق self-modelsنماذج الذاتي and learnتعلم.
109
343000
5000
وربما كيف يقوم البشر، والحيوانات بتحديد نموذج الحركة والتعلم
06:13
And one of the things that I think is importantمهم
110
348000
2000
وأحد المواضيع المهمة في نظري
06:15
is that we have to get away from this ideaفكرة
111
350000
2000
أننا يجب أن نبتعد عن فكرة
06:17
of designingتصميم the machinesآلات manuallyيدويا,
112
352000
2000
تصميم الآلات يدويا
06:19
but actuallyفعلا let them evolveتتطور and learnتعلم, like childrenالأطفال,
113
354000
3000
ولكن أن ندعهم يتطورون ويتعلمون، كالأطفال
06:22
and perhapsربما that's the way we'llحسنا get there. Thank you.
114
357000
2000
وربما تلك هي الطريقة للوصول إلى هناك. شكرا
06:24
(Applauseتصفيق)
115
359000
2000
(تصفيق)

▲Back to top

ABOUT THE SPEAKER
Hod Lipson - Roboticist
Hod Lipson works at the intersection of engineering and biology, studying robots and the way they "behave" and evolve. His work has exciting implications for design and manufacturing -- and serves as a window to understand our own behavior and evolution.

Why you should listen

To say that Hod Lipson and his team at Cornell build robots is not completely accurate: They may simply set out a pile of virtual robot parts, devise some rules for assembly, and see what the parts build themselves into. They've created robots that decide for themselves how they want to walk; robots that develop a sense of what they look like; even robots that can, through trial and error, construct other robots just like themselves.

Working across disciplines -- physics, computer science, math, biology and several flavors of engineer -- the team studies techniques for self-assembly and evolution that have great implications for fields such as micro-manufacturing -- allowing tiny pieces to assemble themselves at scales heretofore impossible -- and extreme custom manufacturing (in other words, 3-D printers for the home).

His lab's Outreach page is a funhouse of tools and instructions, including the amazing Golem@Home -- a self-assembling virtual robot who lives in your screensaver.

More profile about the speaker
Hod Lipson | Speaker | TED.com