TEDxBerkeley
Ken Goldberg: 4 lessons from robots about being human
Κεν Γκόλντμπεργκ: 4 μαθήματα από τα ρομπότ για το πώς να είσαι άνθρωπος
Filmed:
Readability: 4.6
387,467 views
Όσο περισσότερο τα ρομπότ μπαίνουν στην καθημερινή μας ζωή, τόσο περισσότερο είμαστε αναγκασμένοι να εξετάσουμε τους εαυτούς μας ως ανθρώπους. Στο TEDxBerkeley, ο Κεν Γκόλντμπεργκ μοιράζεται τέσσερα πολύ ανθρώπινα μαθήματα που έχει μάθει δουλεύοντας με ρομπότ.
(Βιντεοσκοπημένο στο TEDxBerkeley.)
Ken Goldberg - Roboticist
Ken Goldberg works reflect the intersection of robotics, social media, and art. Full bio
Ken Goldberg works reflect the intersection of robotics, social media, and art. Full bio
Double-click the English transcript below to play the video.
00:16
I know this is going to sound strange,
0
577
2475
Ξέρω ότι θα ακουστεί παράξενο,
00:18
but I think robots can inspire us
1
3052
3294
αλλά νομίζω ότι τα ρομπότ
μπορούν να μας εμπνεύσουν
μπορούν να μας εμπνεύσουν
00:22
to be better humans.
2
6346
2388
να είμαστε καλύτεροι άνθρωποι.
00:24
See, I grew up in Bethlehem, Pennsylvania,
3
8734
3629
Βλέπετε, μεγάλωσα στη Βηθλεέμ
της Πενσυλβάνια,
της Πενσυλβάνια,
00:28
the home of Bethlehem Steel.
4
12363
2321
πατρίδα του Ατσαλιού της Βηθλεέμ.
00:30
My father was an engineer,
5
14684
2079
Ο πατέρας μου ήταν μηχανικός
00:32
and when I was growing up, he would teach me
6
16763
2851
και όταν μεγάλωνα,
μου μάθαινε
μου μάθαινε
00:35
how things worked.
7
19614
1159
πώς λειτουργούσαν τα πράγματα.
00:36
We would build projects together,
8
20773
2815
Χτίζαμε πράγματα μαζί,
00:39
like model rockets and slot cars.
9
23588
2792
όπως μοντέλα από ρουκέτες
και αυτοκινητάκια.
και αυτοκινητάκια.
00:42
Here's the go-kart that we built together.
10
26380
3284
Αυτό είναι το καρτ που χτίσαμε μαζί.
00:45
That's me behind the wheel,
11
29664
2219
Εγώ είμαι πίσω από το τιμόνι,
00:47
with my sister and my best friend at the time,
12
31883
3819
με την αδελφή μου
και τον τότε καλύτερό μου φίλο
και τον τότε καλύτερό μου φίλο
00:51
and one day,
13
35702
2123
και μια μέρα,
00:53
he came home, when I was about 10 years old,
14
37825
3107
ήρθε σπίτι, τότε ήμουν γύρω στα 10
00:56
and at the dinner table, he announced
15
40932
2304
και ανακοίνωσε στο δείπνο,
00:59
that for our next project, we were going to build a robot.
16
43236
6438
ότι το επόμενό μας σχέδιο,
ήταν να φτιάξουμε ένα ρομπότ.
ήταν να φτιάξουμε ένα ρομπότ.
01:05
A robot.
17
49674
1109
Ένα ρομπότ.
01:06
Now, I was thrilled about this,
18
50783
2252
Ενθουσιάστηκα με αυτό,
01:08
because at school,
19
53035
1590
επειδή στο σχολείο,
01:10
there was a bully named Kevin,
20
54625
2075
ήταν ένας νταής που τον έλεγαν Κέβιν,
01:12
and he was picking on me
21
56700
2246
και με πείραζε
01:14
because I was the only Jewish kid in class.
22
58946
2414
επειδή ήμουν ο μοναδικός Εβραίος στην τάξη.
01:17
So I couldn't wait to get started to work on this
23
61360
2813
Έτσι ανυπομονούσα να το ξεκινήσω
01:20
so I could introduce Kevin to my robot. (Laughter)
24
64173
3822
για να συστήσω στον Κέβιν το ρομπότ μου.
(Γέλια)
(Γέλια)
01:23
(Robot noises)
25
67995
11063
(Ήχοι ρομπότ)
01:34
But that wasn't the kind of robot my dad had in mind.
26
79058
4875
Αλλά αυτό δεν ήταν το είδος του ρομπότ
που είχε ο μπαμπάς μου στο μυαλό του.
που είχε ο μπαμπάς μου στο μυαλό του.
01:39
See, he owned a chromium plating company,
27
83933
3728
Βλέπετε, είχε μια εταιρία επιχρωμίωσης
01:43
and they had to move
28
87661
2176
και έπρεπε να μετακινούν
01:45
heavy steel parts between tanks of chemicals,
29
89837
3096
βαριά μεταλλικά κομμάτια
μεταξύ δεξαμενών με χημικά
μεταξύ δεξαμενών με χημικά
01:48
and so he needed an industrial robot like this
30
92933
3790
και χρειαζόταν ένα βιομηχανικό ρομπότ
όπως αυτό
όπως αυτό
01:52
that could basically do the heavy lifting.
31
96723
3099
το οποίο βασικά θα έκανε
την άρση βαρέων αντικειμένων.
την άρση βαρέων αντικειμένων.
01:55
But my dad didn't get the kind of robot he wanted, either.
32
99822
3905
Αλλά ούτε ο μπαμπάς μου πήρε
το είδος του ρομπότ που ήθελε.
το είδος του ρομπότ που ήθελε.
01:59
He and I worked on it for several years,
33
103727
2597
Δουλέψαμε σ' αυτό για αρκετά χρόνια,
02:02
but it was the 1970s,
34
106324
1978
αλλά ήταν η δεκαετία του '70,
02:04
and the technology that was available to amateurs
35
108302
2526
και η τεχνολογία που ήταν
διαθέσιμη στους ερασιτέχνες
διαθέσιμη στους ερασιτέχνες
02:06
just wasn't there yet.
36
110828
2657
απλά δεν υπήρχε ακόμα.
02:09
So Dad continued to do this kind of work by hand,
37
113485
3745
Έτσι ο μπαμπάς συνέχισε να κάνει
αυτήν τη δουλειά χειροκίνητα
αυτήν τη δουλειά χειροκίνητα
02:13
and a few years later,
38
117230
2275
και μετά από μερικά χρόνια,
02:15
he was diagnosed with cancer.
39
119505
4139
διαγνώστηκε με καρκίνο.
02:19
You see, what the robot we were trying to build
40
123644
3305
Βλέπετε, το ρομπότ
που προσπαθούσαμε να χτίσουμε
που προσπαθούσαμε να χτίσουμε
02:22
was telling him was not about doing the heavy lifting.
41
126949
3267
δεν του έλεγε για την άρση
βαρέων αντικειμένων.
βαρέων αντικειμένων.
02:26
It was a warning about his exposure to the toxic chemicals.
42
130216
4308
Τον προειδοποιούσε
για την έκθεσή του στα τοξικά χημικά.
για την έκθεσή του στα τοξικά χημικά.
02:30
He didn't recognize that at the time,
43
134524
2977
Δεν το αναγνώρισε τότε
02:33
and he contracted leukemia,
44
137501
2139
και έπαθε λευχαιμία
02:35
and he died at the age of 45.
45
139640
3222
και πέθανε στην ηλικία των 45 ετών.
02:38
I was devastated by this,
46
142862
2841
Αυτό με έφερε σε απόγνωση
02:41
and I never forgot the robot that he and I tried to build.
47
145703
4575
και ποτέ δεν ξέχασα το ρομπότ
που προσπαθήσαμε να χτίσουμε.
που προσπαθήσαμε να χτίσουμε.
02:46
When I was in college, I decided to study engineering, like him.
48
150278
4311
Όταν ήμουν στο κολέγιο, αποφάσιασα
να σπουδάσω μηχανική, όπως αυτός.
να σπουδάσω μηχανική, όπως αυτός.
02:50
And I went to Carnegie Mellon, and I earned my PhD in robotics.
49
154589
4946
Και πήγα στο Carnegie Mellon
και πήρα το διδακτορικό μου στην ρομποτική.
και πήρα το διδακτορικό μου στην ρομποτική.
02:55
I've been studying robots ever since.
50
159535
3094
Από τότε μελετώ τα ρομπότ.
02:58
So what I'd like to tell you about
51
162629
1638
Θα ήθελα να σας μιλήσω
03:00
are four robot projects
52
164267
2714
για τέσσερα έργα με ρομπότ
03:02
and how they've inspired me to be a better human.
53
166981
7044
και πώς με ενέπνευσαν
να είμαι καλύτερος άνθρωπος.
να είμαι καλύτερος άνθρωπος.
03:09
By 1993, I was a young professor at USC,
54
174025
5749
Το 1993, ήμουν νέος καθηγητής στο USC
03:15
and I was just building up my own robotics lab,
55
179774
3037
και δημιουργούσα το δικό μου
εργαστήριο ρομποτικής
εργαστήριο ρομποτικής
03:18
and this was the year that the World Wide Web came out.
56
182811
3585
τη χρονιά που βγήκε
ο Παγκόσμιος Ιστός.
ο Παγκόσμιος Ιστός.
03:22
And I remember my students were the ones
57
186396
1176
Και θυμάμαι πως οι φοιτητές μου
03:23
who told me about it,
58
187572
1704
μου είπαν γι' αυτό
03:25
and we would -- we were just amazed.
59
189276
2619
και μείναμε έκπληκτοι.
03:27
We started playing with this, and that afternoon,
60
191895
3434
Αρχίζαμε να παίζουμε
κι εκείνο το απόγευμα,
κι εκείνο το απόγευμα,
03:31
we realized that we could use this new, universal interface
61
195329
3853
συνειδητοποιήσαμε ότι θα μπορούσαμε να
χρησιμοποιήσουμε τη νέα, παγκόσμια διεπαφή
χρησιμοποιήσουμε τη νέα, παγκόσμια διεπαφή
03:35
to allow anyone in the world
62
199182
2543
για να επιτρέψουμε
σε οποιονδήποτε στον κόσμο
σε οποιονδήποτε στον κόσμο
03:37
to operate the robot in our lab.
63
201725
3048
να χειριστεί το ρομπότ
στο εργαστήριό μας.
στο εργαστήριό μας.
03:40
So, rather than have it fight or do industrial work,
64
204773
5708
Έτσι, αντι να το βάλουμε να παλεύει
ή να κάνει βιομηχανικές εργασίες,
ή να κάνει βιομηχανικές εργασίες,
03:46
we decided to build a planter,
65
210481
2486
αποφασίσαμε να χτίσουμε
μια μεγάλη γλάστρα,
μια μεγάλη γλάστρα,
03:48
put the robot into the center of it,
66
212967
1976
να βάλουμε το ρομπότ στη μέση
03:50
and we called it the Telegarden.
67
214943
2353
και το ονομάσαμε Τηλεκήπο.
03:53
And we had put a camera in the gripper of the hand
68
217296
3603
Είχαμε βάλει μια κάμερα
στην λαβή του χεριού
στην λαβή του χεριού
03:56
of the robot, and we wrote some special scripts
69
220899
2709
του ρομπότ και γράψαμε μερικές
ειδικές δέσμες ενεργειών
ειδικές δέσμες ενεργειών
03:59
and software so that anyone in the world could come in
70
223608
3161
και λογισμικό ώστε οποιοσδήποτε
στον κόσμο μπορούσε να μπει
στον κόσμο μπορούσε να μπει
04:02
and by clicking on the screen
71
226769
2329
και κάνοντας κλικ στην οθόνη
04:04
they could move the robot around
72
229098
2173
μπορούσαν να μετακινήσουν το ρομπότ
04:07
and visit the garden.
73
231271
2316
και να επισκευτούν τον κήπο.
04:09
But we also allowed, set up some other software
74
233587
3620
Αλλά επίσης επιτρέπαμε,
στήσαμε και άλλο λογισμικό
στήσαμε και άλλο λογισμικό
04:13
that lets you participate and help us water the garden
75
237207
3419
που σας επέτρεπε να συμμετάσχετε
και να μας βοηθήσετε να ποτίσουμε τον κήπο
και να μας βοηθήσετε να ποτίσουμε τον κήπο
04:16
remotely, and if you water it a few times,
76
240626
3045
απομακρυσμένα
και αν τον ποτίζατε μερικές φορές,
και αν τον ποτίζατε μερικές φορές,
04:19
we'd give you your own seed to plant.
77
243671
3585
σας δίναμε τον δικό σας σπόρο
για να φυτέψετε.
για να φυτέψετε.
04:23
Now, this was a project, an engineering project,
78
247256
3271
Ήταν ένα έργο, ένα έργο μηχανικής
04:26
and we published some papers on the design,
79
250527
2776
και κάναμε μερικές δημοσιεύσεις
για τον σχεδιασμό,
για τον σχεδιασμό,
04:29
the system design of it, but we also thought of it
80
253303
2249
το σύστημα σχεδιασμού του,
αλλά επίσης το σκεφτήκαμε
αλλά επίσης το σκεφτήκαμε
04:31
as an art installation.
81
255552
3086
ως καλλιτεχνική εγκατάσταση.
04:34
It was invited, after the first year,
82
258638
2173
Μας καλέσαν, μετά τον πρώτο χρόνο,
04:36
by the Ars Electronica Museum in Austria
83
260811
3044
από το μουσείο Ars Electronica
στην Αυστρία
στην Αυστρία
04:39
to have it installed in their lobby,
84
263855
3000
να το εγκαταστήσουμε στο λόμπυ τους
04:42
and I'm happy to say it remained online there,
85
266855
2418
και σας λέω με χαρά ότι
παρέμεινε εκεί συνδεδεμένο,
παρέμεινε εκεί συνδεδεμένο,
04:45
24 hours a day, for almost nine years.
86
269273
4983
24 ώρες το 24ωρο,
για περίπου εννέα χρόνια.
για περίπου εννέα χρόνια.
04:50
That robot was operated by more people
87
274256
3799
Αυτό το ρομπότ το χειρίστηκαν
περισσότεροι ανθρώποι
περισσότεροι ανθρώποι
04:53
than any other robot in history.
88
278055
3086
απ' οποιοδήποτε άλλο ρομπότ
στην ιστορία.
στην ιστορία.
04:57
Now, one day,
89
281141
1554
Μία μέρα,
04:58
I got a call out of the blue
90
282695
2317
με παίρνει ξαφνικά τηλέφωνο
05:00
from a student,
91
285012
2015
ένας φοιτητής,
05:02
who asked a very simple but profound question.
92
287027
4670
που ρώτησε μια πολύ απλή
αλλά βαθυστόχαστη ερώτηση.
αλλά βαθυστόχαστη ερώτηση.
05:07
He said, "Is the robot real?"
93
291697
4538
Είπε, «Είναι το ρομπότ αληθινό;»
05:12
Now, everyone else had assumed it was,
94
296235
2765
Όλοι οι άλλοι υπέθεταν πως είναι
05:14
and we knew it was because we were working with it.
95
299000
2331
και εμείς το ξέραμε πως ήταν,
επειδή δουλεύαμε με αυτό.
επειδή δουλεύαμε με αυτό.
05:17
But I knew what he meant,
96
301331
1540
Αλλά ήξερα τι εννοούσε,
05:18
because it would be possible to take a bunch of pictures
97
302871
2593
θα μπορούσαμε να έχουμε βγάλει
μερικές φωτογραφίες
μερικές φωτογραφίες
05:21
of flowers in a garden and then, basically, index them
98
305464
4361
από λουλούδια σε κήπους,
να τις ταξινομήσουμε
να τις ταξινομήσουμε
05:25
in a computer system such that it would appear
99
309825
2229
σε ένα υπολογιστικό σύστημα
έτσι ώστε να φαίνεται
έτσι ώστε να φαίνεται
05:27
that there was a real robot when there wasn't.
100
312054
3074
ότι υπάρχει ένα αληθινό ρομπότ
ενώ δεν υπάρχει.
ενώ δεν υπάρχει.
05:31
And the more I thought about it, I couldn't think
101
315128
1241
Και όσο το σκεφτόμουν,
δεν μπορούσα να σκεφτώ
δεν μπορούσα να σκεφτώ
05:32
of a good answer for how he could tell the difference.
102
316369
3551
μια καλή απάντηση για το πώς
θα φαινόταν η διαφορά.
θα φαινόταν η διαφορά.
05:35
This was right about the time that I was offered a position
103
319920
2887
Αυτό έγινε περίπου όταν
μου προσέφεραν μία θέση
μου προσέφεραν μία θέση
05:38
here at Berkeley,
104
322807
2073
εδώ στο Μπέρκλεϊ
05:40
and when I got here, I looked up Hubert Dreyfus,
105
324880
3552
και όταν έφτασα εδώ,
έψαξα τον Χιούμπερτ Ντρέιφους,
έψαξα τον Χιούμπερτ Ντρέιφους,
05:44
who's a world-renowned professor of philosophy,
106
328432
3665
ο οποίος είναι καθηγητής φιλοσοφίας
παγκοσμίου φήμης
παγκοσμίου φήμης
05:47
and I talked with him about this, and he said,
107
332097
2374
και μίλησα μαζί του γι' αυτό
και είπε,
και είπε,
05:50
"This is one of the oldest and most central problems
108
334471
3560
«Αυτό είναι ένα από τα παλαιότερα
και πιο κεντρικά προβλήματα
και πιο κεντρικά προβλήματα
05:53
in philosophy. It goes back to the Skeptics,
109
338031
3602
στη φιλοσοφία.
Από την εποχή των Σκεπτικιστών
Από την εποχή των Σκεπτικιστών
05:57
and up through Descartes.
110
341633
1960
μέχρι τον Ντεκάρτ.
05:59
It's the issue of epistemology,
111
343593
3170
Είναι το θέμα της επιστημολογίας,
06:02
the study of how do we know that something is true."
112
346763
3750
η μελέτη του πώς γνωρίζουμε
ότι κάτι είναι αληθινό».
ότι κάτι είναι αληθινό».
06:06
So he and I started working together,
113
350513
2223
Έτσι ξεκινήσαμε να δουλεύουμε μαζί
06:08
and we coined a new term: telepistemology,
114
352736
3041
και επινοήσαμε ένα νέο όρο:
τηλεπιστημολογία,
τηλεπιστημολογία,
06:11
the study of knowledge at a distance.
115
355777
3526
την μελέτη της γνώσης
από απόσταση.
από απόσταση.
06:15
We invited leading artists, engineers,
116
359303
2752
Καλέσαμε κορυφαίους
καλλιτέχνες, μηχανικούς
καλλιτέχνες, μηχανικούς
06:17
and philosophers to write essays about this,
117
362055
3064
και φιλόσοφους να γράψουν
δοκίμια γι' αυτό
δοκίμια γι' αυτό
06:21
and the results, the results are collected in this book
118
365119
2340
και τα αποτελέσματα είναι
συγκεντρωμένα σε αυτό το βιβλίο
συγκεντρωμένα σε αυτό το βιβλίο
06:23
from MIT Press.
119
367459
2621
από την MIT Press.
06:25
So thanks to this student who questioned
120
370080
2332
Έτσι χάρη στον φοιτητή
που αμφισβήτησε
που αμφισβήτησε
06:28
what everyone else had assumed to be true,
121
372412
2803
αυτό που όλοι θεωρούσαν
ως αληθινό,
ως αληθινό,
06:31
this project taught me an important lesson about life,
122
375215
4208
αυτό το έργο μου έμαθε
ένα σημαντικό μάθημα για τη ζωή,
ένα σημαντικό μάθημα για τη ζωή,
06:35
which is to always question assumptions.
123
379423
4073
το οποίο είναι πάντα
να αμφισβητώ τις υποθέσεις.
να αμφισβητώ τις υποθέσεις.
06:39
Now, the second project I'll tell you about
124
383496
2648
Το δεύτερο έργο
για το οποίο θα σας μιλήσω
για το οποίο θα σας μιλήσω
06:42
grew out of the Telegarden.
125
386144
1879
βγήκε από τον Τηλεκήπο.
06:43
As it was operating, my students and I were very interested
126
388023
2576
Καθώς λειτουργούσε, οι φοιτητές μου
κι εγώ ενδιαφερόμασταν πολύ
κι εγώ ενδιαφερόμασταν πολύ
06:46
in how people were interacting with each other
127
390599
2762
πώς αλληλεπιδρούσαν
οι ανθρώποι μεταξύ τους
οι ανθρώποι μεταξύ τους
06:49
and what they were doing with the garden.
128
393361
1621
και τι έκαναν με τον κήπο.
06:50
So we started thinking, what if the robot could leave
129
394982
2262
Έτσι αρχίσαμε να σκεφτόμαστε, τι
θα γινόταν αν το ρομπότ μπορούσε να φύγει
θα γινόταν αν το ρομπότ μπορούσε να φύγει
06:53
the garden and go out into some other
130
397244
2083
από τον κήπο και να πάει σε κάποιο άλλο
06:55
interesting environment?
131
399327
1992
ενδιαφέρον περιβάλλον;
06:57
Like, for example, what if it could go to a dinner party
132
401319
2179
Όπως, για παράδειγμα, τι θα γινόταν
αν μπορούσε να πάει σε ένα πάρτυ
αν μπορούσε να πάει σε ένα πάρτυ
06:59
at the White House? (Laughter)
133
403498
5198
στον Λευκό Οίκο;
(Γέλια)
(Γέλια)
07:04
So, because we were interested more in the system design
134
408696
2841
Έτσι, επειδή ενδιαφερόμασταν περισσότερο
για τον σχεδιασμό του συστήματος
για τον σχεδιασμό του συστήματος
07:07
and the user interface than in the hardware,
135
411537
3286
και τη διεπαφή του χρήστη
παρά για το υλικό,
παρά για το υλικό,
07:10
we decided that, rather than have
136
414823
2034
αποφασίσαμε πως, αντί να έχουμε
07:12
a robot replace the human to go to the party,
137
416857
3678
ένα ρομπότ να αντικαθιστά
έναν άνθρωπο που πάει στο πάρτυ,
έναν άνθρωπο που πάει στο πάρτυ,
07:16
we'd have a human replace the robot.
138
420535
2843
θα βάλουμε έναν άνθρωπο
να αντικαταστήσει το ρομπότ.
να αντικαταστήσει το ρομπότ.
07:19
We called it the Tele-Actor.
139
423378
2600
Το ονομάσαμε Τηλε-Ηθοποιός.
07:21
We got a human,
140
425978
2032
Πήραμε έναν άνθρωπο,
07:23
someone who's very outgoing and gregarious,
141
428010
3007
κάποιον πολύ εξωστρεφές
και κοινωνικό
και κοινωνικό
07:26
and she was outfitted with a helmet
142
431017
3142
και εξοπλίστηκε με ένα κράνος
07:30
with various equipment, cameras and microphones,
143
434159
2570
με διάφορα εξαρτήματα,
κάμερες και μικρόφωνα
κάμερες και μικρόφωνα
07:32
and then a backpack with wireless Internet connection,
144
436729
3740
και μετά ένα σακίδιο με ασύρματη
σύνδεση στο διαδίκτυο
σύνδεση στο διαδίκτυο
07:36
and the idea was that she could go into a remote and
145
440469
3359
και η ιδέα ήταν ότι θα έπρεπε
να πάει σε ένα απομακρυσμένο
να πάει σε ένα απομακρυσμένο
07:39
interesting environment, and then over the Internet,
146
443828
3815
και ενδιαφέρον περιβάλλον
και μετά μέσω του διαδικτύου,
και μετά μέσω του διαδικτύου,
07:43
people could experience what she was experiencing,
147
447643
3151
οι άνθρωποι θα μπορούσαν
να βιώσουν αυτό που βίωνε αυτή
να βιώσουν αυτό που βίωνε αυτή
07:46
so they could see what she was seeing,
148
450794
2937
θα μπορούσαν να δουν
αυτό που έβλεπε,
αυτό που έβλεπε,
07:49
but then, more importantly, they could participate
149
453731
3307
αλλά, το πιο σημαντικό,
μπορούσαν να συμμετάσχουν
μπορούσαν να συμμετάσχουν
07:52
by interacting with each other
150
457038
2948
αλληλεπιδρώντας μεταξύ τους
07:55
and coming up with ideas about what she should do next
151
459986
3705
και να τους έρχονται ιδέες
για το τι θα έπρεπε να κάνει μετά
για το τι θα έπρεπε να κάνει μετά
07:59
and where she should go,
152
463691
2216
και πού θα έπρεπε να πάει
08:01
and then conveying those to the Tele-Actor.
153
465907
3162
και θα τα μεταβίβαζαν
στην Τηλε-Ηθοποιό.
στην Τηλε-Ηθοποιό.
08:04
So we got a chance to take the Tele-Actor
154
469069
2445
Έτσι είχαμε την ευκαιρία να πάρουμε
την Τηλε-Ηθοποιό
την Τηλε-Ηθοποιό
08:07
to the Webby Awards in San Francisco,
155
471514
3615
στα βραβεία Webby
στο Σαν Φρανσίσκο
στο Σαν Φρανσίσκο
08:11
and that year, Sam Donaldson was the host.
156
475129
4111
και κείνη τη χρονιά,
παρουσιαστής ήταν ο Σαμ Ντόναλντσον.
παρουσιαστής ήταν ο Σαμ Ντόναλντσον.
08:15
Just before the curtain went up, I had about 30 seconds
157
479240
3642
Λίγο πριν σηκωθεί η κουρτίνα,
είχα περίπου 30 δευτερόλεπτα
είχα περίπου 30 δευτερόλεπτα
08:18
to explain to Mr. Donaldson what we were gonna do,
158
482882
4458
για να εξηγήσω στον Κο. Ντόναλντσον
τι θα κάναμε
τι θα κάναμε
08:23
and I said, "The Tele-Actor
159
487340
1864
και είπα, «Η Τηλε-Ηθοποιός
08:25
is going to be joining you on stage,
160
489204
2456
θα έρθει μαζί σας στη σκηνή,
08:27
and this is a new experimental project,
161
491660
2198
και αυτό είναι ένα νέο
πειραματικό έργο
πειραματικό έργο
08:29
and people are watching her on their screens,
162
493858
2625
και ο κόσμος τη βλέπει
από τις οθόνες τους
από τις οθόνες τους
08:32
and she's got -- there's cameras involved and there's
163
496483
2305
και έχει -- υπάρχουν κάμερες
08:34
microphones and she's got an earbud in her ear,
164
498788
2911
και μικρόφωνα και έχει
ένα ακουστικό στο αυτί της
ένα ακουστικό στο αυτί της
08:37
and people over the network are giving her advice
165
501699
1447
και ο κόσμος μέσω του δικτύου
την συμβουλεύει
την συμβουλεύει
08:39
about what to do next."
166
503146
1368
για το τι να κάνει μετά».
08:40
And he said, "Wait a second,
167
504514
3209
Και είπε, «Μισό λεπτό,
08:43
that's what I do." (Laughter)
168
507723
6375
αυτό το κάνω εγώ».
(Γέλια)
(Γέλια)
08:49
So he loved the concept,
169
514098
1931
Και του άρεσε το σχέδιο
08:51
and when the Tele-Actor walked onstage,
170
516029
2340
και όταν η Τηλε-Ηθοποιός
ανέβηκε στην σκηνή,
ανέβηκε στην σκηνή,
08:54
she walked right up to him, and she gave him a big kiss
171
518369
2821
πήγε κατά πάνω του
και του έδωσε ένα μεγάλο φιλί
και του έδωσε ένα μεγάλο φιλί
08:57
right on the lips. (Laughter)
172
521190
3106
στα χείλη.
(Γέλια)
(Γέλια)
09:00
We were totally surprised.
173
524296
1131
Μείναμε τελείως έκπληκτοι.
09:01
We had no idea that would happen.
174
525427
2017
Δεν είχαμε ιδέα ότι θα γινόταν αυτό.
09:03
And he was great. He just gave her a big hug in return,
175
527444
2692
Και ήταν φανταστικός.
Ανταπέδωσε με μια μεγάλη αγκαλιά
Ανταπέδωσε με μια μεγάλη αγκαλιά
09:06
and it worked out great.
176
530136
1769
και όλα πήγαν καλά.
09:07
But that night, as we were packing up,
177
531905
2064
Αλλά εκείνο το βράδυ,
καθώς τα μαζεύαμε,
καθώς τα μαζεύαμε,
09:09
I asked the Tele-Actor, how did the Tele-Directors
178
533969
3608
ρώτησα την Τηλε-Ηθοποιό,
πώς οι Τηλε-Σκηνοθέτες
πώς οι Τηλε-Σκηνοθέτες
09:13
decide that they would give a kiss to Sam Donaldson?
179
537577
5558
αποφάσισαν να δώσουν ένα φιλί
στον Σαμ Ντόναλντσον;
στον Σαμ Ντόναλντσον;
09:19
And she said they hadn't.
180
543135
2212
Και είπε πως δεν το έκαναν αυτοί.
09:21
She said, when she was just about to walk on stage,
181
545347
2434
Είπε, πως όταν ήταν έτοιμη
να ανέβει στην σκηνή,
να ανέβει στην σκηνή,
09:23
the Tele-Directors were still trying to agree on what to do,
182
547781
2312
οι Τηλε-Σκηνοθέτες ακόμη προσπαθούσαν
να συμφωνήσουν στο τι να κάνουν
να συμφωνήσουν στο τι να κάνουν
09:25
and so she just walked on stage and did
183
550093
2407
κι έτσι απλώς ανέβηκε στη σκηνή κι έκανε
09:28
what felt most natural. (Laughter)
184
552500
5522
αυτό που ένιωσε ως πιο φυσικό.
(Γέλια)
(Γέλια)
09:33
So, the success of the Tele-Actor that night
185
558022
3670
Έτσι η επιτυχία της Τηλε-Ηθοποιού
εκείνη τη βραδιά
εκείνη τη βραδιά
09:37
was due to the fact that she was a wonderful actor.
186
561692
4373
ήταν επειδή ήταν καλή ηθοποιός.
09:41
She knew when to trust her instincts,
187
566065
2357
Ήξερε πότε να εμπιστευτεί
το ένστικτό της
το ένστικτό της
09:44
and so that project taught me another lesson about life,
188
568422
3864
κι έτσι αυτό το έργο με δίδαξε
ακόμη ένα μάθημα για τη ζωή,
ακόμη ένα μάθημα για τη ζωή,
09:48
which is that, when in doubt, improvise. (Laughter)
189
572286
6379
το οποίο είναι, όταν αμφιβάλλεις,
αυτοσχεδίασε. (Γέλια)
αυτοσχεδίασε. (Γέλια)
09:54
Now, the third project grew out of
190
578665
3080
Το τρίτο έργο βγήκε
09:57
my experience when my father was in the hospital.
191
581745
4893
από την εμπειρία μου
όταν ο πατέρας μου ήταν στο νοσοκομείο.
όταν ο πατέρας μου ήταν στο νοσοκομείο.
10:02
He was undergoing a treatment,
192
586638
2240
Υποβαλλόταν σε θεραπευτική αγωγή,
10:04
chemotherapy treatments, and there's a related treatment
193
588878
3633
χημειοθεραπείες
και υπάρχει μια σχετική αγωγή
και υπάρχει μια σχετική αγωγή
10:08
called brachytherapy, where tiny, radioactive seeds
194
592511
5048
που ονομάζεται βραχυθεραπεία,
όπου μικροσκοπικές, ραδιενεργές πηγές
όπου μικροσκοπικές, ραδιενεργές πηγές
10:13
are placed into the body to treat cancerous tumors.
195
597559
4211
τοποθετούνται στο σώμα
ως αγωγή για καρκινικούς όγκους.
ως αγωγή για καρκινικούς όγκους.
10:17
And the way it's done, as you can see here,
196
601770
2097
Και γίνεται ως εξής,
όπως μπορείτε να δείτε εδώ,
όπως μπορείτε να δείτε εδώ,
10:19
is that surgeons insert needles into the body
197
603867
4391
οι χειρουργοί
βάζουν βελόνες στο σώμα
βάζουν βελόνες στο σώμα
10:24
to deliver the seeds, and all this,
198
608258
2592
για να τοποθετήσουν τις πηγές
και όλα αυτά,
και όλα αυτά,
10:26
all these needles are inserted in parallel,
199
610850
3433
όλες αυτές οι βελόνες
τοποθετούνται παράλληλα,
τοποθετούνται παράλληλα,
10:30
so it's very common that some of the needles
200
614283
2975
έτσι είναι πολύ συχνό
μερικές από αυτές τις βελόνες
μερικές από αυτές τις βελόνες
10:33
penetrate sensitive organs, and as a result,
201
617258
4817
να διαπερνούν ευαίσθητα όργανα
και ως αποτέλεσμα,
και ως αποτέλεσμα,
10:37
the needles damage these organs, cause damage
202
622075
5063
οι βελόνες τραυματίζουν
τα όργανα, τέτοια ζημιά
τα όργανα, τέτοια ζημιά
10:43
which leads to trauma and side effects.
203
627138
3487
που οδηγεί σε τραύμα και παρενέργειες.
10:46
So my students and I wondered, what if we could
204
630625
2500
Έτσι οι φοιτητές μου κι εγώ
αναρωτηθήκαμε, τι θα γινόταν
αναρωτηθήκαμε, τι θα γινόταν
10:49
modify the system
205
633125
3485
αν μπορούσαμε
να τροποποιήσουμε το σύστημα
να τροποποιήσουμε το σύστημα
10:52
so that the needles could come in at different angles?
206
636610
3785
έτσι ώστε οι βελόνες να μπορούν
να μπουν σε διαφορετικές γωνίες;
να μπουν σε διαφορετικές γωνίες;
10:56
So we simulated this, and we developed some
207
640395
2777
Έτσι κάναμε μια προσομοίωση
και αναπτύξαμε μερικούς
και αναπτύξαμε μερικούς
10:59
optimization algorithms and we simulated this,
208
643172
2589
αλγόριθμους βελτιστοποίησης
και κάναμε την προσομοίωση,
και κάναμε την προσομοίωση,
11:01
and we were able to show that we are able to avoid
209
645761
2277
και μπορέσαμε να δείξουμε
ότι μπορούμε να αποφύγουμε
ότι μπορούμε να αποφύγουμε
11:03
the delicate organs and yet still achieve the coverage
210
648038
3767
τα ευαίσθητα όργανα συνεχίζοντας
να επιτυγχάνουμε την κάλυψη
να επιτυγχάνουμε την κάλυψη
11:07
of the tumors with the radiation.
211
651805
3508
των όγκων με την ακτινοβολία.
11:11
So now, we're working with doctors at UCSF
212
655313
3498
Έτσι τώρα, δουλεύουμε
με γιατρούς στο UCSF
με γιατρούς στο UCSF
11:14
and engineers at Johns Hopkins
213
658811
2696
και μηχανικούς στο Τζων Χόπκινς
11:17
and we're building a robot that has a number of,
214
661507
3582
και χτίζουμε ένα ρομπότ
το οποίο έχει έναν αριθμό από,
το οποίο έχει έναν αριθμό από,
11:20
it's a specialized design with different joints that can allow
215
665089
3257
είναι ένας εξειδικευμένος σχεδιασμός
με διάφορες αρθρώσεις που επιτρέπουν
με διάφορες αρθρώσεις που επιτρέπουν
11:24
the needles to come in at an infinite variety of angles,
216
668346
4258
στις βελόνες να μπαίνουν
σε μια άπειρη ποικιλία από γωνίες
σε μια άπειρη ποικιλία από γωνίες
11:28
and as you can see here, they can avoid delicate organs
217
672604
3166
και όπως βλέπετε εδώ,
μπορούν να αποφύγουν ευαίσθητα όργανα
μπορούν να αποφύγουν ευαίσθητα όργανα
11:31
and still reach the targets they're aiming for.
218
675770
4138
και όμως να φτάνουν τους στόχους
τους οποίους στοχεύουν.
τους οποίους στοχεύουν.
11:35
So, by questioning this assumption that all the needles
219
679908
3317
Έτσι, αμφισβητώντας αυτή την υπόθεση
ότι όλες οι βελόνες
ότι όλες οι βελόνες
11:39
have to be parallel, this project also taught me
220
683225
2945
πρέπει να είναι παράλληλες,
αυτό το έργο επίσης μου έμαθε
αυτό το έργο επίσης μου έμαθε
11:42
an important lesson: When in doubt --
221
686170
3300
ένα σημαντικό μάθημα:
Όταν αμφιβάλλεις --
Όταν αμφιβάλλεις --
11:45
When your path is blocked, pivot.
222
689470
4367
Όταν το μονοπάτι σου είναι κλειστό,
στρίψε.
στρίψε.
11:49
And the last project also has to do with medical robotics.
223
693837
4401
Και το τελευταίο έργο έχει και αυτό
να κάνει με την ιατρική ρομποτική.
να κάνει με την ιατρική ρομποτική.
11:54
And this is something that's grown out of a system called
224
698238
4040
Είναι κάτι που βγήκε
από ένα σύστημα που ονομάζεται
από ένα σύστημα που ονομάζεται
11:58
the da Vinci surgical robot,
225
702278
3588
το χειρουρικό ρομπότ Ντα Βίντσι
12:01
and this is a commercially available device.
226
705866
2468
είναι μια εμπορικά
διαθέσιμη συσκευή.
διαθέσιμη συσκευή.
12:04
It's being used in over 2,000 hospitals around the world,
227
708334
3332
Χρησιμοποιείται σε πάνω από 2.000
νοσοκομεία σε όλο τον κόσμο,
νοσοκομεία σε όλο τον κόσμο,
12:07
and the idea is it allows the surgeon
228
711666
2528
και η ιδέα είναι ότι επιτρέπει
στον χειρουργό
στον χειρουργό
12:10
to operate comfortably in his own coordinate frame,
229
714194
4249
να κάνει την εγχείρηση με άνεση
στο δικό του σύστημα συντεταγμένων,
στο δικό του σύστημα συντεταγμένων,
12:14
but many of the subtasks in surgery
230
718443
4991
αλλά πολλές από τις δευτερεύουσες
εργασίες στη χειρουργική
εργασίες στη χειρουργική
12:19
are very routine and tedious, like suturing,
231
723434
3047
είναι πολύ συνηθισμένες
και επίπονες όπως τα ράμματα
και επίπονες όπως τα ράμματα
12:22
and currently, all of these are performed
232
726481
2365
και τώρα, όλες αυτές γίνονται
12:24
under the specific and immediate control of the surgeon,
233
728846
4420
υπό την εποπτεία και τον έλεγχο
του ίδιου του χειρουργού,
του ίδιου του χειρουργού,
12:29
so the surgeon becomes fatigued over time.
234
733266
2658
έτσι μετά από ώρα
ο χειρουργός κουράζεται.
ο χειρουργός κουράζεται.
12:31
And we've been wondering,
235
735924
1295
Και αναρωτιόμαστε,
12:33
what if we could program the robot
236
737219
2265
τι θα γινόταν αν μπορούσαμε
να προγραμματίσουμε το ρομπότ
να προγραμματίσουμε το ρομπότ
12:35
to perform some of these subtasks,
237
739484
2487
να κάνει αυτές
τις δευτερεύουσες εργασίες
τις δευτερεύουσες εργασίες
12:37
and thereby free the surgeons to focus
238
741971
1720
κι έτσι να ελευθερωθούν οι χειρουργοί
για να εστιάσουν
για να εστιάσουν
12:39
on the more complicated parts of the surgery,
239
743691
2656
στα πιο πολύπλοκα κομμάτια
της χειρουργικής επέμβασης
της χειρουργικής επέμβασης
12:42
and also cut down on the time that the surgery would take
240
746347
3248
και επίσης να μειώσουν το χρόνο
που θα χρειαζόταν το χειρουργείο
που θα χρειαζόταν το χειρουργείο
12:45
if we could get the robot to do them a little bit faster?
241
749595
3023
αν μπορούσαμε να κάνουμε το ρομπότ
να τα κάνει λίγο πιο γρήγορα;
να τα κάνει λίγο πιο γρήγορα;
12:48
Now, it's hard to program a robot to do delicate things
242
752618
2434
Είναι δύσκολο να προγραμματίσεις
ένα ρομποτ να κάνει λεπτεπίλεπτα πράγματα
ένα ρομποτ να κάνει λεπτεπίλεπτα πράγματα
12:50
like this, but it turns out my colleague, Pieter Abbeel,
243
755052
4079
όπως αυτό, αλλά φαίνεται
ότι ο συνάδελφός μου, ο Πίτερ Αμπήλ,
ότι ο συνάδελφός μου, ο Πίτερ Αμπήλ,
12:55
who's here at Berkeley, has develeloped
244
759131
2416
που είναι εδώ στο Μπέρκλεϊ,
έχει αναπτύξει
έχει αναπτύξει
12:57
a new set of techniques for teaching robots from example.
245
761547
5623
μια νέα ομάδα τεχνικών για την
εκπαίδευση των ρομπότ από παραδείγματα.
εκπαίδευση των ρομπότ από παραδείγματα.
13:03
So he's gotten robots to fly helicopters,
246
767170
2767
Έτσι έχει κάνει ρομπότ
που πετάνε ελικόπτερα,
που πετάνε ελικόπτερα,
13:05
do incredibly interesting, beautiful acrobatics,
247
769937
3104
που κάνουν απίστευτα ενδιαφέροντα
και όμορφα ακροβατικά,
και όμορφα ακροβατικά,
13:08
by watching human experts fly them.
248
773041
2719
βλέποντας ανθρώπους να τα πετάνε.
13:11
So we got one of these robots.
249
775760
2588
Έτσι πήραμε ένα από αυτά τα ρομπότ.
13:14
We started working with Pieter and his students,
250
778348
2182
Αρχίσαμε να δουλεύουμε
με τον Πήτερ και τους φοιτητές του
με τον Πήτερ και τους φοιτητές του
13:16
and we asked a surgeon to perform
251
780530
2663
και ζητήσαμε από έναν χειρουργό
να κάνει
να κάνει
13:19
a task, and what we do is we, with the robot,
252
783193
4451
μια εργασία χρησιμοποιώντας το ρομπότ,
13:23
so what we're doing is asking the robot,
253
787644
2063
και ζητήσαμε από το ρομπότ,
13:25
the surgeon to perform the task,
254
789707
1278
τον χειρουργό να κάνει την εργασία
13:26
and we record the motions of the robot.
255
790985
2272
και εμείς καταγράψαμε τις κινήσεις του ρομπότ.
13:29
So here's an example. I'll use a figure eight,
256
793257
2128
Να ένα παράδειγμα.
Θα χρησιμοποιήσω τον αριθμό οχτώ,
Θα χρησιμοποιήσω τον αριθμό οχτώ,
13:31
tracing out a figure eight as an example.
257
795385
2240
θα χαράξουμε τον αριθμό οχτώ
σαν παράδειγμα.
σαν παράδειγμα.
13:33
So here's what it looks like when the robot,
258
797625
3630
Έτσι φαίνεται όταν το ρομπότ,
13:37
this is what the robot's path looks like,
259
801255
2317
έτσι φαίνεται το μονοπάτι του ρομπότ,
13:39
those three examples.
260
803572
1174
αυτά τα τρία παραδείγματα.
13:40
Now, those are much better than what a novice
261
804746
2462
Αυτά είναι πολύ καλύτερα
από αυτά που θα έκανε ένας αρχάριος
από αυτά που θα έκανε ένας αρχάριος
13:43
like I could do, but they're still jerky and imprecise.
262
807208
4657
σαν κι εμένα, αλλά συνεχίζουν να είναι
σπασμώδη και ανακριβή.
σπασμώδη και ανακριβή.
13:47
So we record all these examples, the data,
263
811865
2072
Έτσι καταγράφουμε όλα αυτά
τα παραδείγματα, τα δεδομένα
τα παραδείγματα, τα δεδομένα
13:49
and then we go through a sequence of steps.
264
813937
3712
και μετά κάνουμε μία ακολουθία από βήματα.
13:53
First, we used a technique called dynamic time warping
265
817649
3632
Πρώτα, χρησιμοποιήσαμε μια τεχνική που
λέγεται δυναμική χρονική στρέβλωση
λέγεται δυναμική χρονική στρέβλωση
13:57
from speech recognition, and this allows us to
266
821281
2182
από την αναγνώριση ομιλίας
και αυτό μας επιτρέπει
και αυτό μας επιτρέπει
13:59
temporally align all of the examples,
267
823463
2840
να ευθυγραμμίσουμε προσωρινά
όλα τα παραδείγματα
όλα τα παραδείγματα
14:02
and then we apply Kalman filtering,
268
826303
2929
και μετά εφαρμόζομουμε
φίλτρα Κάλμαν,
φίλτρα Κάλμαν,
14:05
a technique from control theory, that allows us
269
829232
2983
μια τεχνική από την θεωρία ελέγχου,
που μας επιτρέπει
που μας επιτρέπει
14:08
to statistically analyze all the noise
270
832215
2672
να αναλύσουμε στατιστικά
όλο τον θόρυβο
όλο τον θόρυβο
14:10
and extract the desired trajectory that underlies them.
271
834887
6183
και να εξάγουμε την επιθυμητή τροχιά
που τα διέπει.
που τα διέπει.
14:16
Now, so what we're doing is that we take those
272
841070
1994
Αυτό που κάνουμε είναι
να πάρουμε αυτές
να πάρουμε αυτές
14:18
human demonstrations, they're all noisy and imperfect,
273
843064
2023
τις επιδείξεις των ανθρώπων,
είναι όλες θορυβώδεις και ελλιπείς
είναι όλες θορυβώδεις και ελλιπείς
14:20
and we extract from them an inferred task trajectory
274
845087
3091
και να βγάλουμε από αυτές μια τροχιά
μιας τεκμαιρόμενης εργασίας
μιας τεκμαιρόμενης εργασίας
14:24
and control sequence for the robot.
275
848178
3003
και ακολουθία ελέγχου για το ρομπότ.
14:27
We then execute that on the robot,
276
851181
2184
Μετά το εκτελούμε στο ρομπότ,
14:29
we observe what happens,
277
853365
2172
παρατηρούμε τι συμβαίνει,
14:31
then we adjust the controls using a sequence of techniques
278
855537
2662
μετά ρυθμίζουμε τους ελέγχους
χρησιμοποιώντας μια ακολουθία από τεχνικές
χρησιμοποιώντας μια ακολουθία από τεχνικές
14:34
called iterative learning.
279
858199
2930
που ονομάζονται επαναληπτική μάθηση.
14:37
Then what we do is, we increase the velocity a little bit.
280
861129
3977
Μετά, αυτό που κάνουμε είναι
να αυξήσουμε λιγάκι την ταχύτητα.
να αυξήσουμε λιγάκι την ταχύτητα.
14:41
We observe the results, adjust the controls again,
281
865106
3563
Παρατηρούμε τα αποτελέσματα,
ρυθμίζουμε πάλι τους ελέγχους
ρυθμίζουμε πάλι τους ελέγχους
14:44
and observe what happens.
282
868669
2522
και παρατηρούμε τι γίνεται.
14:47
And we go through this several rounds.
283
871191
2136
Και το κάνουμε αυτό αρκετές φορές.
14:49
And here's the result.
284
873327
1356
Και να το αποτέλεσμα.
14:50
That's the inferred task trajectory,
285
874683
1845
Αυτή είναι η τροχιά
τεκμαιρόμενης εργασίας
τεκμαιρόμενης εργασίας
14:52
and here's the robot moving at the speed of the human.
286
876528
3463
κι εδώ το ρομπότ κινείται
με την ταχύτητα του ανθρώπου.
με την ταχύτητα του ανθρώπου.
14:55
Here's four times the speed of the human.
287
879991
2442
Εδώ κινείται τέσσερις φορές
γρηγορότερα από τον άνθρωπο.
γρηγορότερα από τον άνθρωπο.
14:58
Here's seven times.
288
882433
2571
Εδώ επτά φορές.
15:00
And here's the robot operating at 10 times
289
885004
3637
Κι εδώ το ρομπότ λειτουργεί 10 φορές
15:04
the speed of the human.
290
888641
2200
γρηγορότερα από τον άνθρωπο.
15:06
So we're able to get a robot to perform a delicate task,
291
890841
2950
Μπορούμε έτσι να κάνουμε ένα ρομπότ
να εκτελέσει μια λεπτεπίλεπτη εργασία
να εκτελέσει μια λεπτεπίλεπτη εργασία
15:09
like a surgical subtask,
292
893791
3224
όπως μια χειρουργική δευτερεύουσα εργασία,
15:12
at 10 times the speed of a human.
293
897015
3247
10 φόρες γρηγορότερα από τον άνθρωπο.
15:16
So this project also, because of its involved practicing
294
900262
4223
Έτσι αυτό το έργο,
επειδή εμπλέκει την εξάσκηση
επειδή εμπλέκει την εξάσκηση
15:20
and learning, doing something over and over again,
295
904485
2173
και τη μάθηση,
το να κάνεις κάτι ξανά και ξανά,
το να κάνεις κάτι ξανά και ξανά,
15:22
this project also has a lesson, which is,
296
906658
2757
και αυτό το έργο έχει ένα μάθημα,
το οποίο είναι,
το οποίο είναι,
15:25
if you want to do something well,
297
909415
3126
αν θέλετε να κάνετε κάτι καλά,
15:28
there's no substitute for practice, practice, practice.
298
912541
7948
δεν υπάρχει υποκατάστατο
παρά εξάσκηση, εξάσκηση, εξάσκηση.
παρά εξάσκηση, εξάσκηση, εξάσκηση.
15:36
So these are four of the lessons that I've learned
299
920505
3120
Αυτά είναι τέσσερα
από τα μαθήματα που έχω μάθει
από τα μαθήματα που έχω μάθει
15:39
from robots over the years,
300
923625
3127
από τα ρομπότ στο πέρασμα των χρόνων,
15:42
and robotics, the field of robotics has gotten much better
301
926752
5369
και η ρομποτική, το πεδίο της ρομποτικής
έχει γίνει πολύ καλύτερο
έχει γίνει πολύ καλύτερο
15:48
over time.
302
932121
2168
με τον καιρό.
15:50
Nowadays, high school students can build robots
303
934289
2167
Σήμερα, τα παιδιά στο λύκειο
μπορούν να χτίσουν ρομπότ
μπορούν να χτίσουν ρομπότ
15:52
like the industrial robot my dad and I tried to build.
304
936456
4025
όπως το βιομηχανικό ρομπότ
που προσπάθησα να χτίσω με τον μπαμπά μου.
που προσπάθησα να χτίσω με τον μπαμπά μου.
15:56
And now, I have a daughter,
305
940481
6982
Και τώρα, έχω μια κόρη,
16:03
named Odessa.
306
947463
2386
την Οντέσα.
16:05
She's eight years old,
307
949849
1833
Είναι οχτώ ετών
16:07
and she likes robots, too.
308
951682
2424
και αρέσουν και σε αυτήν τα ρομπότ.
16:10
Maybe it runs in the family. (Laughter)
309
954106
2414
Ίσως είναι κληρονομικό.
(Γέλια)
(Γέλια)
16:12
I wish she could meet my dad.
310
956520
3647
Μακάρι να είχε γνωρίσει τον μπαμπά μου.
16:16
And now I get to teach her how things work,
311
960167
2900
Και τώρα της μαθαίνω πώς
λειτουργούν τα πράγματα,
λειτουργούν τα πράγματα,
16:18
and we get to build projects together, and I wonder
312
963067
2772
και χτίζουμε πράγματα μαζί
και αναρρωτιέμαι
και αναρρωτιέμαι
16:21
what kind of lessons that she'll learn from them.
313
965839
4308
τι είδους μαθήματα θα μάθει από αυτά.
16:26
Robots are the most human
314
970147
2607
Τα ρομπότ είναι τα πιο ανθρώπινα
16:28
of our machines.
315
972754
2229
απ' όλα τα μηχανήματά μας.
16:30
They can't solve all of the world's problems,
316
974983
3085
Δεν μπορούν να λύσουν
όλα τα προβλήματα του κόσμου,
όλα τα προβλήματα του κόσμου,
16:33
but I think they have something important to teach us.
317
978068
4358
αλλά νομίζω πώς έχουν κάτι
σημαντικό να μας διδάξουν.
σημαντικό να μας διδάξουν.
16:38
I invite all of you to think about the innovations
318
982426
3343
Σας προσκαλώ όλους να σκεφτείτε
τις καινοτομίες
τις καινοτομίες
16:41
that you're interested in,
319
985769
2675
που σας ενδιαφέρουν,
16:44
the machines that you wish for,
320
988444
3216
τα μηχανήματα που επιθυμείτε,
16:47
and think about what they might be telling you,
321
991660
3169
και να σκεφτείτε
τι θα μπορούσαν να σας πουν,
τι θα μπορούσαν να σας πουν,
16:50
because I have a hunch
322
994829
2063
επειδή έχω ένα προαίσθημα
16:52
that many of our technological innovations,
323
996892
2087
ότι πολλές από τις
τεχνολογικές μας καινοτομίες,
τεχνολογικές μας καινοτομίες,
16:54
the devices we dream about,
324
998979
2658
οι συσκευές που ονειρευόμαστε,
16:57
can inspire us to be better humans.
325
1001637
3964
μπορούν να μας εμπνεύσουν
να είμαστε καλύτεροι άνθρωποι.
να είμαστε καλύτεροι άνθρωποι.
17:01
Thank you. (Applause)
326
1005601
3585
Σας ευχαριστώ.
(Χειροκρότημα)
(Χειροκρότημα)
ABOUT THE SPEAKER
Ken Goldberg - RoboticistKen Goldberg works reflect the intersection of robotics, social media, and art.
Why you should listen
Ken Goldberg is a Professor of Industrial Engineering and Operations Research in Robotics, Automation, and New Media at UC Berkeley and holds a position at UC San Francisco Medical School where he researches medical applications for robotics. Born in Nigeria and raised in Bethlehem, Pennsylvania, Ken hold degrees in Electrical Engineering and Economics from the University of Pennsylvania and received his Ph.D. in Computer Science from Carnegie Mellon University. He is widely recognized as an engineer, a teacher, and an artist – receiving the Joseph F. Engelberger Robotics Award in 2000, the IEEE Major Educational Innovation Award in 2001, and Isadora Duncan Award in 2006 for his Ballet Mori project, performed by the San Francisco Ballet. His works have been exhibited at the Whitney Biennial in New York City, the Pompidou Centre in Paris, and the Ars Electronica in Linz. His book, The Robot in the Garden, was published in March of 2000 by the MIT Press.
Ken Goldberg | Speaker | TED.com