TEDWomen 2010
Cynthia Breazeal: The rise of personal robots
Σύνθια Μπρεζίλ: Η άφιξη των προσωπικών ρομπότ
Filmed:
Readability: 4.4
1,201,057 views
Σαν μεταπτυχιακή φοιτήτρια, η Σύνθια Μπρεζίλ αναρωτιόταν γιατί χρησιμοποιούμε ρομπότ στον πλανήτη Άρη και όχι στα δωμάτιά μας. Κατάλαβε ότι το κλειδί ήταν να εκπαιδεύσουμε τα ρομπότ ώστε να αλληλεπιδρούν με τους ανθρώπους. Τώρα φαντάζεται και φτιάχνει ρομπότ που διδάσκουν, μαθαίνουν και παίζουν. Παρακολουθήστε μια καταπληκτική επίδειξη ενός καινούριου διαδραστικού παιχνιδιού για παιδιά.
Cynthia Breazeal - Roboticist
At MIT, Cynthia Breazeal and her team are building robots with social intelligence that communicate and learn the same way people do. Full bio
At MIT, Cynthia Breazeal and her team are building robots with social intelligence that communicate and learn the same way people do. Full bio
Double-click the English transcript below to play the video.
00:15
Ever since I was a little girl
0
0
3000
Απ' όταν ήμουν μικρό κορίτσι
00:18
seeing "Star Wars" for the first time,
1
3000
2000
και είδα τον "Πόλεμο των Άστρων" για πρώτη φορά,
00:20
I've been fascinated by this idea
2
5000
2000
με συνάρπαζε η ιδέα
00:22
of personal robots.
3
7000
2000
των προσωπικών ρομπότ.
00:24
And as a little girl,
4
9000
2000
Και σαν μικρό κορίτσι που ήμουν,
00:26
I loved the idea of a robot that interacted with us
5
11000
2000
λάτρευα την ιδέα ενός ρομπότ που αλληλεπιδρά με μας,
00:28
much more like a helpful, trusted sidekick --
6
13000
3000
κάτι σαν ένα έμπιστο βοηθό ή ακόλουθο,
00:31
something that would delight us, enrich our lives
7
16000
2000
που θα μας έφερνε ευχαρίστηση, θα έκανε τις ζωές μας πιο πλούσιες
00:33
and help us save a galaxy or two.
8
18000
3000
και θα μας βοηθούσε να σώσουμε έναν-δυο γαλαξίες.
00:37
I knew robots like that didn't really exist,
9
22000
3000
Ήξερα ότι τέτοια ρομπότ δεν υπήρχαν,
00:40
but I knew I wanted to build them.
10
25000
2000
αλλά ήξερα ότι ήθελα φτιάξω τέτοια.
00:42
So 20 years pass --
11
27000
2000
Πέρασαν λοιπόν είκοσι χρόνια,
00:44
I am now a graduate student at MIT
12
29000
2000
είμαι τώρα μεταπτυχιακή φοιτήτρια στο MIT
00:46
studying artificial intelligence,
13
31000
2000
και σπουδάζω τεχνητή νοημοσύνη,
00:48
the year is 1997,
14
33000
2000
βρισκόμαστε στο 1997,
00:50
and NASA has just landed the first robot on Mars.
15
35000
3000
και η NASA έχει μόλις στείλει το πρώτο ρομπότ στον Άρη.
00:53
But robots are still not in our home, ironically.
16
38000
3000
Αλλά, τι ειρωνεία, τα ρομπότ ακόμα δε βρίσκονται στα σπίτια μας.
00:56
And I remember thinking about
17
41000
2000
Και θυμάμαι σκεφτόμουνα
00:58
all the reasons why that was the case.
18
43000
2000
όλους τους λόγους για τους οποίους συμβαίνει αυτό.
01:00
But one really struck me.
19
45000
2000
Αλλά ένας μου έκανε πραγματικά εντύπωση.
01:02
Robotics had really been about interacting with things,
20
47000
3000
Η ρομποτική είχε σχέση με την αλληλεπίδραση με τα αντικείμενα,
01:05
not with people --
21
50000
2000
όχι με τους ανθρώπους,
01:07
certainly not in a social way that would be natural for us
22
52000
2000
σίγουρα όχι με κάποια κοινωνική διάσταση που θα ήταν φυσική για μας
01:09
and would really help people accept robots
23
54000
2000
και θα βοηθούσε τους ανθρώπους να αποδεχθούν τα ρομπότ
01:11
into our daily lives.
24
56000
2000
στην καθημερινότητά μας.
01:13
For me, that was the white space; that's what robots could not do yet.
25
58000
3000
Για μένα, αυτό ήταν το σύνορο, αυτό που τα ρομπότ δε μπορούσαν ακόμα να κάνουν.
01:16
And so that year, I started to build this robot, Kismet,
26
61000
3000
Κι έτσι εκείνη τη χρονιά, ξεκίνησα να φτιάχνω αυτό το ρομπότ, το Kismet,
01:19
the world's first social robot.
27
64000
3000
το πρώτο κοινωνικό ρομπότ στον κόσμο.
01:22
Three years later --
28
67000
2000
Έτσι τρία χρόνια αργότερα,
01:24
a lot of programming,
29
69000
2000
μετά από πολύ προγραμματισμό,
01:26
working with other graduate students in the lab --
30
71000
2000
και συνεργασία με άλλους μεταπτυχιακούς φοιτητές στο εργαστήριο,
01:28
Kismet was ready to start interacting with people.
31
73000
2000
το Kismet ήταν έτοιμο να αρχίσει να αλληλεπιδρά με ανθρώπους.
01:30
(Video) Scientist: I want to show you something.
32
75000
2000
(Βίντεο) Επιστήμονας: Θέλω να σου δείξω κάτι.
01:32
Kismet: (Nonsense)
33
77000
2000
Kismet: (Ακατάληπτα)
01:34
Scientist: This is a watch that my girlfriend gave me.
34
79000
3000
Επιστήμονας: Αυτό το ρολόι μου το έδωσε η φιλενάδα μου.
01:37
Kismet: (Nonsense)
35
82000
2000
Kismet: (Ακατάληπτα)
01:39
Scientist: Yeah, look, it's got a little blue light in it too.
36
84000
2000
Επιστήμονας: Ναι, κοίτα, έχει κι ένα μικρό μπλε φωτάκι.
01:41
I almost lost it this week.
37
86000
3000
Παραλίγο να το χάσω πριν λίγες μέρες.
01:44
Cynthia Breazeal: So Kismet interacted with people
38
89000
3000
Σύνθια Μπρεζίλ: Έτσι, το Kismet αλληλεπιδρούσε με τους ανθρώπους
01:47
like kind of a non-verbal child or pre-verbal child,
39
92000
3000
σαν ένα παιδί που δε μιλά ή δεν έχει ξεκινήσει να μιλά,
01:50
which I assume was fitting because it was really the first of its kind.
40
95000
3000
το οποίο υποθέτω ότι ταίριαζε γιατί ήταν το πρώτο του είδους του.
01:53
It didn't speak language, but it didn't matter.
41
98000
2000
Δε μιλούσε σε κάποια γλώσσα, αλλά δεν είχε σημασία.
01:55
This little robot was somehow able
42
100000
2000
Αυτό το μικρό ρομπότ κάπως κατάφερε
01:57
to tap into something deeply social within us --
43
102000
3000
να αγγίξει κάτι βαθιά κοινωνικό μέσα μας.
02:00
and with that, the promise of an entirely new way
44
105000
2000
Και με αυτό, έδωσε την υπόσχεση ενός τελείως καινούριου τρόπου
02:02
we could interact with robots.
45
107000
2000
με τον οποίο μπορούμε να αλληλεπιδρούμε με τα ρομπότ.
02:04
So over the past several years
46
109000
2000
Έτσι όλα αυτά τα χρόνια
02:06
I've been continuing to explore this interpersonal dimension of robots,
47
111000
2000
συνέχισα να ερευνώ αυτή τη διαπροσωπική διάσταση των ρομπότ,
02:08
now at the media lab
48
113000
2000
εργαζόμενη πλέον στο Media Lab
02:10
with my own team of incredibly talented students.
49
115000
2000
με τη δική μου ομάδα από ιδιαίτερα ταλαντούχους φοιτητές.
02:12
And one of my favorite robots is Leonardo.
50
117000
3000
Και ένα από τα αγαπημένα μου ρομπότ είναι το Leonardo.
02:15
We developed Leonardo in collaboration with Stan Winston Studio.
51
120000
3000
Αναπτύξαμε το Leonardo σε συνεργασία με το Stan Winston Studio.
02:18
And so I want to show you a special moment for me of Leo.
52
123000
3000
Και θέλω να σας δείξω μια στιγμή του Leo που για μένα είναι ιδιαίτερη.
02:21
This is Matt Berlin interacting with Leo,
53
126000
2000
Εδώ ο Matt Berlin αλληλεπιδρά με το Leo,
02:23
introducing Leo to a new object.
54
128000
2000
και του δείχνει ένα καινούριο αντικείμενο.
02:25
And because it's new, Leo doesn't really know what to make of it.
55
130000
3000
Κι επειδή είναι καινούριο, ο Leo δεν ξέρει τι να το κάνει.
02:28
But sort of like us, he can actually learn about it
56
133000
2000
Αλλά όπως κι εμείς, μπορεί να μάθει κάτι γι' αυτό
02:30
from watching Matt's reaction.
57
135000
3000
κοιτάζοντας την αντίδραση του Matt.
02:33
(Video) Matt Berlin: Hello, Leo.
58
138000
2000
(Βίντεο) Matt Berlin: Γεια σου Leo.
02:38
Leo, this is Cookie Monster.
59
143000
3000
Leo, αυτό είναι το Τέρας των Μπισκότων.
02:44
Can you find Cookie Monster?
60
149000
3000
Μπορείς βρεις το Τέρας των Μπισκότων;
02:52
Leo, Cookie Monster is very bad.
61
157000
3000
Leo, το Τέρας των Μπισκότων είναι πολύ κακό.
02:56
He's very bad, Leo.
62
161000
2000
Είναι πολύ κακό, Leo.
03:00
Cookie Monster is very, very bad.
63
165000
3000
Το Τέρας των Μπισκότων είναι πολύ, πολύ κακό.
03:07
He's a scary monster.
64
172000
2000
Είναι ένα τρομακτικό τέρας.
03:09
He wants to get your cookies.
65
174000
2000
Θέλει να κλέψει τα μπισκότα σου.
03:12
(Laughter)
66
177000
2000
(Γέλια)
03:14
CB: All right, so Leo and Cookie
67
179000
3000
Σύνθια: Εντάξει, ο Leo και το Τέρας
03:17
might have gotten off to a little bit of a rough start,
68
182000
2000
μπορεί να μην ξεκίνησαν καλά,
03:19
but they get along great now.
69
184000
3000
αλλά στην πορεία τα βρήκαν.
03:22
So what I've learned
70
187000
2000
Αυτό που έμαθα
03:24
through building these systems
71
189000
2000
κατασκευάζοντας αυτά τα συστήματα
03:26
is that robots are actually
72
191000
2000
είναι ότι τα ρομπότ είναι στην ουσία
03:28
a really intriguing social technology,
73
193000
2000
μια πραγματικά ενδιαφέρουσα κοινωνική τεχνολογία.
03:30
where it's actually their ability
74
195000
2000
Και είναι η ικανότητά τους
03:32
to push our social buttons
75
197000
2000
να "πατήσουν" τα κοινωνικά κουμπιά μας
03:34
and to interact with us like a partner
76
199000
2000
και να αλληλεπιδράσουν μαζί μας σαν ένας σύντροφος
03:36
that is a core part of their functionality.
77
201000
3000
που είναι στην καρδιά της λειτουργικότητάς τους.
03:39
And with that shift in thinking, we can now start to imagine
78
204000
2000
Και με αυτή την αλλαγή σκεπτικού, μπορούμε τώρα να αρχίσουμε να φανταζόμαστε
03:41
new questions, new possibilities for robots
79
206000
3000
νέα ερωτήματα, νέες πιθανότητες για τα ρομπότ
03:44
that we might not have thought about otherwise.
80
209000
3000
που μπορεί να μη σκεφτόμασταν αλλιώς.
03:47
But what do I mean when I say "push our social buttons?"
81
212000
2000
Αλλά τι εννοώ όταν λέω ότι "πατούν" τα κοινωνικά κουμπιά μας;
03:49
Well, one of the things that we've learned
82
214000
2000
Λοιπόν, ένα από τα πράγματα που μάθαμε
03:51
is that, if we design these robots to communicate with us
83
216000
2000
είναι ότι αν σχεδιάσουμε αυτά τα ρομπότ ώστε να επικοινωνούν μαζί μας
03:53
using the same body language,
84
218000
2000
χρησιμοποιώντας την ίδια γλώσσα του σώματος,
03:55
the same sort of non-verbal cues that people use --
85
220000
2000
το ίδιο είδος μη λεκτικών ενδείξεων που χρησιμοποιούν οι άνθρωποι,
03:57
like Nexi, our humanoid robot, is doing here --
86
222000
3000
όπως κάνει εδώ το Nexi, το ανθρωποειδές ρομπότ μας,
04:00
what we find is that people respond to robots
87
225000
2000
αυτό που βλέπουμε είναι ότι οι άνθρωποι αντιδρούν στα ρομπότ
04:02
a lot like they respond to people.
88
227000
2000
σχεδόν όπως αντιδρούν στους ανθρώπους.
04:04
People use these cues to determine things like how persuasive someone is,
89
229000
3000
Οι άνθρωποι χρησιμοποιούν αυτές τις ενδείξεις για να καθορίσουν πράγματα όπως το πόσο πειστικός είναι κάποιος
04:07
how likable, how engaging,
90
232000
2000
πόσο ελκυστικός ή ευχάριστος,
04:09
how trustworthy.
91
234000
2000
πόσο αξιόπιστος.
04:11
It turns out it's the same for robots.
92
236000
2000
Από ό,τι φαίνεται, ισχύει το ίδιο και για τα ρομπότ.
04:13
It's turning out now
93
238000
2000
Φαίνεται ότι
04:15
that robots are actually becoming a really interesting new scientific tool
94
240000
3000
τα ρομπότ γίνονται ένα πραγματικά ενδιαφέρον επιστημονικό εργαλείο
04:18
to understand human behavior.
95
243000
2000
για να κατανοήσουμε την ανθρώπινη συμπεριφορά.
04:20
To answer questions like, how is it that, from a brief encounter,
96
245000
3000
Για να απαντήσουμε ερωτήσεις όπως, τι είναι αυτό που, μετά από μια σύντομη συνάντηση,
04:23
we're able to make an estimate of how trustworthy another person is?
97
248000
3000
μας δίνει τη δυνατότητα να εκτιμήσουμε πόσο αξιόπιστος είναι κάποιος;
04:26
Mimicry's believed to play a role, but how?
98
251000
3000
Πιστεύουμε ότι η μίμηση παίζει ένα ρόλο, αλλά πώς;
04:29
Is it the mimicking of particular gestures that matters?
99
254000
3000
Έχει σημασία η μίμηση συγκεκριμένων χειρονομιών;
04:32
It turns out it's really hard
100
257000
2000
Είναι πραγματικά δύσκολο
04:34
to learn this or understand this from watching people
101
259000
2000
να το μάθεις ή να το κατανοήσεις αυτό παρατηρώντας ανθρώπους
04:36
because when we interact we do all of these cues automatically.
102
261000
3000
γιατί όταν αλληλεπιδρούμε, δίνουμε όλες αυτές τις ενδείξεις αυτόματα.
04:39
We can't carefully control them because they're subconscious for us.
103
264000
2000
Δε μπορούμε να τις ελέγξουμε προσεκτικά, γιατί ανήκουν στο υποσυνείδητό μας.
04:41
But with the robot, you can.
104
266000
2000
Αλλά στο ρομπότ μπορούμε.
04:43
And so in this video here --
105
268000
2000
Κι έτσι σε αυτό το βίντεο εδώ --
04:45
this is a video taken from David DeSteno's lab at Northeastern University.
106
270000
3000
αυτό είναι ένα βίντεο από το εργαστήριο του David DeSteno στο Πανεπιστήμιο Northwestern.
04:48
He's a psychologist we've been collaborating with.
107
273000
2000
Είναι ένας ψυχολόγος με τον οποίο συνεργαζόμαστε.
04:50
There's actually a scientist carefully controlling Nexi's cues
108
275000
3000
Εδώ είναι ένας επιστήμονας που ελέγχει προσεκτικά τις ενδείξεις από το Nexi
04:53
to be able to study this question.
109
278000
3000
για να μπορέσει να μελετήσει αυτό το ερώτημα.
04:56
And the bottom line is -- the reason why this works is
110
281000
2000
Και τελικά, ο λόγος που αυτό πετυχαίνει
04:58
because it turns out people just behave like people
111
283000
2000
είναι ότι οι άνθρωποι συμπεριφέρονται σαν άνθρωποι
05:00
even when interacting with a robot.
112
285000
3000
ακόμα κι όταν αλληλεπιδρούν με ένα ρομπότ.
05:03
So given that key insight,
113
288000
2000
Έχοντας λοιπόν όλη αυτήν τη γνώση,
05:05
we can now start to imagine
114
290000
2000
μπορούμε τώρα να αρχίσουμε να φανταζόμαστε
05:07
new kinds of applications for robots.
115
292000
3000
νέα είδη εφαρμογών για τα ρομπότ.
05:10
For instance, if robots do respond to our non-verbal cues,
116
295000
3000
Για παράδειγμα, αν τα ρομπότ αντιδρούν στις μη λεκτικές ενδείξεις μας,
05:13
maybe they would be a cool, new communication technology.
117
298000
4000
θα μπορούσαν να αποτελέσουν μια νέα, φρέσκια τεχνολογία επικοινωνίας.
05:17
So imagine this:
118
302000
2000
Φανταστείτε αυτό:
05:19
What about a robot accessory for your cellphone?
119
304000
2000
ένα ρομποτικό αξεσουάρ για το κινητό σας.
05:21
You call your friend, she puts her handset in a robot,
120
306000
2000
Τηλεφωνείτε σε έναν φίλο σας κι αυτή βάζει το ακουστικό της σε ένα ρομπότ,
05:23
and, bam! You're a MeBot --
121
308000
2000
και, μπαμ, είστε ένα ΕγώΜπότ,
05:25
you can make eye contact, you can talk with your friends,
122
310000
3000
μπορείτε να έχετε οπτική επαφή, να μιλήσετε με τους φίλους σας,
05:28
you can move around, you can gesture --
123
313000
2000
να κινηθείτε ή να χειρονομήσετε,
05:30
maybe the next best thing to really being there, or is it?
124
315000
3000
σχεδόν σαν να βρίσκεστε εκεί. Ή μήπως όχι;
05:33
To explore this question,
125
318000
2000
Για να μελετήσει αυτήν την ερώτηση
05:35
my student, Siggy Adalgeirsson, did a study
126
320000
3000
ο φοιτητής μου, Siggy Adalgeirsson, ξεκίνησε μια μελέτη
05:38
where we brought human participants, people, into our lab
127
323000
3000
όπου φέραμε συμμετέχοντες στο εργαστήριό μας
05:41
to do a collaborative task
128
326000
2000
για να κάνουν μια συνεργατική εργασία
05:43
with a remote collaborator.
129
328000
2000
με έναν απομακρυσμένο συνεργάτη.
05:45
The task involved things
130
330000
2000
Η εργασία περιελάμβανε στοιχεία
05:47
like looking at a set of objects on the table,
131
332000
2000
όπως το να κοιτάξουν αντικείμενα πάνω στο τραπέζι,
05:49
discussing them in terms of their importance and relevance to performing a certain task --
132
334000
3000
να συζητήσουν την σημασία τους και τη σχέση τους με κάποια εργασία,
05:52
this ended up being a survival task --
133
337000
2000
που τελικά ήταν μια εργασία επιβίωσης,
05:54
and then rating them in terms
134
339000
2000
και μετά να τα βαθμολογήσουν με βάση
05:56
of how valuable and important they thought they were.
135
341000
2000
την αξία και τη σημασία που νόμιζαν ότι έχουν.
05:58
The remote collaborator was an experimenter from our group
136
343000
3000
Ο απομακρυσμένος συνεργάτης ήταν ένας ερευνητής από την ομάδα μας
06:01
who used one of three different technologies
137
346000
2000
και χρησιμοποίησαν μια από τρεις διαθέσιμες τεχνολογίες
06:03
to interact with the participants.
138
348000
2000
για να αλληλεπιδράσουν με τους συμμετέχοντες.
06:05
The first was just the screen.
139
350000
2000
Η πρώτη ήταν η οθόνη.
06:07
This is just like video conferencing today.
140
352000
3000
Αυτό είναι σαν τη σημερινή τηλεδιάσκεψη.
06:10
The next was to add mobility -- so, have the screen on a mobile base.
141
355000
3000
Η επόμενη ήταν να προσθέσουν κινητικότητα, οπότε έβαλαν την οθόνη σε μια κινητή βάση.
06:13
This is like, if you're familiar with any of the telepresence robots today --
142
358000
3000
Αυτό είναι, αν είστε εξοικειωμένοι με κάποιο από τα ρομπότ τηλε-παρουσίας,
06:16
this is mirroring that situation.
143
361000
3000
μια αντιγραφή αυτής της διαδικασίας.
06:19
And then the fully expressive MeBot.
144
364000
2000
Και τέλος το πλήρως εκφραστικό ΕγώΜπότ.
06:21
So after the interaction,
145
366000
2000
Μετά την αλληλεπίδραση,
06:23
we asked people to rate their quality of interaction
146
368000
3000
ζητήσαμε από τους συμμετέχοντες να βαθμολογήσουν την ποιότητα της αλληλεπίδρασης
06:26
with the technology, with a remote collaborator
147
371000
2000
με την τεχνολογία, με έναν απομακρυσμένο συνεργάτη,
06:28
through this technology, in a number of different ways.
148
373000
3000
μέσω αυτής της τεχνολογίας με διάφορες μεθόδους.
06:31
We looked at psychological involvement --
149
376000
2000
Μελετήσαμε την ψυχολογική εμπλοκή,
06:33
how much empathy did you feel for the other person?
150
378000
2000
πόσο συνδέθηκαν με το άλλο άτομο.
06:35
We looked at overall engagement.
151
380000
2000
Μελετήσαμε τη συνολική εμπλοκή.
06:37
We looked at their desire to cooperate.
152
382000
2000
Τη θέληση να συνεργαστούν.
06:39
And this is what we see when they use just the screen.
153
384000
3000
Και αυτό βλέπουμε όταν απλά χρησιμοποιούν την οθόνη.
06:42
It turns out, when you add mobility -- the ability to roll around the table --
154
387000
3000
Φαίνεται ότι όταν προσθέσεις την κινητικότητα, την ικανότητα να κυλήσεις γύρω από το τραπέζι,
06:45
you get a little more of a boost.
155
390000
2000
έχεις μια μικρή αύξηση.
06:47
And you get even more of a boost when you add the full expression.
156
392000
3000
Και έχεις ακόμα μεγαλύτερη αύξηση, όταν προσθέσεις την πλήρη εκφραστικότητα.
06:50
So it seems like this physical, social embodiment
157
395000
2000
Φαίνεται λοιπόν ότι αυτή η σωματική κοινωνική ενσωμάτωση
06:52
actually really makes a difference.
158
397000
2000
κάνει πραγματικά τη διαφορά.
06:54
Now let's try to put this into a little bit of context.
159
399000
3000
Ας προσπαθήσουμε να το δούμε αυτό μέσα σε ένα πλαίσιο.
06:57
Today we know that families are living further and further apart,
160
402000
3000
Σήμερα γνωρίζουμε ότι οι οικογένειες μένουν ολοένα και πιο μακριά,
07:00
and that definitely takes a toll on family relationships
161
405000
2000
και αυτό έχει σίγουρα επιπτώσεις στις οικογενειακές σχέσεις
07:02
and family bonds over distance.
162
407000
2000
και τους οικογενειακούς δεσμούς εξ αποστάσεως.
07:04
For me, I have three young boys,
163
409000
2000
Εγώ έχω τρία μικρά αγόρια,
07:06
and I want them to have a really good relationship
164
411000
2000
και θέλω να έχουν μια πραγματικά καλή σχέση
07:08
with their grandparents.
165
413000
2000
με τους παππούδες τους.
07:10
But my parents live thousands of miles away,
166
415000
2000
Αλλά οι γονείς μου ζουν χιλιάδες μίλια μακριά
07:12
so they just don't get to see each other that often.
167
417000
2000
και δεν έχουν την ευκαιρία να βλέπονται τόσο συχνά.
07:14
We try Skype, we try phone calls,
168
419000
2000
Δοκιμάζουμε το Skype, τα τηλεφωνήματα,
07:16
but my boys are little -- they don't really want to talk;
169
421000
2000
αλλά τα αγόρια μου είναι μικρά, δε θέλουν να μιλάνε,
07:18
they want to play.
170
423000
2000
θέλουν να παίζουν.
07:20
So I love the idea of thinking about robots
171
425000
2000
Η ιδέα των ρομπότ τους αρέσει πραγματικά
07:22
as a new kind of distance-play technology.
172
427000
3000
σαν ένα νέο είδος παιχνιδιού από απόσταση.
07:25
I imagine a time not too far from now --
173
430000
3000
Φανταστείτε λοιπόν μια εποχή, όχι πολύ μακρινή,
07:28
my mom can go to her computer,
174
433000
2000
όπου η μητέρα μου μπορεί να πάει στον υπολογιστή της,
07:30
open up a browser and jack into a little robot.
175
435000
2000
να ανοίξει ένα πρόγραμμα πλοήγησης και να συνδεθεί με ένα μικρό ρομπότ.
07:32
And as grandma-bot,
176
437000
3000
Και σαν ένα ΓιαγιάΜπότ,
07:35
she can now play, really play,
177
440000
2000
μπορεί τώρα να παίξει, πραγματικά,
07:37
with my sons, with her grandsons,
178
442000
2000
με τους γιους μου, τους εγγονούς της,
07:39
in the real world with his real toys.
179
444000
3000
στον πραγματικό κόσμο, με τα πραγματικά παιχνίδια του.
07:42
I could imagine grandmothers being able to do social-plays
180
447000
2000
Μπορώ να φανταστώ τις γιαγιάδες να έχουν τη δυνατότητα να παίξουν κοινωνικά παιχνίδια
07:44
with their granddaughters, with their friends,
181
449000
2000
με τις εγγονές τους, τις φίλες τους,
07:46
and to be able to share all kinds of other activities around the house,
182
451000
2000
και να μπορούν να κάνουν κοινές δραστηριότητες κάθε είδους στο σπίτι,
07:48
like sharing a bedtime story.
183
453000
2000
όπως το να μοιραστούν ένα παραμύθι.
07:50
And through this technology,
184
455000
2000
Και μέσω αυτής της τεχνολογίας,
07:52
being able to be an active participant
185
457000
2000
να μπορούν να συμμετέχουν ενεργά
07:54
in their grandchildren's lives
186
459000
2000
στις ζωές των εγγονών τους
07:56
in a way that's not possible today.
187
461000
2000
με έναν τρόπο που δεν είναι εφικτός σήμερα.
07:58
Let's think about some other domains,
188
463000
2000
Ας σκεφτούμε κάποια άλλα πεδία,
08:00
like maybe health.
189
465000
2000
όπως η υγεία.
08:02
So in the United States today,
190
467000
2000
Στις Ηνωμένες Πολιτείες σήμερα,
08:04
over 65 percent of people are either overweight or obese,
191
469000
3000
πάνω από 65% των ατόμων είναι είτε υπέρβαροι, είτε παχύσαρκοι,
08:07
and now it's a big problem with our children as well.
192
472000
2000
και αυτό είναι ένα μεγάλο πρόβλημα και για τα παιδιά μας.
08:09
And we know that as you get older in life,
193
474000
2000
Και ξέρουμε ότι, όσο μεγαλώνει κανείς,
08:11
if you're obese when you're younger, that can lead to chronic diseases
194
476000
3000
αν είναι παχύσαρκος όταν είναι νέος, αυτό μπορεί να οδηγήσει σε χρόνιες ασθένειες
08:14
that not only reduce your quality of life,
195
479000
2000
που όχι μόνο μειώνουν την ποιότητα ζωής μας,
08:16
but are a tremendous economic burden on our health care system.
196
481000
3000
αλλά επιφέρουν τεράστιο οικονομικό βάρος στο σύστημα υγείας μας.
08:19
But if robots can be engaging,
197
484000
2000
Αλλά αν τα ρομπότ μπορούν να είναι ενδιαφέροντα,
08:21
if we like to cooperate with robots,
198
486000
2000
αν μας αρέσει να αλληλεπιδρούμε με τα ρομπότ,
08:23
if robots are persuasive,
199
488000
2000
αν τα ρομπότ είναι πειστικά,
08:25
maybe a robot can help you
200
490000
2000
ίσως ένα ρομπότ μπορεί να σας βοηθήσει
08:27
maintain a diet and exercise program,
201
492000
2000
να κρατήσουμε ένα πρόγραμμα δίαιτας και άσκησης
08:29
maybe they can help you manage your weight.
202
494000
3000
να μας βοηθήσει να διαχειριστούμε το βάρος μας.
08:32
Sort of like a digital Jiminy --
203
497000
2000
Σαν έναν ψηφιακό Jiminy,
08:34
as in the well-known fairy tale --
204
499000
2000
από το γνωστό παραμύθι,
08:36
a kind of friendly, supportive presence that's always there
205
501000
2000
ένα είδος φιλικής, υποστηρικτικής παρουσίας που είναι πάντα δίπλα μας
08:38
to be able to help you make the right decision
206
503000
2000
για να μας βοηθήσει να πάρουμε τη σωστή απόφαση
08:40
in the right way at the right time
207
505000
2000
με το σωστό τρόπο, την κατάλληλη στιγμή,
08:42
to help you form healthy habits.
208
507000
2000
να μας βοηθήσει να αποκτήσουμε υγιεινές συνήθειες.
08:44
So we actually explored this idea in our lab.
209
509000
2000
Μελετήσαμε λοιπόν αυτήν την ιδέα στο εργαστήριό μας.
08:46
This is a robot, Autom.
210
511000
2000
Αυτό είναι ένα ρομπότ, το Autom.
08:48
Cory Kidd developed this robot for his doctoral work.
211
513000
3000
Ο Cory Kidd το κατασκεύασε για τη διδακτορική του εργασία.
08:51
And it was designed to be a robot diet-and-exercise coach.
212
516000
3000
Και σχεδιάστηκε να είναι ένας δάσκαλος δίαιτας και άσκησης.
08:54
It had a couple of simple non-verbal skills it could do.
213
519000
2000
Είχε μια δυο μη λεκτικές ικανότητες.
08:56
It could make eye contact with you.
214
521000
2000
Μπορούσε να έχει οπτική επαφή.
08:58
It could share information looking down at a screen.
215
523000
2000
Μπορούσε να μοιράζεται πληροφορίες κοιτάζοντας σε μια οθόνη.
09:00
You'd use a screen interface to enter information,
216
525000
2000
Μπορούσες να χρησιμοποιήσεις μια οθόνη για να εισάγεις πληροφορίες,
09:02
like how many calories you ate that day,
217
527000
2000
όπως το πόσες θερμίδες κατανάλωσες εκείνη τη μέρα,
09:04
how much exercise you got.
218
529000
2000
πόσο ασκήθηκες.
09:06
And then it could help track that for you.
219
531000
2000
Και μπορούσε να κρατήσει αρχείο για σένα.
09:08
And the robot spoke with a synthetic voice
220
533000
2000
Και το ρομπότ μιλούσε με συνθετική φωνή
09:10
to engage you in a coaching dialogue
221
535000
2000
για να σε εισάγει σε έναν εκπαιδευτικό διάλογο
09:12
modeled after trainers
222
537000
2000
σχεδιασμένο από προπονητές
09:14
and patients and so forth.
223
539000
2000
και ασθενείς κ.ο.κ.
09:16
And it would build a working alliance with you
224
541000
2000
Και μπορούσε να χτίσει μια ουσιαστική συμμαχία με σένα
09:18
through that dialogue.
225
543000
2000
μέσα από αυτόν το διάλογο.
09:20
It could help you set goals and track your progress,
226
545000
2000
Μπορούσε να σε βοηθήσει να ορίσεις στόχους και να παρακολουθείς την πρόοδό σου
09:22
and it would help motivate you.
227
547000
2000
και μπορούσε να σου δώσει κίνητρο.
09:24
So an interesting question is,
228
549000
2000
Μια ενδιαφέρουσα ερώτηση είναι
09:26
does the social embodiment really matter? Does it matter that it's a robot?
229
551000
3000
πόσο μετράει πραγματικά η κοινωνική ενσωμάτωση. Έχει σημασία που είναι ένα ρομπότ;
09:29
Is it really just the quality of advice and information that matters?
230
554000
3000
Είναι απλά η ποιότητα των συμβουλών και της πληροφορίας που μετράει;
09:32
To explore that question,
231
557000
2000
Για να απαντήσουμε αυτήν την ερώτηση,
09:34
we did a study in the Boston area
232
559000
2000
κάναμε μια μελέτη στην περιοχή της Βοστώνης
09:36
where we put one of three interventions in people's homes
233
561000
3000
όπου βάλαμε μια από τρεις παρεμβάσεις στα σπίτια των συμμετεχόντων
09:39
for a period of several weeks.
234
564000
2000
για μια περίοδο αρκετών εβδομάδων.
09:41
One case was the robot you saw there, Autom.
235
566000
3000
Μια περίπτωση ήταν το ρομπότ που είδατε εκεί, το Autom.
09:44
Another was a computer that ran the same touch-screen interface,
236
569000
3000
Μια άλλη ήταν ένας υπολογιστής με την ίδια οθόνη αφής,
09:47
ran exactly the same dialogues.
237
572000
2000
και τους ίδιους διαλόγους.
09:49
The quality of advice was identical.
238
574000
2000
Η ποιότητα των συμβουλών ήταν ολόιδια.
09:51
And the third was just a pen and paper log,
239
576000
2000
Και η τρίτη ήταν απλά ένα σημειωματάριο,
09:53
because that's the standard intervention you typically get
240
578000
2000
γιατί αυτή είναι η κλασική παρέμβαση
09:55
when you start a diet-and-exercise program.
241
580000
3000
όταν ξεκινάτε ένα πρόγραμμα δίαιτας και άσκησης.
09:58
So one of the things we really wanted to look at
242
583000
3000
Έτσι, ένα από τα πράγματα που θέλαμε πραγματικά να δούμε
10:01
was not how much weight people lost,
243
586000
3000
δεν ήταν το πόσο βάρος έχασαν οι συμμετέχοντες,
10:04
but really how long they interacted with the robot.
244
589000
3000
αλλά πόσο διαρκούσε η αλληλεπίδραση με το ρομπότ.
10:07
Because the challenge is not losing weight, it's actually keeping it off.
245
592000
3000
Γιατί η πρόκληση δεν είναι να χάσεις βάρος, αλλά να μην το ξαναπάρεις.
10:10
And the longer you could interact with one of these interventions,
246
595000
3000
Και όσο περισσότερο αλληλεπιδράς με μια από αυτές τις παρεμβάσεις,
10:13
well that's indicative, potentially, of longer-term success.
247
598000
3000
αυτό είναι μια ένδειξη μακροπρόθεσμης επιτυχίας.
10:16
So the first thing I want to look at is how long,
248
601000
2000
Έτσι, το πρώτο πράγμα που ήθελα να δω είναι ο χρόνος,
10:18
how long did people interact with these systems.
249
603000
2000
πόσο χρόνο διαρκεί η αλληλεπίδραση με αυτά τα συστήματα.
10:20
It turns out that people interacted with the robot
250
605000
2000
Αποδείχθηκε ότι οι άνθρωποι αλληλεπιδρούσαν με το ρομπότ
10:22
significantly more,
251
607000
2000
σημαντικά περισσότερο,
10:24
even though the quality of the advice was identical to the computer.
252
609000
3000
αν και η ποιότητα των συμβουλών ήταν ολόιδια με του υπολογιστή.
10:28
When it asked people to rate it on terms of the quality of the working alliance,
253
613000
3000
Όταν ζητήσαμε από τους συμμετέχοντες να βαθμολογήσουν την ποιότητα της συμμαχίας,
10:31
people rated the robot higher
254
616000
2000
έδωσαν στο ρομπότ υψηλότερη βαθμολογία
10:33
and they trusted the robot more.
255
618000
2000
και το εμπιστεύονταν περισσότερο.
10:35
(Laughter)
256
620000
2000
(Γέλια)
10:37
And when you look at emotional engagement,
257
622000
2000
Και αν μελετήσεις τη συναισθηματική σύνδεση
10:39
it was completely different.
258
624000
2000
ήταν τελείως διαφορετική.
10:41
People would name the robots.
259
626000
2000
Οι συμμετέχοντες έδιναν όνομα στο ρομπότ τους.
10:43
They would dress the robots.
260
628000
2000
Το ντύνανε.
10:45
(Laughter)
261
630000
2000
(Γέλια)
10:47
And even when we would come up to pick up the robots at the end of the study,
262
632000
3000
Κι όταν πηγαίναμε να το πάρουμε πίσω στο τέλος της έρευνας,
10:50
they would come out to the car and say good-bye to the robots.
263
635000
2000
έρχονταν μέχρι το αυτοκίνητο να αποχαιρετίσουν το ρομπότ.
10:52
They didn't do this with a computer.
264
637000
2000
Δεν το έκαναν αυτό με τον υπολογιστή.
10:54
The last thing I want to talk about today
265
639000
2000
Το τελευταίο πράγμα για το οποίο θέλω να μιλήσω σήμερα
10:56
is the future of children's media.
266
641000
2000
είναι το μέλλον των μέσων για τα παιδιά.
10:58
We know that kids spend a lot of time behind screens today,
267
643000
3000
Ξέρουμε ότι τα παιδιά περνούν πολύ χρόνο πίσω από μια οθόνη σήμερα,
11:01
whether it's television or computer games or whatnot.
268
646000
3000
άσχετα από το αν είναι μια τηλεόραση ή παιχνίδια υπολογιστή.
11:04
My sons, they love the screen. They love the screen.
269
649000
3000
Οι γιοι μου λατρεύουν την οθόνη. Τη λατρεύουν.
11:07
But I want them to play; as a mom, I want them to play,
270
652000
3000
Αλλά, σαν μητέρα, θέλω να παίζουν
11:10
like, real-world play.
271
655000
2000
όπως στον πραγματικό κόσμο.
11:12
And so I have a new project in my group I wanted to present to you today
272
657000
3000
Κι έτσι δουλεύω σε ένα νέο σύστημα με την ομάδα μου, το οποίο ήθελα να σας δείξω σήμερα
11:15
called Playtime Computing
273
660000
2000
που λέγεται Υπολογιστική Παιχνιδιού (Playtime Computing)
11:17
that's really trying to think about how we can take
274
662000
2000
το οποίο προσπαθεί να βρει
11:19
what's so engaging about digital media
275
664000
2000
τι είναι τόσο ελκυστικό στα ψηφιακά μέσα
11:21
and literally bring it off the screen
276
666000
2000
και να το φέρει κυριολεκτικά εκτός οθόνης,
11:23
into the real world of the child,
277
668000
2000
στον πραγματικό κόσμο του παιδιού,
11:25
where it can take on many of the properties of real-world play.
278
670000
3000
όπου μπορεί να πάρει πολλές από τις ιδιότητες του πραγματικού παιχνιδιού.
11:29
So here's the first exploration of this idea,
279
674000
4000
Αυτή είναι η πρώτη διερεύνηση αυτής της ιδέας,
11:33
where characters can be physical or virtual,
280
678000
3000
όπου οι χαρακτήρες μπορούν να είναι πραγματικοί ή εικονικοί,
11:36
and where the digital content
281
681000
2000
κι όπου το ψηφιακό περιεχόμενο
11:38
can literally come off the screen
282
683000
2000
μπορεί να βγει κυριολεκτικά εκτός οθόνης
11:40
into the world and back.
283
685000
2000
στον πραγματικό κόσμο και πάλι πίσω.
11:42
I like to think of this
284
687000
2000
Το βλέπω αυτό κάτι
11:44
as the Atari Pong
285
689000
2000
σαν το Pong της Atari
11:46
of this blended-reality play.
286
691000
2000
των παιχνιδιών μεικτής πραγματικότητας.
11:48
But we can push this idea further.
287
693000
2000
Αλλά μπορούμε να πάμε αυτήν την ιδέα παραπέρα.
11:50
What if --
288
695000
2000
Τι θα συνέβαινε αν --
11:52
(Game) Nathan: Here it comes. Yay!
289
697000
3000
(Παιχνίδι) Νέιθαν: Νάτο, έρχεται. Ναι!
11:55
CB: -- the character itself could come into your world?
290
700000
3000
Σύνθια: -- ο χαρακτήρας ερχόταν στον κόσμο σας;
11:58
It turns out that kids love it
291
703000
2000
Φαίνεται ότι τα παιδιά το λατρεύουν
12:00
when the character becomes real and enters into their world.
292
705000
3000
όταν ο χαρακτήρας ζωντανεύει κι μπαίνει στον κόσμο τους.
12:03
And when it's in their world,
293
708000
2000
Κι όταν είναι στον κόσμο τους,
12:05
they can relate to it and play with it in a way
294
710000
2000
μπορούν να σχετιστούν με αυτόν και να παίξουν με τέτοιον τρόπο
12:07
that's fundamentally different from how they play with it on the screen.
295
712000
2000
που είναι τελείως διαφορετικός από τον τρόπο παίζουν μαζί του στην οθόνη.
12:09
Another important idea is this notion
296
714000
2000
Μια άλλη σημαντική ιδέα είναι αυτή
12:11
of persistence of character across realities.
297
716000
3000
της συνέπειας του χαρακτήρα ανάμεσα στις πραγματικότητες.
12:14
So changes that children make in the real world
298
719000
2000
Έτσι, οι αλλαγές που κάνουν τα παιδιά στον πραγματικό κόσμο
12:16
need to translate to the virtual world.
299
721000
2000
πρέπει να μεταφερθούν και στον εικονικό.
12:18
So here, Nathan has changed the letter A to the number 2.
300
723000
3000
Εδώ ο Νέιθαν έχει αλλάξει το γράμμα Α στον αριθμό 2.
12:21
You can imagine maybe these symbols
301
726000
2000
Μπορείτε να φανταστείτε ότι αυτά τα σύμβολα
12:23
give the characters special powers when it goes into the virtual world.
302
728000
3000
δίνουν στους χαρακτήρες ειδικές δυνάμεις όταν αυτός πηγαίνει στον εικονικό κόσμο.
12:26
So they are now sending the character back into that world.
303
731000
3000
Τώρα λοιπόν στέλνουν το χαρακτήρα πίσω σ' εκείνο τον κόσμο.
12:29
And now it's got number power.
304
734000
3000
Και τώρα έχει τη δύναμη των αριθμών!
12:32
And then finally, what I've been trying to do here
305
737000
2000
Και τελικά, αυτό που έχω προσπαθήσει να κάνω εδώ
12:34
is create a really immersive experience for kids,
306
739000
3000
είναι να δημιουργήσω μια συναρπαστική εμπειρία για τα παιδιά
12:37
where they really feel like they are part of that story,
307
742000
3000
όπου πραγματικά αισθάνονται μέρος αυτής της ιστορίας,
12:40
a part of that experience.
308
745000
2000
μέρος αυτής της εμπειρίας.
12:42
And I really want to spark their imaginations
309
747000
2000
Και θέλω πραγματικά να εξάψω την φαντασία τους
12:44
the way mine was sparked as a little girl watching "Star Wars."
310
749000
3000
με την έξαψη που είχα κι εγώ παρακολουθώντας τον "Πόλεμο των Άστρων" σαν κοριτσάκι.
12:47
But I want to do more than that.
311
752000
2000
Αλλά θέλω να κάνω περισσότερα από αυτό.
12:49
I actually want them to create those experiences.
312
754000
3000
Θέλω να δημιουργήσουν αυτά τις εμπειρίες.
12:52
I want them to be able to literally build their imagination
313
757000
2000
Να μπορούν να χτίσουν κυριολεκτικά τη φαντασία τους
12:54
into these experiences and make them their own.
314
759000
2000
μέσα σε αυτές τις εμπειρίες και να τις κάνουν δικές τους.
12:56
So we've been exploring a lot of ideas
315
761000
2000
Έτσι, εξερευνούμε πολλές ιδέες
12:58
in telepresence and mixed reality
316
763000
2000
στην τηλε-παρουσία και τη μεικτή πραγματικότητα
13:00
to literally allow kids to project their ideas into this space
317
765000
3000
ώστε να αφήνουμε κυριολεκτικά στα παιδιά να προβάλλουν τις ιδέες τους σε αυτόν το χώρο
13:03
where other kids can interact with them
318
768000
2000
ώστε τα άλλα παιδιά να αλληλεπιδρούν με αυτές
13:05
and build upon them.
319
770000
2000
και να χτίζουν πάνω τους.
13:07
I really want to come up with new ways of children's media
320
772000
3000
Θέλω πραγματικά να βρω καινούρια παιδικά μέσα
13:10
that foster creativity and learning and innovation.
321
775000
3000
που να ενθαρρύνουν τη δημιουργικότητα, την μάθηση και την καινοτομία.
13:13
I think that's very, very important.
322
778000
3000
Νομίζω ότι αυτό είναι πολύ, πολύ σημαντικό.
13:16
So this is a new project.
323
781000
2000
Αυτό λοιπόν είναι ένα νέο σύστημα.
13:18
We've invited a lot of kids into this space,
324
783000
2000
Προσκαλέσαμε πολλά παιδιά σε αυτόν το χώρο
13:20
and they think it's pretty cool.
325
785000
3000
και τον λατρεύουν.
13:23
But I can tell you, the thing that they love the most
326
788000
2000
Αλλά μπορώ να σας πω ότι εκείνο που λατρεύουν περισσότερο
13:25
is the robot.
327
790000
2000
είναι το ρομπότ.
13:27
What they care about is the robot.
328
792000
3000
Αυτό για το οποίο νοιάζονταΙ είναι το ρομπότ.
13:30
Robots touch something deeply human within us.
329
795000
3000
Τα ρομπότ αγγίζουν κάτι βαθιά ανθρώπινο μέσα μας.
13:33
And so whether they're helping us
330
798000
2000
Έτσι, είτε μας βοηθούν
13:35
to become creative and innovative,
331
800000
2000
να γίνουμε δημιουργικοί και καινοτόμοι,
13:37
or whether they're helping us
332
802000
2000
είτε μας βοηθούν
13:39
to feel more deeply connected despite distance,
333
804000
2000
να αισθανθούμε πιο κοντά, παρά την απόσταση,
13:41
or whether they are our trusted sidekick
334
806000
2000
είτε είναι ο έμπιστος βοηθός μας
13:43
who's helping us attain our personal goals
335
808000
2000
που μας βοηθά να πετύχουμε τους προσωπικούς μας στόχους
13:45
in becoming our highest and best selves,
336
810000
2000
και να γίνουμε ο καλύτερος εαυτός μας.
13:47
for me, robots are all about people.
337
812000
3000
για μένα, τα ρομπότ έχουν να κάνουν πρώτιστα με τους ανθρώπους.
13:50
Thank you.
338
815000
2000
Σας ευχαριστώ.
13:52
(Applause)
339
817000
5000
(Χειροκροτήματα)
ABOUT THE SPEAKER
Cynthia Breazeal - RoboticistAt MIT, Cynthia Breazeal and her team are building robots with social intelligence that communicate and learn the same way people do.
Why you should listen
Cynthia Breazeal founded and directs the Personal Robots Group at MIT’s Media Lab. Her research focuses on developing the principles and technologies for building personal robots that are socially intelligent—that interact and communicate with people in human-centric terms, work with humans as peers, and learn from people as an apprentice.
She has developed some of the world’s most famous robotic creatures, ranging from small hexapod robots to highly expressive humanoids, including the social robot Kismet and the expressive robot Leonardo. Her recent work investigates the impact of social robots on helping people of all ages to achieve personal goals that contribute to quality of life, in domains such as physical performance, learning and education, health, and family communication and play over distance.
Cynthia Breazeal | Speaker | TED.com