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

Hod Lipson "bilinçli" robotlar yapıyor

Filmed:
1,460,460 views

Hod Lipson öğrenebilen, kendi kendini anlayan ve hatta kendisini kopyalayabilen enteresan robotlarından birkaçını sergiliyor.
- 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 robotsrobotlar?
0
0
2000
Peki, nerede o robotlar?
00:27
We'veBiz ettik been told for 40 yearsyıl alreadyzaten that they're cominggelecek soonyakında.
1
2000
3000
40 yılı aşkın süredir çok yakında gelecekleri söylenen robotlar.
00:30
Very soonyakında they'llacaklar be doing everything for us.
2
5000
3000
Çok yakında bizim için herşeyi yapıyor olacaklar.
00:33
They'llOnlar olacak be cookingyemek pişirme, cleaningtemizlik, buyingalış things, shoppingalışveriş yapmak, buildingbina. But they aren'tdeğil here.
3
8000
5000
Yemek, temizlik, alışveriş, inşaat yapıyor olacaklar. Ama hala ortalıkta yoklar.
00:38
MeanwhileBu arada, we have illegalyasadışı immigrantsgöçmenler doing all the work,
4
13000
4000
Bu arada kaçak göçmenler tüm bu işleri yapıyorlar,
00:42
but we don't have any robotsrobotlar.
5
17000
2000
ama ortada hiç robot yok.
00:44
So what can we do about that? What can we say?
6
19000
4000
Peki bu konuda ne yapabiliriz? Ne diyebiliriz?
00:48
So I want to give a little bitbit of a differentfarklı perspectiveperspektif
7
23000
4000
O yüzden ben belki biraz farklı bir bakış açısıyla yaklaşarak
00:52
of how we can perhapsbelki look at these things in a little bitbit of a differentfarklı way.
8
27000
6000
bu duruma nasıl daha farklı bir şekilde bakabileceğimizi anlatacağım.
00:58
And this is an x-rayröntgen pictureresim
9
33000
2000
Gördükleriniz bir böcekle, 1988'den kalma
01:00
of a realgerçek beetleböcek, and a Swissİsviçre watch, back from '88. You look at that --
10
35000
5000
isveç yapımı bir kol saatinin röntgenleri. Bunlara şimdi baktığınızda görünen ile,
01:05
what was truedoğru then is certainlykesinlikle truedoğru todaybugün.
11
40000
2000
o zaman bakıldıığında görünen aynı.
01:07
We can still make the piecesparçalar. We can make the right piecesparçalar.
12
42000
3000
Hala aynı parçaları üretebiliyoruz, doğru parçarları yapıyoruz,
01:10
We can make the circuitrydevre sistemi of the right computationalbilişimsel powergüç,
13
45000
3000
gerekli işlem gücü için devreleri üretebiliyoruz,
01:13
but we can't actuallyaslında put them togetherbirlikte to make something
14
48000
3000
ama aslında, hakikaten çalışacak ve bu sistemler gibi uyumlu olabilecek
01:16
that will actuallyaslında work and be as adaptiveadaptif as these systemssistemler.
15
51000
5000
birşey ortaya çıkarmak için bu parçaları düzgünce birleştiremiyoruz.
01:21
So let's try to look at it from a differentfarklı perspectiveperspektif.
16
56000
2000
Öyleyse bunlara başka bir yönden bakmayı deneyelim.
01:23
Let's summonçağırmak the besten iyi designertasarımcı, the motheranne of all designerstasarımcılar.
17
58000
4000
Tüm tasarımcıların atası, en iyi tasarımcıyı çağıralım o zaman:
01:27
Let's see what evolutionevrim can do for us.
18
62000
3000
değişimin bizim için neler yapabileceğine bir bakalım.
01:30
So we threwattı in -- we createdoluşturulan a primordialilkel soupçorba
19
65000
4000
Biz de kalıplar, motorlar ve sinir hücreleri gibi
01:34
with lots of piecesparçalar of robotsrobotlar -- with barsBarlar, with motorsmotorlar, with neuronsnöronlar.
20
69000
4000
robot parçalarını birbirine karıştırdık ve ilkel bir çorba yaptık.
01:38
Put them all togetherbirlikte, and put all this underaltında kindtür of naturaldoğal selectionseçim,
21
73000
4000
Bunların hepsini bir araya koyduk ve bir çeşit doğal ayıklanma süreciyle
01:42
underaltında mutationmutasyon, and rewardedödüllendirdi things for how well they can movehareket forwardileri.
22
77000
4000
mutasayona bıraktık ve ilerleme kabiliyetlerine göre onları ödüllendirdik.
01:46
A very simplebasit taskgörev, and it's interestingilginç to see what kindtür of things camegeldi out of that.
23
81000
6000
Çok basit bir işti ve onun sonucunda ne olacağını görmek enteresan oldu.
01:52
So if you look, you can see a lot of differentfarklı machinesmakineler
24
87000
3000
Baktığınızda, çok farklı makinaların ortaya çıktığını
01:55
come out of this. They all movehareket around.
25
90000
2000
görebilirsiniz. Hepsi etrafta dolaşıyor,
01:57
They all crawlyavaş ilerleme in differentfarklı waysyolları, and you can see on the right,
26
92000
4000
farklı şekillerde yol alıyor, ve sağ tarafta gördüğünüz gibi,
02:01
that we actuallyaslında madeyapılmış a coupleçift of these things,
27
96000
2000
biz bunlardan bir iki tane yaptık, ve onlar
02:03
and they work in realitygerçeklik. These are not very fantasticfantastik robotsrobotlar,
28
98000
3000
gerçekte de çalışıyorlar. Onlar pek muhteşem robotlar olmasalar da,
02:06
but they evolvedgelişti to do exactlykesinlikle what we rewardödül them for:
29
101000
4000
sonucunda bizim onları ödüllendirdiğimiz şeyi yapmak için geliştiler:
02:10
for movinghareketli forwardileri. So that was all donetamam in simulationsimülasyon,
30
105000
3000
ileri gitmek için. Aslında bunların hepsi canlandırmada yapılmıştı,
02:13
but we can alsoAyrıca do that on a realgerçek machinemakine.
31
108000
2000
ama biz bunu gerçek bir makinada da yapabiliriz.
02:15
Here'sİşte a physicalfiziksel robotrobot that we actuallyaslında
32
110000
5000
İşte burada gördüğünüz fiziksel bir robot,
02:20
have a populationnüfus of brainsbeyin,
33
115000
3000
ve o aslında bir makinanın üzerinde
02:23
competingrakip, or evolvinggelişen on the machinemakine.
34
118000
2000
yarışan veya değişen bir beyine sahip.
02:25
It's like a rodeorodeo showgöstermek. They all get a ridebinmek on the machinemakine,
35
120000
3000
Bu bir rodeo gösterisi gibi, herkes makinayı bir defa sürüyor
02:28
and they get rewardedödüllendirdi for how fasthızlı or how faruzak
36
123000
3000
ve makinayı ilerletme veya hızlandırma
02:31
they can make the machinemakine movehareket forwardileri.
37
126000
2000
miktarlarına göre ödüllendiriliyor.
02:33
And you can see these robotsrobotlar are not readyhazır
38
128000
2000
Ve görüldüğü gibi bu robotlar dünyayı ele geçirmek için
02:35
to take over the worldDünya yethenüz, but
39
130000
3000
henüz hazır değiller, ama
02:38
they graduallykademeli olarak learnöğrenmek how to movehareket forwardileri,
40
133000
2000
düzenli olarak nasıl ileri gidebileceklerini öğreniyorlar,
02:40
and they do this autonomouslyotonom.
41
135000
3000
ve bunu kendi kendilerine yapıyorlar.
02:43
So in these two examplesörnekler, we had basicallytemel olarak
42
138000
4000
Bu iki örnekte de gördüğünüz gibi, temel olarak
02:47
machinesmakineler that learnedbilgili how to walkyürümek in simulationsimülasyon,
43
142000
3000
sanal ortamda yürümeyi öğrenen makinalarımız ve
02:50
and alsoAyrıca machinesmakineler that learnedbilgili how to walkyürümek in realitygerçeklik.
44
145000
2000
aynı zamanda gerçek hayatta yürümeyi öğrenen makinalarımız var.
02:52
But I want to showgöstermek you a differentfarklı approachyaklaşım,
45
147000
2000
Ama ben size farklı bir yaklaşım göstermek istiyorum,
02:54
and this is this robotrobot over here, whichhangi has fourdört legsbacaklar.
46
149000
6000
işte burada gördüğünüz 4 bacağı olan robotumuzun,
03:00
It has eightsekiz motorsmotorlar, fourdört on the kneesdizler and fourdört on the hipkalça.
47
155000
2000
8 motoru var, 4 adet dizlerde ve 4 adet kalçada.
03:02
It has alsoAyrıca two tilteğim sensorssensörler that tell the machinemakine
48
157000
3000
Bunun yanında makinanın hangi yöne eğildiğini gösteren
03:05
whichhangi way it's tiltingdevirme.
49
160000
3000
eğim algılayıcıları var.
03:08
But this machinemakine doesn't know what it looksgörünüyor like.
50
163000
2000
Ama bu makina kendisinin neye benzediğini bilmiyor.
03:10
You look at it and you see it has fourdört legsbacaklar,
51
165000
2000
Siz ona bakıyor ve görüyorsunuz ki 4 bacağı var,
03:12
the machinemakine doesn't know if it's a snakeYılan, if it's a treeağaç,
52
167000
2000
ama makina kendisinin bir yılan mı yoksa bir ağaç mı
03:14
it doesn't have any ideaFikir what it looksgörünüyor like,
53
169000
3000
olduğunu bilmiyor, bu konuda hiç bir fikri yok,
03:17
but it's going to try to find that out.
54
172000
2000
ama bunu öğrenmek için uğraşacak.
03:19
InitiallyBaşlangıçta, it does some randomrasgele motionhareket,
55
174000
2000
İlk başlarda rastgele hareket ediyor
03:21
and then it triesçalışır to figureşekil out what it mightbelki look like.
56
176000
3000
ve sonrasında nasıl göründüğünü anlamaya çabalıyor.
03:24
And you're seeinggörme a lot of things passinggeçen throughvasitasiyla its mindszihinler,
57
179000
2000
Ve görüyorsunuz aklından bir sürü şey geçiyor,
03:26
a lot of self-modelskendi kendine modelleri that try to explainaçıklamak the relationshipilişki
58
181000
4000
kendi kişisel modelini açıklamak için hareketleriyle algılaması
03:30
betweenarasında actuationçalıştırma and sensingalgılama. It then triesçalışır to do
59
185000
3000
arasındaki bağlantıyı çözmeye çalışıyor. Sanki bir bilim adamı gibi
03:33
a secondikinci actionaksiyon that createsyaratır the mostçoğu disagreementanlaşmazlık
60
188000
4000
ikinci bir adım atarak bu tahmini modeller arasında
03:37
amongarasında predictionstahminler of these alternativealternatif modelsmodeller,
61
192000
2000
kendisine en büyük kararsızlığı oluşturmaya
03:39
like a scientistBilim insanı in a lablaboratuvar. Then it does that
62
194000
2000
devam ediyor. Daha sonra bunları yaparak
03:41
and triesçalışır to explainaçıklamak that, and pruneKuru erik out its self-modelskendi kendine modelleri.
63
196000
4000
kendisini açıklamaya çalışıyor ve çıkardığı modelleri sadeleştiriyor.
03:45
This is the last cycledevir, and you can see it's prettygüzel much
64
200000
3000
Burada gördüğünüz ise son aşama ve görüyorsunuz ki nasıl göründüğünü
03:48
figuredanladım out what its selföz looksgörünüyor like. And oncebir Zamanlar it has a self-modelkendi kendine model,
65
203000
4000
bir hayli anlamış durumda. Kendi modelini bir kere oluşturduktan sonra,
03:52
it can use that to derivetüretmek a patternmodel of locomotionhareket.
66
207000
4000
bu modeli bir hareket dizisi oluşturmak için kullanabilir.
03:56
So what you're seeinggörme here are a coupleçift of machinesmakineler --
67
211000
2000
Burada görmekte olduğunuz birkaç makine,
03:58
a patternmodel of locomotionhareket.
68
213000
2000
birbirini takip eden bir dizi hareket yapıyor.
04:00
We were hopingumut that it wassWass going to have a kindtür of evilkötülük, spideryörümcek walkyürümek,
69
215000
4000
Umuyorduk ki bir çeşit şeytani, örümceksi yürüyüş yöntemi olacak
04:04
but insteadyerine it createdoluşturulan this prettygüzel lametopal way of movinghareketli forwardileri.
70
219000
4000
ama görüyoruz ki, ilerlemek için çok aksak bir yol geliştirdi.
04:08
But when you look at that, you have to rememberhatırlamak
71
223000
3000
Ama bu robota bakarken ileri gitmek için hiç bir
04:11
that this machinemakine did not do any physicalfiziksel trialsdenemeler on how to movehareket forwardileri,
72
226000
6000
fiziksel denemede bulunmadığını ve kendi fiziksel yapısını bilmediğini
04:17
norne de did it have a modelmodel of itselfkendisi.
73
232000
2000
aklınızdan çıkarmamanız gerekiyor.
04:19
It kindtür of figuredanladım out what it looksgörünüyor like, and how to movehareket forwardileri,
74
234000
3000
Bir şekilde kendi şeklini ve nasıl ilerleyebileceğini anlamaya çalıştı
04:22
and then actuallyaslında trieddenenmiş that out.
75
237000
4000
ve çıkardığı yöntemle ilerlemeyi denedi.
04:26
(ApplauseAlkış)
76
241000
5000
(Alkışlar)
04:31
So, we'lliyi movehareket forwardileri to a differentfarklı ideaFikir.
77
246000
4000
Şimdi başka bir fikre doğru ilerleyelim.
04:35
So that was what happenedolmuş when we had a coupleçift of --
78
250000
5000
Bu gördükleriniz, birkaç şeyde olanlar --
04:40
that's what happenedolmuş when you had a coupleçift of -- OK, OK, OK --
79
255000
4000
Bu, birkaç şeyde olanlar -- Tamam,Tamam,Tamam --
04:44
(LaughterKahkaha)
80
259000
2000
Gülüşmeler
04:46
-- they don't like eachher other. So
81
261000
2000
-- birbirlerini pek sevmiyorlar. Peki,
04:48
there's a differentfarklı robotrobot.
82
263000
3000
bu da başka bir robot.
04:51
That's what happenedolmuş when the robotsrobotlar actuallyaslında
83
266000
2000
Burada da robotları yaptıkları şeye göre
04:53
are rewardedödüllendirdi for doing something.
84
268000
2000
ödüllendirildikten sonra olanlar.
04:55
What happensolur if you don't rewardödül them for anything, you just throwatmak them in?
85
270000
3000
Onları yaptıklarından dolayı ödüllendirmeyip sadece çorbaya dahil ederseniz ne olur?
04:58
So we have these cubesküpleri, like the diagramdiyagram showedgösterdi here.
86
273000
3000
Bu şekilde gördüğünüz gibi, küplerimiz var.
05:01
The cubeküp can swiveldöner, or flipfiske on its sideyan,
87
276000
2000
Bu küpler dönebiliyor veya olduğu yerde yere değen kenarını değiştirebiliyor,
05:04
and we just throwatmak 1,000 of these cubesküpleri into a soupçorba --
88
279000
4000
ve biz bu küplerden 1000 tanesini bir çorbaya attık --
05:08
this is in simulationsimülasyon --and--ve don't rewardödül them for anything,
89
283000
2000
canlandırma amacıyla -- ve onları ödüllendirmedik,
05:10
we just let them flipfiske. We pumppompa energyenerji into this
90
285000
3000
sadece takla atmalarına izin verdik. Enerji pompalayarak
05:13
and see what happensolur in a coupleçift of mutationsmutasyonlar.
91
288000
3000
bir iki değişimden sonra neler olduğunu görmek istedik.
05:16
So, initiallybaşlangıçta nothing happensolur, they're just flippingsaygısız around there.
92
291000
3000
İlk başta hiç birşey olmadı, sadece takla atıp durdular.
05:19
But after a very shortkısa while, you can see these bluemavi things
93
294000
4000
Ama çok kısa süre sonra şu küçük mavi şeyler sağ tarafa
05:23
on the right there beginbaşla to take over.
94
298000
2000
doğru kaymaya başladılar.
05:25
They beginbaşla to self-replicatekendi kendini çoğaltmak. So in absenceyokluk of any rewardödül,
95
300000
4000
Kendilerini kopyalamaya başladılar. Görüğünüz gibi,
05:29
the intrinsiciçsel rewardödül is self-replicationkendini çoğaltma.
96
304000
3000
Ödül verilmezken asıl ödül kendini kopyalamak oluyor.
05:32
And we'vebiz ettik actuallyaslında builtinşa edilmiş a coupleçift of these,
97
307000
1000
Ardından bunlardan birkaç tane yaptık,
05:33
and this is partBölüm of a largerdaha büyük robotrobot madeyapılmış out of these cubesküpleri.
98
308000
4000
ve bunlar daha büyük olan diğer bir robotun parçalarıydı.
05:37
It's an acceleratedhızlandırılmış viewgörünüm, where you can see the robotrobot actuallyaslında
99
312000
3000
Bu bir hızlandırılmış gösterim ve robotu kendini kopyalama
05:40
carryingtaşıma out some of its replicationkopya processsüreç.
100
315000
2000
işlemini sürdürürken görüyorsunuz.
05:42
So you're feedingbesleme it with more materialmalzeme -- cubesküpleri in this casedurum --
101
317000
4000
Daha çok malzemeyle -- burada küpler ile mesela -- ve
05:46
and more energyenerji, and it can make anotherbir diğeri robotrobot.
102
321000
3000
enerjiyle besliyorsunuz, sonra başka bir robot oluşturuyor.
05:49
So of coursekurs, this is a very crudeham machinemakine,
103
324000
3000
Tabi ki burada gördüğünüz çok kaba bir makina
05:52
but we're workingçalışma on a micro-scalemikro ölçekli versionversiyon of these,
104
327000
2000
ama biz mikro boyutlarda olanları üzerinde çalışıyoruz,
05:54
and hopefullyinşallah the cubesküpleri will be like a powderpudra that you pourdökün in.
105
329000
3000
ve umudumuz toz gibi robotlar üretebiliyor olmak.
05:57
OK, so what can we learnöğrenmek? These robotsrobotlar are of coursekurs
106
332000
5000
Peki, ne öğrenebiliriz? Bu robotlar tabi ki
06:02
not very usefulişe yarar in themselveskendilerini, but they mightbelki teachöğretmek us something
107
337000
3000
tek başlarına pek yararlı değiller ama belki bize nasıl daha iyi
06:05
about how we can buildinşa etmek better robotsrobotlar,
108
340000
3000
robotlar yapabileceğimiz konusunda ve belki insanoğlunun
06:08
and perhapsbelki how humansinsanlar, animalshayvanlar, createyaratmak self-modelskendi kendine modelleri and learnöğrenmek.
109
343000
5000
ve hayvanların nasıl kendi kopyalarını yapabilecekleri konusunda birşeyler öğretebilirler.
06:13
And one of the things that I think is importantönemli
110
348000
2000
Ve bence önemli olan şeylerden bir tanesi de
06:15
is that we have to get away from this ideaFikir
111
350000
2000
elle makinalar tasarlama
06:17
of designingtasarım the machinesmakineler manuallyel ile,
112
352000
2000
fikrinden uzaklaşmalıyız, ve onların
06:19
but actuallyaslında let them evolvegelişmek and learnöğrenmek, like childrençocuklar,
113
354000
3000
çocukmuş gibi kendilerini geliştirip öğrenmelerini sağlamalıyız,
06:22
and perhapsbelki that's the way we'lliyi get there. Thank you.
114
357000
2000
Belki bu şekilde başarıya ulaşabiliriz. Teşekkürler.
06:24
(ApplauseAlkış)
115
359000
2000
(Alkışlar)
Translated by Erdem Yildirimer

▲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