TEDxBerkeley
Ken Goldberg: 4 lessons from robots about being human
Ken Goldberg: 4 lecciones de los robots sobre ser humanos
Filmed:
Readability: 4.6
387,467 views
Cuanto más se arraigan los robots en nuestras vidas diarias, más forzados estamos a examinarnos como personas. En TEDxBerkeley, Ken Goldberg comparte 4 lecciones bien humanas que ha aprendido trabajando con robots. (Filmado en 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
Sé que esto sonará extraño,
00:18
but I think robots can inspire us
1
3052
3294
pero pienso que los robots
nos pueden inspirar
nos pueden inspirar
00:22
to be better humans.
2
6346
2388
a ser mejores humanos.
00:24
See, I grew up in Bethlehem, Pennsylvania,
3
8734
3629
Miren, yo crecí en Bethlehem,
Pennsylvania,
Pennsylvania,
00:28
the home of Bethlehem Steel.
4
12363
2321
el hogar de Bethlehem Steel.
00:30
My father was an engineer,
5
14684
2079
Mi padre fue un ingeniero,
00:32
and when I was growing up, he would teach me
6
16763
2851
y cuando yo crecía,
él me enseñaba
él me enseñaba
00:35
how things worked.
7
19614
1159
cómo funcionaban las cosas.
00:36
We would build projects together,
8
20773
2815
Juntos construíamos proyectos,
00:39
like model rockets and slot cars.
9
23588
2792
como cohetes de modelismo y
coches para pista de carrera.
coches para pista de carrera.
00:42
Here's the go-kart that we built together.
10
26380
3284
Aquí está el "go-kart"
construido por nosotros.
construido por nosotros.
00:45
That's me behind the wheel,
11
29664
2219
Ese soy yo detrás del volante,
00:47
with my sister and my best friend at the time,
12
31883
3819
con mi hermana y mi mejor
amigo en aquel tiempo,
amigo en aquel tiempo,
00:51
and one day,
13
35702
2123
y un día,
00:53
he came home, when I was about 10 years old,
14
37825
3107
él vino a casa, cuando yo tenía
cerca de 10 años,
cerca de 10 años,
00:56
and at the dinner table, he announced
15
40932
2304
y en la mesa del comedor, él anunció
00:59
that for our next project, we were going to build a robot.
16
43236
6438
que para nuestro siguiente proyecto,
construiríamos un robot.
construiríamos un robot.
01:05
A robot.
17
49674
1109
Un robot.
01:06
Now, I was thrilled about this,
18
50783
2252
Entonces, estaba muy
entusiasmado por esto,
entusiasmado por esto,
01:08
because at school,
19
53035
1590
porque en la escuela,
01:10
there was a bully named Kevin,
20
54625
2075
había un abusivo llamado Kevin,
01:12
and he was picking on me
21
56700
2246
que me molestaba
01:14
because I was the only Jewish kid in class.
22
58946
2414
porque yo era el único
niño judío de la clase.
niño judío de la clase.
01:17
So I couldn't wait to get started to work on this
23
61360
2813
Por tanto, no veía la hora
de empezar a trabajar en esto
de empezar a trabajar en esto
01:20
so I could introduce Kevin to my robot. (Laughter)
24
64173
3822
para mostrarle a Kevin mi robot. (Risas)
01:23
(Robot noises)
25
67995
11063
(Ruidos de robot)
01:34
But that wasn't the kind of robot my dad had in mind.
26
79058
4875
Pero esa no era la clase de
robot que mi papá tenía en mente.
robot que mi papá tenía en mente.
01:39
See, he owned a chromium plating company,
27
83933
3728
Vean, él era propietario de una
compañía para cromado.
compañía para cromado.
01:43
and they had to move
28
87661
2176
y ellos tenían que mover
01:45
heavy steel parts between tanks of chemicals,
29
89837
3096
partes pesadas de acero
entre tinas de químicos,
entre tinas de químicos,
01:48
and so he needed an industrial robot like this
30
92933
3790
y por tanto necesitaba
un robot industrial como este
un robot industrial como este
01:52
that could basically do the heavy lifting.
31
96723
3099
para acarrear la carga pesada.
01:55
But my dad didn't get the kind of robot he wanted, either.
32
99822
3905
Pero mi papá tampoco consiguió
la clase de robot que quería.
la clase de robot que quería.
01:59
He and I worked on it for several years,
33
103727
2597
Junto a él trabajamos
en éste por varios años,
en éste por varios años,
02:02
but it was the 1970s,
34
106324
1978
pero fue en los años 70,
02:04
and the technology that was available to amateurs
35
108302
2526
y la tecnología disponible
a los aficionados
a los aficionados
02:06
just wasn't there yet.
36
110828
2657
no existía aún.
02:09
So Dad continued to do this kind of work by hand,
37
113485
3745
Así que mi papá continuó haciendo
este tipo de trabajo a mano,
este tipo de trabajo a mano,
02:13
and a few years later,
38
117230
2275
y algunos años después,
02:15
he was diagnosed with cancer.
39
119505
4139
él fue diagnosticado con cáncer.
02:19
You see, what the robot we were trying to build
40
123644
3305
Verán, lo que el robot que tratábamos de construir
02:22
was telling him was not about doing the heavy lifting.
41
126949
3267
le decía no tenía que ver con
acarrear la carga pesada.
acarrear la carga pesada.
02:26
It was a warning about his exposure to the toxic chemicals.
42
130216
4308
Era una advertencia sobre la exposición
de mi papá a los químicos tóxicos.
de mi papá a los químicos tóxicos.
02:30
He didn't recognize that at the time,
43
134524
2977
Él no reconoció esto en ese tiempo,
02:33
and he contracted leukemia,
44
137501
2139
y contrajo leucemia,
02:35
and he died at the age of 45.
45
139640
3222
y murió a los 45 años de edad.
02:38
I was devastated by this,
46
142862
2841
Yo estaba devastado por esto,
02:41
and I never forgot the robot that he and I tried to build.
47
145703
4575
y nunca olvido el robot que
tratamos de construir.
tratamos de construir.
02:46
When I was in college, I decided to study engineering, like him.
48
150278
4311
Cuando ingresé a la universidad,
decidí estudiar ingeniería, como él.
decidí estudiar ingeniería, como él.
02:50
And I went to Carnegie Mellon, and I earned my PhD in robotics.
49
154589
4946
Fui a Carnegie Mellon
y obtuve mi doctorado en robótica.
y obtuve mi doctorado en robótica.
02:55
I've been studying robots ever since.
50
159535
3094
He estado estudiando
robots desde entonces.
robots desde entonces.
02:58
So what I'd like to tell you about
51
162629
1638
Así, lo que quisiera contarles
03:00
are four robot projects
52
164267
2714
son cuatro proyectos con robots
03:02
and how they've inspired me to be a better human.
53
166981
7044
y cómo ellos me han inspirado
a ser un mejor ser humano.
a ser un mejor ser humano.
03:09
By 1993, I was a young professor at USC,
54
174025
5749
Para 1993, yo era un joven profesor en
la Universidad del Sur de California,
la Universidad del Sur de California,
03:15
and I was just building up my own robotics lab,
55
179774
3037
y precisamente construía mi propio
laboratorio de robótica,
laboratorio de robótica,
03:18
and this was the year that the World Wide Web came out.
56
182811
3585
y este fue el año en que llegó
la Red Informática Mundial (WWW).
la Red Informática Mundial (WWW).
03:22
And I remember my students were the ones
57
186396
1176
Recuerdo a mis estudiantes que
03:23
who told me about it,
58
187572
1704
me contaron de esta red,
03:25
and we would -- we were just amazed.
59
189276
2619
y estábamos...
estábamos tan sorprendidos.
estábamos tan sorprendidos.
03:27
We started playing with this, and that afternoon,
60
191895
3434
Comenzamos jugando con esto
y aquella tarde,
y aquella tarde,
03:31
we realized that we could use this new, universal interface
61
195329
3853
nos dimos cuenta cómo podríamos
usar esta interfaz nueva y universal
usar esta interfaz nueva y universal
03:35
to allow anyone in the world
62
199182
2543
para permitir a cualquiera en el mundo
03:37
to operate the robot in our lab.
63
201725
3048
operar el robot en nuestro laboratorio.
03:40
So, rather than have it fight or do industrial work,
64
204773
5708
Así, en vez de tenerlo para pelear
o hacer trabajo industrial,
o hacer trabajo industrial,
03:46
we decided to build a planter,
65
210481
2486
decidimos hacer un plantador,
03:48
put the robot into the center of it,
66
212967
1976
pusimos el robot en el centro,
03:50
and we called it the Telegarden.
67
214943
2353
y lo llamamos el Tele-jardín.
03:53
And we had put a camera in the gripper of the hand
68
217296
3603
Y tuvimos que poner una cámara
en el sujetador de la mano
en el sujetador de la mano
03:56
of the robot, and we wrote some special scripts
69
220899
2709
del robot y escribimos algunas secuencias
de comandos especiales
de comandos especiales
03:59
and software so that anyone in the world could come in
70
223608
3161
y software para que cualquiera
en el mundo pudiese entrar
en el mundo pudiese entrar
04:02
and by clicking on the screen
71
226769
2329
y haciendo clic en la pantalla
04:04
they could move the robot around
72
229098
2173
pudiese activar el robot
04:07
and visit the garden.
73
231271
2316
y visitar el jardín.
04:09
But we also allowed, set up some other software
74
233587
3620
Además, también permitimos
configurar otro software
configurar otro software
04:13
that lets you participate and help us water the garden
75
237207
3419
que les permitía participar
y ayudarnos a regar el jardín
y ayudarnos a regar el jardín
04:16
remotely, and if you water it a few times,
76
240626
3045
remotamente y si Uds. regaban
el jardín algunas veces,
el jardín algunas veces,
04:19
we'd give you your own seed to plant.
77
243671
3585
les dábamos sus propias
semillas para plantar.
semillas para plantar.
04:23
Now, this was a project, an engineering project,
78
247256
3271
Ahora, esto fue un proyecto,
un proyecto de ingeniería,
un proyecto de ingeniería,
04:26
and we published some papers on the design,
79
250527
2776
y publicamos algunos artículos sobre el diseño,
04:29
the system design of it, but we also thought of it
80
253303
2249
el diseño del sistema,
pero también lo pensamos
pero también lo pensamos
04:31
as an art installation.
81
255552
3086
como instalación de arte.
04:34
It was invited, after the first year,
82
258638
2173
Fue invitado, después del primer año,
04:36
by the Ars Electronica Museum in Austria
83
260811
3044
por el Museo Ars Electrónica en Austria
04:39
to have it installed in their lobby,
84
263855
3000
para tenerlo instalado en
su vestíbulo,
su vestíbulo,
04:42
and I'm happy to say it remained online there,
85
266855
2418
y estoy feliz de decir que
permaneció ahí en línea
permaneció ahí en línea
04:45
24 hours a day, for almost nine years.
86
269273
4983
24 horas al día, durante casi 9 años.
04:50
That robot was operated by more people
87
274256
3799
Este robot fue operado por más gente
04:53
than any other robot in history.
88
278055
3086
que cualquier otro robot en la historia.
04:57
Now, one day,
89
281141
1554
Y así, un día,
04:58
I got a call out of the blue
90
282695
2317
recibí una llamada inesperada
05:00
from a student,
91
285012
2015
de un estudiante,
05:02
who asked a very simple but profound question.
92
287027
4670
quien hizo una muy simple pero profunda pregunta.
05:07
He said, "Is the robot real?"
93
291697
4538
Él dijo, "¿Es el robot real?"
05:12
Now, everyone else had assumed it was,
94
296235
2765
Bueno, todos los demás hubieran supuesto que sí,
05:14
and we knew it was because we were working with it.
95
299000
2331
y sabíamos que lo era porque estábamos
trabajando con él.
trabajando con él.
05:17
But I knew what he meant,
96
301331
1540
Pero supe qué quiso decir,
05:18
because it would be possible to take a bunch of pictures
97
302871
2593
porque sería posible tomar
un montón de fotos
un montón de fotos
05:21
of flowers in a garden and then, basically, index them
98
305464
4361
de flores en el jardín y entonces,
básicamente, ordenarlas
básicamente, ordenarlas
05:25
in a computer system such that it would appear
99
309825
2229
en un sistema informático
tal que pareciera
tal que pareciera
05:27
that there was a real robot when there wasn't.
100
312054
3074
que había un robot real
cuando no lo había.
cuando no lo había.
05:31
And the more I thought about it, I couldn't think
101
315128
1241
Y cuanto más pensaba en esto
no se me ocurría
no se me ocurría
05:32
of a good answer for how he could tell the difference.
102
316369
3551
en una buena respuesta para que
él pudiese distinguir la diferencia.
él pudiese distinguir la diferencia.
05:35
This was right about the time that I was offered a position
103
319920
2887
Fue justo cuando me ofrecieron una posición
05:38
here at Berkeley,
104
322807
2073
aquí en Berkeley;
05:40
and when I got here, I looked up Hubert Dreyfus,
105
324880
3552
cuando llegué,
busqué a Hubert Dreyfus,
busqué a Hubert Dreyfus,
05:44
who's a world-renowned professor of philosophy,
106
328432
3665
profesor de filosofía
de renombre mundial,
de renombre mundial,
05:47
and I talked with him about this, and he said,
107
332097
2374
y hablé con él de esto, y me dijo:
05:50
"This is one of the oldest and most central problems
108
334471
3560
"Este es uno de los problemas
más antiguos y más fundamentales
más antiguos y más fundamentales
05:53
in philosophy. It goes back to the Skeptics,
109
338031
3602
de la filosofía. Nos remonta a los escépticos,
05:57
and up through Descartes.
110
341633
1960
y de ahí a Descartes.
05:59
It's the issue of epistemology,
111
343593
3170
Es un problema epistemológico,
06:02
the study of how do we know that something is true."
112
346763
3750
el estudio de como sabemos
cuando algo es verdad.
cuando algo es verdad.
06:06
So he and I started working together,
113
350513
2223
Así, comenzamos a trabajar juntos
06:08
and we coined a new term: telepistemology,
114
352736
3041
y acuñamos un nuevo término:
'telepistemología',
'telepistemología',
06:11
the study of knowledge at a distance.
115
355777
3526
el estudio del conocimiento a la distancia.
06:15
We invited leading artists, engineers,
116
359303
2752
Invitamos a artistas, ingenieros
06:17
and philosophers to write essays about this,
117
362055
3064
y filósofos destacados
para escribir ensayos sobre esto
para escribir ensayos sobre esto
06:21
and the results, the results are collected in this book
118
365119
2340
y los resultados, los resultados
están compilados en este libro
están compilados en este libro
06:23
from MIT Press.
119
367459
2621
de la MIT Press.
06:25
So thanks to this student who questioned
120
370080
2332
Entonces, gracias a este estudiante
que cuestionó
que cuestionó
06:28
what everyone else had assumed to be true,
121
372412
2803
aquello que los demás
supusieron que era verdad,
supusieron que era verdad,
06:31
this project taught me an important lesson about life,
122
375215
4208
este proyecto me enseñó una lección
importante sobre la vida,
importante sobre la vida,
06:35
which is to always question assumptions.
123
379423
4073
y es que siempre hay que
cuestionar las suposiciones.
cuestionar las suposiciones.
06:39
Now, the second project I'll tell you about
124
383496
2648
Ahora, les contaré del segundo proyecto
06:42
grew out of the Telegarden.
125
386144
1879
surgido del Tele-jardín.
06:43
As it was operating, my students and I were very interested
126
388023
2576
Conforme operaba, con mis alumnos
estuvimos muy interesados
estuvimos muy interesados
06:46
in how people were interacting with each other
127
390599
2762
en la interacción de la gente entre sí
06:49
and what they were doing with the garden.
128
393361
1621
y en lo que estaban haciendo con el jardín.
06:50
So we started thinking, what if the robot could leave
129
394982
2262
Así comenzamos a pensar:
¿Y si el robot pudiera dejar
¿Y si el robot pudiera dejar
06:53
the garden and go out into some other
130
397244
2083
el jardín e ir a algún otro
06:55
interesting environment?
131
399327
1992
ambiente interesante?
06:57
Like, for example, what if it could go to a dinner party
132
401319
2179
Como, por ejemplo, ¿Y si
pudiera ir a una cena
pudiera ir a una cena
06:59
at the White House? (Laughter)
133
403498
5198
a la Casa Blanca? (Risas)
07:04
So, because we were interested more in the system design
134
408696
2841
Por esta razón nos estábamos interesando
más en el diseño de sistemas
más en el diseño de sistemas
07:07
and the user interface than in the hardware,
135
411537
3286
y en la interfaz del usuario
que en el hardware,
que en el hardware,
07:10
we decided that, rather than have
136
414823
2034
decidimos en vez de tener
07:12
a robot replace the human to go to the party,
137
416857
3678
un robot para remplazar al
humano para ir a la cena,
humano para ir a la cena,
07:16
we'd have a human replace the robot.
138
420535
2843
tendríamos un humano
para remplazar al robot.
para remplazar al robot.
07:19
We called it the Tele-Actor.
139
423378
2600
Lo llamamos el Tele-actor.
07:21
We got a human,
140
425978
2032
Conseguimos un humano,
07:23
someone who's very outgoing and gregarious,
141
428010
3007
alguien que fuera muy
cordial y sociable,
cordial y sociable,
07:26
and she was outfitted with a helmet
142
431017
3142
equipada con un casco
07:30
with various equipment, cameras and microphones,
143
434159
2570
con varios equipos, cámaras y micrófonos,
07:32
and then a backpack with wireless Internet connection,
144
436729
3740
y luego una mochila con una
conexión a Internet inalámbrica,
conexión a Internet inalámbrica,
07:36
and the idea was that she could go into a remote and
145
440469
3359
y la idea fue que ella podía ir
a un ambiente remoto
a un ambiente remoto
07:39
interesting environment, and then over the Internet,
146
443828
3815
interesante y entonces,
a través de la Internet,
a través de la Internet,
07:43
people could experience what she was experiencing,
147
447643
3151
la gente podía vivir
lo experimentado por ella
lo experimentado por ella
07:46
so they could see what she was seeing,
148
450794
2937
y ver lo visto por ella,
07:49
but then, more importantly, they could participate
149
453731
3307
pero entonces, incluso más importante,
podían participar,
podían participar,
07:52
by interacting with each other
150
457038
2948
interactuando el uno con el otro;
07:55
and coming up with ideas about what she should do next
151
459986
3705
llegando a ideas sobre lo siguiente
que ella debía hacer;
que ella debía hacer;
07:59
and where she should go,
152
463691
2216
a dónde debería ir;
08:01
and then conveying those to the Tele-Actor.
153
465907
3162
y transmitírselo al Tele-actor.
08:04
So we got a chance to take the Tele-Actor
154
469069
2445
Tuvimos la oportunidad de llevar el Tele-actor
08:07
to the Webby Awards in San Francisco,
155
471514
3615
a la premiación de los "Webby Awards"
en San Francisco.
en San Francisco.
08:11
and that year, Sam Donaldson was the host.
156
475129
4111
Ese año el anfitrión fue Sam Donaldson.
08:15
Just before the curtain went up, I had about 30 seconds
157
479240
3642
Justamente antes de levantarse la cortina,
tuve alrededor de 30 segundos
tuve alrededor de 30 segundos
08:18
to explain to Mr. Donaldson what we were gonna do,
158
482882
4458
para explicarle al Sr. Donaldson
qué haríamos.
qué haríamos.
08:23
and I said, "The Tele-Actor
159
487340
1864
Le dije: "El Tele-actor
08:25
is going to be joining you on stage,
160
489204
2456
lo va a acompañar a Ud.
en el escenario;
en el escenario;
08:27
and this is a new experimental project,
161
491660
2198
esto es un nuevo proyecto experimental;
08:29
and people are watching her on their screens,
162
493858
2625
la gente en sus pantallas
la estará observando;
la estará observando;
08:32
and she's got -- there's cameras involved and there's
163
496483
2305
ella está equipada con cámaras,
08:34
microphones and she's got an earbud in her ear,
164
498788
2911
micrófonos y un audífono en su oído;
08:37
and people over the network are giving her advice
165
501699
1447
y la gente desde la red le da
recomendaciones
recomendaciones
08:39
about what to do next."
166
503146
1368
sobre lo siguiente a hacer".
08:40
And he said, "Wait a second,
167
504514
3209
Y él dijo: "Espera un segundo,
08:43
that's what I do." (Laughter)
168
507723
6375
eso es lo que yo hago". (Risas)
08:49
So he loved the concept,
169
514098
1931
Por tanto, le encantó el concepto.
08:51
and when the Tele-Actor walked onstage,
170
516029
2340
Cuando el Tele-actor entró al escenario,
08:54
she walked right up to him, and she gave him a big kiss
171
518369
2821
ella caminó directo a él y le dio un gran beso
08:57
right on the lips. (Laughter)
172
521190
3106
justo en los labios. (Risas)
09:00
We were totally surprised.
173
524296
1131
Estábamos totalmente sorprendidos.
09:01
We had no idea that would happen.
174
525427
2017
No teníamos idea de lo que sucedería.
09:03
And he was great. He just gave her a big hug in return,
175
527444
2692
Él estuvo genial. Sólo le dio
a ella un gran abrazo en retorno
a ella un gran abrazo en retorno
09:06
and it worked out great.
176
530136
1769
y funcionó muy bien.
09:07
But that night, as we were packing up,
177
531905
2064
Pero esa noche, mientras empacábamos,
09:09
I asked the Tele-Actor, how did the Tele-Directors
178
533969
3608
pregunté a la tele-actriz
cómo decidieron los Tele-directores
cómo decidieron los Tele-directores
09:13
decide that they would give a kiss to Sam Donaldson?
179
537577
5558
que le diera un beso a Sam Donaldson.
09:19
And she said they hadn't.
180
543135
2212
Ella dijo: no lo decidieron.
09:21
She said, when she was just about to walk on stage,
181
545347
2434
Ella cuenta que cuando
caminaba sobre el escenario,
caminaba sobre el escenario,
09:23
the Tele-Directors were still trying to agree on what to do,
182
547781
2312
los Tele-directores estaban aún tratando
de llegar a un acuerdo sobre qué hacer,
de llegar a un acuerdo sobre qué hacer,
09:25
and so she just walked on stage and did
183
550093
2407
entonces ella sólo se dirigió al escenario e hizo
09:28
what felt most natural. (Laughter)
184
552500
5522
lo que sintió más natural. (Risas)
09:33
So, the success of the Tele-Actor that night
185
558022
3670
Así, el éxito del Tele-actor aquella noche
09:37
was due to the fact that she was a wonderful actor.
186
561692
4373
fue debido al hecho que ella
fue una maravillosa actriz
fue una maravillosa actriz
09:41
She knew when to trust her instincts,
187
566065
2357
Ella supo cuando confiar en sus instintos,
09:44
and so that project taught me another lesson about life,
188
568422
3864
y por tanto el proyecto me enseñó
otra lección sobre la vida,
otra lección sobre la vida,
09:48
which is that, when in doubt, improvise. (Laughter)
189
572286
6379
que es, ante la duda, improvisa. (Risas)
09:54
Now, the third project grew out of
190
578665
3080
Bueno, el tercer proyecto surgió
09:57
my experience when my father was in the hospital.
191
581745
4893
de mi experiencia cuando mi padre
estuvo en el hospital,
estuvo en el hospital,
10:02
He was undergoing a treatment,
192
586638
2240
sometiéndose a un tratamiento
10:04
chemotherapy treatments, and there's a related treatment
193
588878
3633
de quimioterapia, relacionado con otro tratamiento
10:08
called brachytherapy, where tiny, radioactive seeds
194
592511
5048
llamado braquiterapia, en el que
se colocan "semillas" pequeñas, radioactivas
se colocan "semillas" pequeñas, radioactivas
10:13
are placed into the body to treat cancerous tumors.
195
597559
4211
en el cuerpo para
tratar tumores cancerosos.
tratar tumores cancerosos.
10:17
And the way it's done, as you can see here,
196
601770
2097
Y la forma de hacerlo,
como pueden ver aquí...
como pueden ver aquí...
10:19
is that surgeons insert needles into the body
197
603867
4391
los cirujanos insertan agujas en el cuerpo
10:24
to deliver the seeds, and all this,
198
608258
2592
para liberar las semillas,
10:26
all these needles are inserted in parallel,
199
610850
3433
todas estas semillas en paralelo,
10:30
so it's very common that some of the needles
200
614283
2975
así es muy común penetrar órganos
10:33
penetrate sensitive organs, and as a result,
201
617258
4817
sensibles a las agujas y, como resultado,
10:37
the needles damage these organs, cause damage
202
622075
5063
las agujas causan daño a
estos órganos, y este daño
estos órganos, y este daño
10:43
which leads to trauma and side effects.
203
627138
3487
produce traumas y efectos secundarios.
10:46
So my students and I wondered, what if we could
204
630625
2500
Así mis estudiantes y yo nos preguntamos,
¿qué tal si pudiéramos
¿qué tal si pudiéramos
10:49
modify the system
205
633125
3485
modificar el sistema
10:52
so that the needles could come in at different angles?
206
636610
3785
para que las agujas pudieran
llegar en diferentes ángulos?
llegar en diferentes ángulos?
10:56
So we simulated this, and we developed some
207
640395
2777
Simulamos esto y desarrollamos algunos
10:59
optimization algorithms and we simulated this,
208
643172
2589
algoritmos de optimización;
lo simulamos
lo simulamos
11:01
and we were able to show that we are able to avoid
209
645761
2277
y pudimos demostrar que
seríamos capaces de evitar
seríamos capaces de evitar
11:03
the delicate organs and yet still achieve the coverage
210
648038
3767
los órganos delicados y aún
así lograr la cobertura
así lograr la cobertura
11:07
of the tumors with the radiation.
211
651805
3508
de los tumores con radiación.
11:11
So now, we're working with doctors at UCSF
212
655313
3498
Y ahora, estamos trabajando con médicos de
la Universidad de California en San Francisco
la Universidad de California en San Francisco
11:14
and engineers at Johns Hopkins
213
658811
2696
e ingenieros de John Hopkins
11:17
and we're building a robot that has a number of,
214
661507
3582
y construimos un robot
que tiene un número de,
que tiene un número de,
11:20
it's a specialized design with different joints that can allow
215
665089
3257
es un diseño especializado con diferentes
articulaciones que permiten
articulaciones que permiten
11:24
the needles to come in at an infinite variety of angles,
216
668346
4258
que las agujas se acerquen en una
variedad infinita de ángulos
variedad infinita de ángulos
11:28
and as you can see here, they can avoid delicate organs
217
672604
3166
y, como pueden ver aquí, pueden
evitar órganos delicados
evitar órganos delicados
11:31
and still reach the targets they're aiming for.
218
675770
4138
y aún así alcanzar los objetivos
pretendidos por ellas.
pretendidos por ellas.
11:35
So, by questioning this assumption that all the needles
219
679908
3317
Entonces, al cuestionar la suposición
de que todas las agujas
de que todas las agujas
11:39
have to be parallel, this project also taught me
220
683225
2945
tienen que ser paralelas,
este proyecto me enseñó
este proyecto me enseñó
11:42
an important lesson: When in doubt --
221
686170
3300
una lección importante:
11:45
When your path is blocked, pivot.
222
689470
4367
Cuando tu camino está bloqueado, pivota.
11:49
And the last project also has to do with medical robotics.
223
693837
4401
Y el último proyecto tiene relación
con la cirugía robótica.
con la cirugía robótica.
11:54
And this is something that's grown out of a system called
224
698238
4040
Y esto es algo que nació
a partir del sistema llamado
a partir del sistema llamado
11:58
the da Vinci surgical robot,
225
702278
3588
robot quirúrgico Da Vinci;
12:01
and this is a commercially available device.
226
705866
2468
es un dispositivo que está disponible comercialmente.
12:04
It's being used in over 2,000 hospitals around the world,
227
708334
3332
Lo usan unos 2000 hospitales en el mundo,
12:07
and the idea is it allows the surgeon
228
711666
2528
y la idea es permitirle a los cirujanos
12:10
to operate comfortably in his own coordinate frame,
229
714194
4249
operar cómodamente en su
propio marco de coordenadas
propio marco de coordenadas
12:14
but many of the subtasks in surgery
230
718443
4991
y muchas de las tareas menores en cirugía
12:19
are very routine and tedious, like suturing,
231
723434
3047
son muy rutinarias y tediosas, como suturar,
12:22
and currently, all of these are performed
232
726481
2365
y actualmente, todas éstas son realizadas
12:24
under the specific and immediate control of the surgeon,
233
728846
4420
bajo el específico e inmediato control del cirujano,
12:29
so the surgeon becomes fatigued over time.
234
733266
2658
causando fatiga al cirujano con el tiempo.
12:31
And we've been wondering,
235
735924
1295
Y nos habíamos preguntado:
12:33
what if we could program the robot
236
737219
2265
¿Y si pudiéramos programar al robot
12:35
to perform some of these subtasks,
237
739484
2487
para realizar algunas de estas tareas menores,
12:37
and thereby free the surgeons to focus
238
741971
1720
y de este modo liberar a los
cirujanos para que se concentren
cirujanos para que se concentren
12:39
on the more complicated parts of the surgery,
239
743691
2656
en las partes más complicadas de la cirugía
12:42
and also cut down on the time that the surgery would take
240
746347
3248
y también reducir el tiempo que lleva la cirugía?
12:45
if we could get the robot to do them a little bit faster?
241
749595
3023
¿Y si pudiéramos conseguir que el robot
las haga un poco más rápido?
las haga un poco más rápido?
12:48
Now, it's hard to program a robot to do delicate things
242
752618
2434
Bueno, es difícil programar un robot
para hacer actividades delicadas
para hacer actividades delicadas
12:50
like this, but it turns out my colleague, Pieter Abbeel,
243
755052
4079
como ésta, pero resulta que mi colega, Pieter Abbeel,
12:55
who's here at Berkeley, has develeloped
244
759131
2416
que ha desarrollado aquí en Berkeley
12:57
a new set of techniques for teaching robots from example.
245
761547
5623
unas nuevas técnicas
para enseñar a los robots con ejemplos.
para enseñar a los robots con ejemplos.
13:03
So he's gotten robots to fly helicopters,
246
767170
2767
De esta forma, ha conseguido
robots que vuelan helicópteros,
robots que vuelan helicópteros,
13:05
do incredibly interesting, beautiful acrobatics,
247
769937
3104
que hacen acrobacias increíbles,
interesantes y bellas
interesantes y bellas
13:08
by watching human experts fly them.
248
773041
2719
con sólo observar cómo pilotean
expertos humanos.
expertos humanos.
13:11
So we got one of these robots.
249
775760
2588
Así, conseguimos uno de esos robots.
13:14
We started working with Pieter and his students,
250
778348
2182
Comenzamos a trabajar con
Pieter y sus estudiantes
Pieter y sus estudiantes
13:16
and we asked a surgeon to perform
251
780530
2663
y le pedimos a un cirujano que realice
13:19
a task, and what we do is we, with the robot,
252
783193
4451
una tarea, y al robot
13:23
so what we're doing is asking the robot,
253
787644
2063
le pedimos al robot...
13:25
the surgeon to perform the task,
254
789707
1278
el cirujano realiza la tarea,
13:26
and we record the motions of the robot.
255
790985
2272
y nosotros registramos los movimientos del robot.
13:29
So here's an example. I'll use a figure eight,
256
793257
2128
Aquí tenemos un ejemplo.
Usaré un ocho como figura,
Usaré un ocho como figura,
13:31
tracing out a figure eight as an example.
257
795385
2240
rastrearemos la figura de ocho como ejemplo.
13:33
So here's what it looks like when the robot,
258
797625
3630
Aquí está cómo se ve cuando el robot...
13:37
this is what the robot's path looks like,
259
801255
2317
así se ven las trayectorias del robot,
13:39
those three examples.
260
803572
1174
esos tres ejemplos.
13:40
Now, those are much better than what a novice
261
804746
2462
Bueno, son mucho mejores
que los que un novato
que los que un novato
13:43
like I could do, but they're still jerky and imprecise.
262
807208
4657
como yo podría hacer pero
aún son erráticos e imprecisos.
aún son erráticos e imprecisos.
13:47
So we record all these examples, the data,
263
811865
2072
Así registramos todos estos
ejemplos, los datos,
ejemplos, los datos,
13:49
and then we go through a sequence of steps.
264
813937
3712
y luego seguimos una secuencia de pasos.
13:53
First, we used a technique called dynamic time warping
265
817649
3632
Primero, usamos un técnica llamada
deformación temporal dinámica
deformación temporal dinámica
13:57
from speech recognition, and this allows us to
266
821281
2182
del reconocimiento de voz
y esto nos permitió
y esto nos permitió
13:59
temporally align all of the examples,
267
823463
2840
alinear temporalmente
todos los ejemplos,
todos los ejemplos,
14:02
and then we apply Kalman filtering,
268
826303
2929
y entonces aplicamos
un filtro de Kalman,
un filtro de Kalman,
14:05
a technique from control theory, that allows us
269
829232
2983
una técnica de teoría de control,
que nos permite
que nos permite
14:08
to statistically analyze all the noise
270
832215
2672
analizar estadísticamente
todos los ruidos
todos los ruidos
14:10
and extract the desired trajectory that underlies them.
271
834887
6183
y extraer la trayectoria deseada subyacente.
14:16
Now, so what we're doing is that we take those
272
841070
1994
Lo que hicimos fue tomar estos
14:18
human demonstrations, they're all noisy and imperfect,
273
843064
2023
ejemplos humanos, ruidosas e imperfectas;
14:20
and we extract from them an inferred task trajectory
274
845087
3091
de ellas extrajimos
una trayectoria inferida de la tarea;
una trayectoria inferida de la tarea;
14:24
and control sequence for the robot.
275
848178
3003
y la secuencia de control para el robot.
14:27
We then execute that on the robot,
276
851181
2184
Luego ejecutamos esto en el robot,
14:29
we observe what happens,
277
853365
2172
observamos qué ocurre,
14:31
then we adjust the controls using a sequence of techniques
278
855537
2662
ajustamos los controles usando
una secuencia de técnicas
una secuencia de técnicas
14:34
called iterative learning.
279
858199
2930
llamada aprendizaje iterativo.
14:37
Then what we do is, we increase the velocity a little bit.
280
861129
3977
Incrementamos la velocidad un poco.
14:41
We observe the results, adjust the controls again,
281
865106
3563
Observamos los resultados,
ajustamos los controles de nuevo,
ajustamos los controles de nuevo,
14:44
and observe what happens.
282
868669
2522
y observamos lo ocurrido.
14:47
And we go through this several rounds.
283
871191
2136
Y hacemos esto en varias rondas.
14:49
And here's the result.
284
873327
1356
Y este es el resultado.
14:50
That's the inferred task trajectory,
285
874683
1845
Esta es la trayectoria inferida de la tarea,
14:52
and here's the robot moving at the speed of the human.
286
876528
3463
y aquí tenemos al robot moviéndose
a la velocidad del humano.
a la velocidad del humano.
14:55
Here's four times the speed of the human.
287
879991
2442
Aquí es cuatro veces la
velocidad del humano.
velocidad del humano.
14:58
Here's seven times.
288
882433
2571
Aquí es siete veces.
15:00
And here's the robot operating at 10 times
289
885004
3637
Y aquí está el robot operando a 10 veces
15:04
the speed of the human.
290
888641
2200
la velocidad del humano.
15:06
So we're able to get a robot to perform a delicate task,
291
890841
2950
Así, pudimos lograr que un robot
realice tareas delicadas,
realice tareas delicadas,
15:09
like a surgical subtask,
292
893791
3224
como un tarea quirúrgica menor,
15:12
at 10 times the speed of a human.
293
897015
3247
a 10 veces la velocidad de un humano.
15:16
So this project also, because of its involved practicing
294
900262
4223
Así este proyecto también,
gracias a la práctica y el aprendizaje
gracias a la práctica y el aprendizaje
15:20
and learning, doing something over and over again,
295
904485
2173
que conllevó, hacer algo una y otra vez,
15:22
this project also has a lesson, which is,
296
906658
2757
este proyecto también deja
una lección y es que
una lección y es que
15:25
if you want to do something well,
297
909415
3126
si quieren hacer algo bien,
15:28
there's no substitute for practice, practice, practice.
298
912541
7948
no hay sustituto a la práctica,
práctica, práctica.
práctica, práctica.
15:36
So these are four of the lessons that I've learned
299
920505
3120
Estas son las cuatro lecciones que he aprendido
15:39
from robots over the years,
300
923625
3127
de los robots a través de los años,
15:42
and robotics, the field of robotics has gotten much better
301
926752
5369
y la robótica, el campo de la
robótica ha mejorado mucho
robótica ha mejorado mucho
15:48
over time.
302
932121
2168
con el tiempo.
15:50
Nowadays, high school students can build robots
303
934289
2167
Hoy en día, los alumnos de secundaria
pueden construir robots
pueden construir robots
15:52
like the industrial robot my dad and I tried to build.
304
936456
4025
como el robot industrial que mi papá
y yo tratamos de construir.
y yo tratamos de construir.
15:56
And now, I have a daughter,
305
940481
6982
Y ahora, tengo una hija,
16:03
named Odessa.
306
947463
2386
llamada Odessa.
16:05
She's eight years old,
307
949849
1833
Tiene ocho años de edad.
16:07
and she likes robots, too.
308
951682
2424
y también le gustan los robots.
16:10
Maybe it runs in the family. (Laughter)
309
954106
2414
Quizá lo llevamos en la sangre. (Risas)
16:12
I wish she could meet my dad.
310
956520
3647
¡Cómo deseo que hubiese podido conocer a papá!
16:16
And now I get to teach her how things work,
311
960167
2900
Y ahora yo debo enseñarle
cómo funcionan las cosas.
cómo funcionan las cosas.
16:18
and we get to build projects together, and I wonder
312
963067
2772
Construimos proyectos juntos,
y me pregunto:
y me pregunto:
16:21
what kind of lessons that she'll learn from them.
313
965839
4308
¿qué clase de lecciones aprenderá de ellos?
16:26
Robots are the most human
314
970147
2607
Los robots son las más humanas
16:28
of our machines.
315
972754
2229
de nuestras máquinas.
16:30
They can't solve all of the world's problems,
316
974983
3085
Ellos no pueden resolver todos
los problemas del mundo,
los problemas del mundo,
16:33
but I think they have something important to teach us.
317
978068
4358
pero pienso que tienen algo
importante para enseñarnos.
importante para enseñarnos.
16:38
I invite all of you to think about the innovations
318
982426
3343
Los invito a pensar
en las innovaciones
en las innovaciones
16:41
that you're interested in,
319
985769
2675
que les interesen,
16:44
the machines that you wish for,
320
988444
3216
en las máquinas que desean,
16:47
and think about what they might be telling you,
321
991660
3169
y piensen en qué podrían decirles,
16:50
because I have a hunch
322
994829
2063
porque tengo la corazonada
16:52
that many of our technological innovations,
323
996892
2087
de que muchas de nuestras innovaciones tecnológicas,
16:54
the devices we dream about,
324
998979
2658
los instrumentos soñados por nosotros,
16:57
can inspire us to be better humans.
325
1001637
3964
pueden inspirarnos a ser mejores humanos.
17:01
Thank you. (Applause)
326
1005601
3585
Gracias. (Aplausos)
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