TED2007
Hod Lipson: Building "self-aware" robots
Hod Lipson chế tạo ra robot tự nhận thức
Filmed:
Readability: 3.1
1,460,460 views
Hod Lipson trình diễn một vài con robot xinh xắn nhỏ nhắn của mình, chúng có khả năng học, tự hiểu mình và thậm chí còn tự sao chép mình.
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. Full bio
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 robots?
0
0
2000
Vậy, những chú robot đang ở đâu rồi?
00:27
We've been told for 40 years already that they're coming soon.
1
2000
3000
Cách đây 40 năm người ta từng nói rằng chúng sẽ sớm ra đời.
00:30
Very soon they'll be doing everything for us.
2
5000
3000
Chẳng bao lâu nữa chúng sẽ làm mọi việc cho chúng ta:
00:33
They'll be cooking, cleaning, buying things, shopping, building. But they aren't here.
3
8000
5000
chúng sẽ nấu nướng, giặt giũ, mua đồ, đi chợ, xây dựng. Nhưng tới nay thì vẫn chưa có.
00:38
Meanwhile, we have illegal immigrants doing all the work,
4
13000
4000
Trong khi chúng ta phải dùng người di dân bất hợp pháp để làm các việc đó,
00:42
but we don't have any robots.
5
17000
2000
chúng ta lại không có con robot nào.
00:44
So what can we do about that? What can we say?
6
19000
4000
Vậy chúng ta có thể làm gì, nói gì về việc này?
00:48
So I want to give a little bit of a different perspective
7
23000
4000
Tôi muốn đưa ra một vài cách nhìn khác
00:52
of how we can perhaps look at these things in a little bit of a different way.
8
27000
6000
về việc làm thế nào chúng ta có thể nhìn nhận việc này khác đi một chút.
00:58
And this is an x-ray picture
9
33000
2000
Đây là bức ảnh x quang
01:00
of a real beetle, and a Swiss watch, back from '88. You look at that --
10
35000
5000
của một con bọ cánh cứng và một cái đồng hồ Thụy Sĩ từ năm 88. Bạn thấy đấy -
01:05
what was true then is certainly true today.
11
40000
2000
những gì đúng trước đây cũng đúng với ngày nay.
01:07
We can still make the pieces. We can make the right pieces.
12
42000
3000
Cho đến nay chúng ta vẫn có thể làm đúng mấy thứ này,
01:10
We can make the circuitry of the right computational power,
13
45000
3000
ta có thể làm các mạch điện máy tính chuẩn xác,
01:13
but we can't actually put them together to make something
14
48000
3000
nhưng ta không thể kết hợp chúng thành một cái gì đó
01:16
that will actually work and be as adaptive as these systems.
15
51000
5000
có thể thực sự hoạt động và thích nghi được như các hệ thống này.
01:21
So let's try to look at it from a different perspective.
16
56000
2000
Ta hãy cùng xem xét nó dưới một cách nhìn khác.
01:23
Let's summon the best designer, the mother of all designers.
17
58000
4000
Hãy mời nhà thiết kế cừ nhất, nguyên mẫu của tất cả các nhà thiết kế:
01:27
Let's see what evolution can do for us.
18
62000
3000
hãy xem sự tiến hóa có thể làm được những gì.
01:30
So we threw in -- we created a primordial soup
19
65000
4000
Nói ngắn gọn - chúng ta tạo ra một món súp cơ bản
01:34
with lots of pieces of robots -- with bars, with motors, with neurons.
20
69000
4000
gồm các thành phần robot như: các thanh vật liệu, mô tơ, và các tế bào thần kinh.
01:38
Put them all together, and put all this under kind of natural selection,
21
73000
4000
Lắp ráp lại với nhau và đặt nó dưới sự chọn lọc tự nhiên,
01:42
under mutation, and rewarded things for how well they can move forward.
22
77000
4000
dưới sự biến đổi, và thưởng cho nó nếu nó có thể tiến lên được.
01:46
A very simple task, and it's interesting to see what kind of things came out of that.
23
81000
6000
Một nhiệm vụ rất đơn giản, thật thú vị chờ đợi xem chuyện gì xảy ra.
01:52
So if you look, you can see a lot of different machines
24
87000
3000
Các bạn thấy đấy, có nhiều loại máy móc khác nhau
01:55
come out of this. They all move around.
25
90000
2000
từ đó ra. Chúng đều chuyển động loanh quanh,
01:57
They all crawl in different ways, and you can see on the right,
26
92000
4000
chúng bò các kiểu khác nhau, và bạn có thể nhìn thấy ở bên phải,
02:01
that we actually made a couple of these things,
27
96000
2000
rằng chúng tôi thực tế đã làm một vài loại,
02:03
and they work in reality. These are not very fantastic robots,
28
98000
3000
và chúng hoạt động thực sự. Chúng không phải là những người máy hoàn hảo,
02:06
but they evolved to do exactly what we reward them for:
29
101000
4000
nhưng chúng tiến triển đúng như chúng tôi muốn:
02:10
for moving forward. So that was all done in simulation,
30
105000
3000
tiến lên phía trước. Vậy là đã hoàn thành phần việc trên máy tính,
02:13
but we can also do that on a real machine.
31
108000
2000
nhưng chúng tôi còn thực hiện trên những cỗ máy thật.
02:15
Here's a physical robot that we actually
32
110000
5000
Đây là một người máy thực sự mà chúng tôi đã
02:20
have a population of brains,
33
115000
3000
cấy một số não bộ,
02:23
competing, or evolving on the machine.
34
118000
2000
biết cạnh tranh, tức có tiến hóa, vào chiếc máy.
02:25
It's like a rodeo show. They all get a ride on the machine,
35
120000
3000
Nó tựa như buổi trình diễn mô tô: chúng đều được điều khiển cỗ máy,
02:28
and they get rewarded for how fast or how far
36
123000
3000
và được thưởng cho việc đưa cỗ máy
02:31
they can make the machine move forward.
37
126000
2000
đi nhanh hay đi xa đến cỡ nào.
02:33
And you can see these robots are not ready
38
128000
2000
Bạn có thể thấy những con robot này chưa sẵn sàng
02:35
to take over the world yet, but
39
130000
3000
để thay đổi thế giới, nhưng
02:38
they gradually learn how to move forward,
40
133000
2000
chúng dần dần học cách đi về phía trước
02:40
and they do this autonomously.
41
135000
3000
và chúng làm việc này một cách tự động.
02:43
So in these two examples, we had basically
42
138000
4000
Trong hai ví dụ này, chúng tôi cơ bản
02:47
machines that learned how to walk in simulation,
43
142000
3000
có các cỗ máy học đi trong mô phỏng,
02:50
and also machines that learned how to walk in reality.
44
145000
2000
và cả những cỗ máy học cách đi ngoài đời thật.
02:52
But I want to show you a different approach,
45
147000
2000
Nhưng tôi muốn chỉ ra một cách tiếp cận khác,
02:54
and this is this robot over here, which has four legs.
46
149000
6000
và đó là con robot này, nó có bốn chân,
03:00
It has eight motors, four on the knees and four on the hip.
47
155000
2000
có 8 mô tơ, 4 cái ở đầu gối và 4 cái ở hông.
03:02
It has also two tilt sensors that tell the machine
48
157000
3000
Nó có hai bộ phận cảm ứng độ nghiêng giúp xác định
03:05
which way it's tilting.
49
160000
3000
nó đang nghiêng hướng nào.
03:08
But this machine doesn't know what it looks like.
50
163000
2000
Nhưng nó không hề biết nó trông thế nào.
03:10
You look at it and you see it has four legs,
51
165000
2000
Các bạn thấy nó có 4 chân,
03:12
the machine doesn't know if it's a snake, if it's a tree,
52
167000
2000
nó không biết nó là một con rắn hay là cái cây,
03:14
it doesn't have any idea what it looks like,
53
169000
3000
nó không biết tí gì về hình dạng của nó,
03:17
but it's going to try to find that out.
54
172000
2000
nhưng nó sẽ cố gắng để tìm ra điều đó sớm thôi.
03:19
Initially, it does some random motion,
55
174000
2000
Trước tiên, nó thực hiện một số chuyển động ngẫu nhiên,
03:21
and then it tries to figure out what it might look like.
56
176000
3000
sau đó nó cố xác định xem hình dạng nó thế nào -
03:24
And you're seeing a lot of things passing through its minds,
57
179000
2000
và bạn thấy có rất nhiều thứ đi qua "não" nó,
03:26
a lot of self-models that try to explain the relationship
58
181000
4000
nhiều mô hình tự rút ra để giải thích mối quan hệ
03:30
between actuation and sensing. It then tries to do
59
185000
3000
giữa thực tế và cảm biến - sau đó thử làm
03:33
a second action that creates the most disagreement
60
188000
4000
hành động thứ hai để tạo sự khác biệt lớn nhất
03:37
among predictions of these alternative models,
61
192000
2000
giữa các dự đoán của các mô hình khác nhau này,
03:39
like a scientist in a lab. Then it does that
62
194000
2000
giống như nhà khoa học trong phòng nghiên cứu. Sau đó nó
03:41
and tries to explain that, and prune out its self-models.
63
196000
4000
cố giải thích và lược bớt các mô hình tự rút ra đó.
03:45
This is the last cycle, and you can see it's pretty much
64
200000
3000
Đây là chu trình cuối cùng, bạn có thể thấy nó gần như
03:48
figured out what its self looks like. And once it has a self-model,
65
203000
4000
nhận biết được hình dạng của nó, và khi nó đã tự mô hình hóa
03:52
it can use that to derive a pattern of locomotion.
66
207000
4000
nó có thể sử dụng cái đó để rút ra khuôn thức chuyển động.
03:56
So what you're seeing here are a couple of machines --
67
211000
2000
Và các bạn đang thấy một cặp người máy -
03:58
a pattern of locomotion.
68
213000
2000
với một kiểu chuyển động.
04:00
We were hoping that it wass going to have a kind of evil, spidery walk,
69
215000
4000
Chúng tôi hi vọng rằng nó sẽ đi kiểu ghê rợn giống như nhện vậy,
04:04
but instead it created this pretty lame way of moving forward.
70
219000
4000
nhưng nó lại đi kiểu khập khiễng như thế này.
04:08
But when you look at that, you have to remember
71
223000
3000
Nhưng khi bạn nhìn nó, bạn phải nhớ rằng
04:11
that this machine did not do any physical trials on how to move forward,
72
226000
6000
cái máy này không được tập đi về phía trước,
04:17
nor did it have a model of itself.
73
232000
2000
cũng như không có mô hình của chính nó.
04:19
It kind of figured out what it looks like, and how to move forward,
74
234000
3000
Nó tự nhận ra hình dạng của mình và xác định cách tiến lên phía trước,
04:22
and then actually tried that out.
75
237000
4000
sau đó nó thử nghiệm.
04:26
(Applause)
76
241000
5000
(Vỗ tay)
04:31
So, we'll move forward to a different idea.
77
246000
4000
Giờ chúng ta sẽ tiếp tục tới một ý tưởng khác.
04:35
So that was what happened when we had a couple of --
78
250000
5000
Đó là những gì xảy ra khi bạn có một cặp -
04:40
that's what happened when you had a couple of -- OK, OK, OK --
79
255000
4000
khi bạn có một cặp -- Thôi nào, thôi nào --
04:44
(Laughter)
80
259000
2000
(Tiếng cười)
04:46
-- they don't like each other. So
81
261000
2000
- chúng không thích nhau. Vậy nên...
04:48
there's a different robot.
82
263000
3000
Có một con robot khác.
04:51
That's what happened when the robots actually
83
266000
2000
Đó là những gì xảy ra khi các con robot
04:53
are rewarded for doing something.
84
268000
2000
được thưởng công vì đã làm gì đó.
04:55
What happens if you don't reward them for anything, you just throw them in?
85
270000
3000
Điều gì xảy ra nếu bạn không thưởng chúng cái gì đó, bạn chỉ ném nó vào?
04:58
So we have these cubes, like the diagram showed here.
86
273000
3000
Chúng ta có các khối lập phương này, giống như sơ đồ ở đây.
05:01
The cube can swivel, or flip on its side,
87
276000
2000
Khối lập phương có thể xoay, lật các cạnh
05:04
and we just throw 1,000 of these cubes into a soup --
88
279000
4000
chúng ta cho 1000 khối lập phương này vào một nồi súp -
05:08
this is in simulation --and don't reward them for anything,
89
283000
2000
đây là mô phỏng - và không thưởng cho chúng gì cả,
05:10
we just let them flip. We pump energy into this
90
285000
3000
ta chỉ để cho chúng trôi nổi. Ta tiếp năng lượng vào đây
05:13
and see what happens in a couple of mutations.
91
288000
3000
và xem điều gì xảy ra sau một vài biến đổi.
05:16
So, initially nothing happens, they're just flipping around there.
92
291000
3000
Trước tiên, không có gì xảy ra, chúng chỉ lật qua lật lại.
05:19
But after a very short while, you can see these blue things
93
294000
4000
Nhưng sau một lúc, bạn có thể thấy các hộp màu xanh dương
05:23
on the right there begin to take over.
94
298000
2000
ở bên phải bắt đầu giành quyền kiểm soát.
05:25
They begin to self-replicate. So in absence of any reward,
95
300000
4000
Chúng bắt đầu tự lặp lại. Do đó, khi không có sự thưởng công,
05:29
the intrinsic reward is self-replication.
96
304000
3000
phần thưởng bên trong thực chất là sự tự nhân bản.
05:32
And we've actually built a couple of these,
97
307000
1000
Và chúng tôi thực tế đã xây dựng một vài cái đó,
05:33
and this is part of a larger robot made out of these cubes.
98
308000
4000
và đây là một phần của con robot lớn hơn được tạo ra từ các khối này,
05:37
It's an accelerated view, where you can see the robot actually
99
312000
3000
đây là một đoạn băng chạy nhanh, nơi bạn có thể thấy con robot thực sự
05:40
carrying out some of its replication process.
100
315000
2000
đang tiến hành quá trình tự tái tạo.
05:42
So you're feeding it with more material -- cubes in this case --
101
317000
4000
Vậy khi bạn cung cấp thêm nguyên liệu cho nó - ở đây là các khối -
05:46
and more energy, and it can make another robot.
102
321000
3000
và thêm năng lượng, nó có thể tạo ra một con robot khác.
05:49
So of course, this is a very crude machine,
103
324000
3000
Tất nhiên đây là một cái máy còn rất thô sơ,
05:52
but we're working on a micro-scale version of these,
104
327000
2000
nhưng chúng tôi đang làm một phiên bản kích cỡ siêu nhỏ,
05:54
and hopefully the cubes will be like a powder that you pour in.
105
329000
3000
hi vọng những khối này sẽ nhỏ như bột nêm.
05:57
OK, so what can we learn? These robots are of course
106
332000
5000
Vậy chúng ta học được gì? Những robot này dĩ nhiên
06:02
not very useful in themselves, but they might teach us something
107
337000
3000
bản thân chúng không hữu ích lắm, nhưng chúng có lẽ dạy chúng ta một chút
06:05
about how we can build better robots,
108
340000
3000
về cách làm sao ta có thể chế tạo robot tốt hơn,
06:08
and perhaps how humans, animals, create self-models and learn.
109
343000
5000
và về cách con người và động vật tự tạo ra những khuôn mẫu và học hỏi.
06:13
And one of the things that I think is important
110
348000
2000
Một trong các điều tôi nghĩ là quan trọng
06:15
is that we have to get away from this idea
111
350000
2000
đó là chúng ta cần tránh xa với ý tưởng
06:17
of designing the machines manually,
112
352000
2000
thiết kế các máy bằng tay,
06:19
but actually let them evolve and learn, like children,
113
354000
3000
mà phải để nó tiến hóa và học, giống như trẻ con,
06:22
and perhaps that's the way we'll get there. Thank you.
114
357000
2000
và có lẽ đó là cách thức mà chúng ta có thể tiến lên. Cảm ơn các bạn.
06:24
(Applause)
115
359000
2000
(Vỗ tay)
ABOUT THE SPEAKER
Hod Lipson - RoboticistHod 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.
Hod Lipson | Speaker | TED.com