TEDxBerkeley
Ken Goldberg: 4 lessons from robots about being human
Ken Goldberg: 4 tanulság a robotoktól az ember számára
Filmed:
Readability: 4.6
387,467 views
Minél inkább beleépülnek a robotok a mindennapi életünkbe, annál inkább erőltetjük önmagunk emberként való meghatározását. A TEDxBerkeley-n, Ken Goldberg megosztott négy nagyon emberi tanulságot, amit a robotokkal való dolgozás során ismert fel.
(a TEDxBerkeley-n felvett)
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
Tudom, hogy furcsán hangzik,
00:18
but I think robots can inspire us
1
3052
3294
de úgy gondolom,
hogy a robotok arra ösztönöznek minket,
hogy a robotok arra ösztönöznek minket,
00:22
to be better humans.
2
6346
2388
hogy jobb emberek legyünk.
00:24
See, I grew up in Bethlehem, Pennsylvania,
3
8734
3629
Betlehemben, Pennsylvaniában nőttem fel,
a Betlehem Acélművek hazájában.
00:28
the home of Bethlehem Steel.
4
12363
2321
00:30
My father was an engineer,
5
14684
2079
Az apám mérnök volt,
00:32
and when I was growing up, he would teach me
6
16763
2851
és amikor felnőttem,
megtanított engem,
megtanított engem,
00:35
how things worked.
7
19614
1159
hogy hogyan működnek a dolgok.
00:36
We would build projects together,
8
20773
2815
Együtt építettünk mindenféléket,
például rakétamodelleket
és vájatvezetéses autópályákat.
és vájatvezetéses autópályákat.
00:39
like model rockets and slot cars.
9
23588
2792
00:42
Here's the go-kart that we built together.
10
26380
3284
Itt van a gokart, amit együtt építettünk.
00:45
That's me behind the wheel,
11
29664
2219
Az ott én vagyok a kormánynál,
00:47
with my sister and my best friend at the time,
12
31883
3819
a nővéremmel és az akkori
legjobb barátommal,
legjobb barátommal,
00:51
and one day,
13
35702
2123
és egy napon,
00:53
he came home, when I was about 10 years old,
14
37825
3107
mikor 10 éves volt, hazajött,
00:56
and at the dinner table, he announced
15
40932
2304
és az étkezőasztalnál közölte,
00:59
that for our next project, we were going to build a robot.
16
43236
6438
hogy következő projektként
egy robotot fogunk építeni.
egy robotot fogunk építeni.
Egy robotot.
01:05
A robot.
17
49674
1109
01:06
Now, I was thrilled about this,
18
50783
2252
Nos, fellelkesültem ettől,
01:08
because at school,
19
53035
1590
mert az iskolában,
volt egy Kevin nevű erőszakos fiú,
01:10
there was a bully named Kevin,
20
54625
2075
01:12
and he was picking on me
21
56700
2246
aki folyton piszkált engem azért,
mert én voltam
az egyetlen zsidó fiú az osztályban.
az egyetlen zsidó fiú az osztályban.
01:14
because I was the only Jewish kid in class.
22
58946
2414
01:17
So I couldn't wait to get started to work on this
23
61360
2813
így alig vártam,
hogy elkezdjük ezt a munkát,
hogy elkezdjük ezt a munkát,
és bemutathassam Kevinnek
a robotomat. (Nevetés)
a robotomat. (Nevetés)
01:20
so I could introduce Kevin to my robot. (Laughter)
24
64173
3822
01:23
(Robot noises)
25
67995
11063
(Robotzaj)
De ez nem az a fajta robot volt,
amit édesapám értett ezalatt.
amit édesapám értett ezalatt.
01:34
But that wasn't the kind of robot my dad had in mind.
26
79058
4875
Tudják, volt egy krómozással
foglalkozó cége,
foglalkozó cége,
01:39
See, he owned a chromium plating company,
27
83933
3728
01:43
and they had to move
28
87661
2176
és nehéz acéltárgyakat
kellett mozgatniuk
kellett mozgatniuk
a vegyi anyagokat tartalmazó
tartályok között.
tartályok között.
01:45
heavy steel parts between tanks of chemicals,
29
89837
3096
01:48
and so he needed an industrial robot like this
30
92933
3790
Ezért ehhez hasonló ipari robotokra
volt szüksége,
volt szüksége,
melyek képesek nehéz terheket felemelni.
01:52
that could basically do the heavy lifting.
31
96723
3099
De az apám nem talált olyan robotot,
amilyenre szüksége volt.
amilyenre szüksége volt.
01:55
But my dad didn't get the kind of robot he wanted, either.
32
99822
3905
Ő és én több évig dolgoztunk ezen,
01:59
He and I worked on it for several years,
33
103727
2597
de akkortájt, az 1970-es években
02:02
but it was the 1970s,
34
106324
1978
az amatőrök számára
elérhető technológia,
elérhető technológia,
02:04
and the technology that was available to amateurs
35
108302
2526
02:06
just wasn't there yet.
36
110828
2657
még nem volt meg.
02:09
So Dad continued to do this kind of work by hand,
37
113485
3745
Így apa kézzel folytatta
ennek a fajta munkának az elvégzését,
ennek a fajta munkának az elvégzését,
02:13
and a few years later,
38
117230
2275
és néhány év múlva,
rákot diagnosztizáltak nála.
02:15
he was diagnosed with cancer.
39
119505
4139
A robot, amelyet megpróbáltunk építeni,
02:19
You see, what the robot we were trying to build
40
123644
3305
02:22
was telling him was not about doing the heavy lifting.
41
126949
3267
közölte, hogy nem emel
nehéz terheket.
nehéz terheket.
Veszélyt jelentett rá a mérgező
vegyszereknek való kitettség.
vegyszereknek való kitettség.
02:26
It was a warning about his exposure to the toxic chemicals.
42
130216
4308
02:30
He didn't recognize that at the time,
43
134524
2977
Ő nem ismerte ezt fel időben,
így leukémiás lett,
02:33
and he contracted leukemia,
44
137501
2139
02:35
and he died at the age of 45.
45
139640
3222
és 45 éves korában meghalt.
02:38
I was devastated by this,
46
142862
2841
Ez feldúlt engem,
és soha nem felejtettem el a robotot,
amelyet megpróbáltunk megépíteni.
amelyet megpróbáltunk megépíteni.
02:41
and I never forgot the robot that he and I tried to build.
47
145703
4575
Mikor főiskolás voltam, úgy döntöttem,
hogy mérnök leszek, mint ő.
hogy mérnök leszek, mint ő.
02:46
When I was in college, I decided to study engineering, like him.
48
150278
4311
02:50
And I went to Carnegie Mellon, and I earned my PhD in robotics.
49
154589
4946
A Carnegie Mellon-ra mentem,
és PhD fokozatot szereztem robotikából.
és PhD fokozatot szereztem robotikából.
02:55
I've been studying robots ever since.
50
159535
3094
Azóta folyamatosan robotikát tanulok.
Így most négy robotprojektről
02:58
So what I'd like to tell you about
51
162629
1638
03:00
are four robot projects
52
164267
2714
szeretnék beszélni, és arról,
03:02
and how they've inspired me to be a better human.
53
166981
7044
hogyan késztettek arra,
hogy jobb ember legyek.
hogy jobb ember legyek.
03:09
By 1993, I was a young professor at USC,
54
174025
5749
1993-ra fiatal professzor
voltam a USC-n,
voltam a USC-n,
s éppen csak hogy felépítettem
a saját robotikai laboromat.
a saját robotikai laboromat.
03:15
and I was just building up my own robotics lab,
55
179774
3037
Ez volt az az év,
amikor megjelent a világháló [www].
amikor megjelent a világháló [www].
03:18
and this was the year that the World Wide Web came out.
56
182811
3585
Emlékszem, a tanítványaimtól
03:22
And I remember my students were the ones
57
186396
1176
03:23
who told me about it,
58
187572
1704
hallottam először erről,
03:25
and we would -- we were just amazed.
59
189276
2619
és ez a dolog lenyűgözött bennünket.
03:27
We started playing with this, and that afternoon,
60
191895
3434
Elkezdtünk ezzel játszani,
és aznap délután rájöttünk,
és aznap délután rájöttünk,
hogyan használhatnánk ezt az új,
általános interfészt arra,
általános interfészt arra,
03:31
we realized that we could use this new, universal interface
61
195329
3853
03:35
to allow anyone in the world
62
199182
2543
hogy bárkinek a világon megengedjük
03:37
to operate the robot in our lab.
63
201725
3048
a laborunkban lévő robot működtetését.
03:40
So, rather than have it fight or do industrial work,
64
204773
5708
Nos, egy harci, vagy
ipari munkát végző robot helyett,
ipari munkát végző robot helyett,
úgy döntöttünk,
hogy egy virágültető robotot építünk.
hogy egy virágültető robotot építünk.
03:46
we decided to build a planter,
65
210481
2486
Itt van középen a robot,
03:48
put the robot into the center of it,
66
212967
1976
és elneveztük Telegarden-nek.
03:50
and we called it the Telegarden.
67
214943
2353
03:53
And we had put a camera in the gripper of the hand
68
217296
3603
Tettünk egy kamerát
a robotkar markolójára,
a robotkar markolójára,
03:56
of the robot, and we wrote some special scripts
69
220899
2709
írtunk egy kis programot,
03:59
and software so that anyone in the world could come in
70
223608
3161
amivel a világon bárki bejöhet,
04:02
and by clicking on the screen
71
226769
2329
és a képernyőre klikkelve
körbeforgathatja a robotot,
04:04
they could move the robot around
72
229098
2173
és meglátogathatja a kertet.
04:07
and visit the garden.
73
231271
2316
De engedélyeztük
másik szoftverek használatát is,
másik szoftverek használatát is,
04:09
But we also allowed, set up some other software
74
233587
3620
melyek segítségével távolról segíthetnek
nekünk a kert megöntözésében,
nekünk a kert megöntözésében,
04:13
that lets you participate and help us water the garden
75
237207
3419
és aki részt vesz az öntözésben
néhány alkalommal,
néhány alkalommal,
04:16
remotely, and if you water it a few times,
76
240626
3045
azoknak adunk saját magokat,
melyeket elültethetnek.
melyeket elültethetnek.
04:19
we'd give you your own seed to plant.
77
243671
3585
Nos, ez egy projekt volt,
egy műszaki projekt.
egy műszaki projekt.
04:23
Now, this was a project, an engineering project,
78
247256
3271
Közöltünk néhány tanulmányt
a tervéről,
a tervéről,
04:26
and we published some papers on the design,
79
250527
2776
a rendszer tervéről,
de egyúttal úgy is gondoltunk rá,
de egyúttal úgy is gondoltunk rá,
04:29
the system design of it, but we also thought of it
80
253303
2249
04:31
as an art installation.
81
255552
3086
mint egy művészeti installációra.
Az első év elteltével meghívást kaptunk
04:34
It was invited, after the first year,
82
258638
2173
az ausztriai Ars Electronica Múzeumtól,
04:36
by the Ars Electronica Museum in Austria
83
260811
3044
hogy állítsuk ki az előcsarnokban.
04:39
to have it installed in their lobby,
84
263855
3000
04:42
and I'm happy to say it remained online there,
85
266855
2418
Örömmel mondhatom,
hogy online még mindig ott van,
hogy online még mindig ott van,
04:45
24 hours a day, for almost nine years.
86
269273
4983
napi 24 órában, majdnem 9 éve.
Azt a robotot több ember működtette,
04:50
That robot was operated by more people
87
274256
3799
04:53
than any other robot in history.
88
278055
3086
mint bármely másikat a történelemben.
Nos, egy napon,
04:57
Now, one day,
89
281141
1554
04:58
I got a call out of the blue
90
282695
2317
váratlanul felhívott
05:00
from a student,
91
285012
2015
egy diák,
05:02
who asked a very simple but profound question.
92
287027
4670
és feltett egy nagyon egyszerű,
de mély értelmű kérdést:
de mély értelmű kérdést:
05:07
He said, "Is the robot real?"
93
291697
4538
"Ez a robot valóban létezik? "
05:12
Now, everyone else had assumed it was,
94
296235
2765
Nos mindenki más feltételezte, hogy igen,
és mi tudtuk ezt,
mivel mi dolgoztunk vele.
mivel mi dolgoztunk vele.
05:14
and we knew it was because we were working with it.
95
299000
2331
De nekem leesett, hogy mire gondol.
05:17
But I knew what he meant,
96
301331
1540
Hiszen megtehettük volna,
hogy készítünk egy csomó képet
hogy készítünk egy csomó képet
05:18
because it would be possible to take a bunch of pictures
97
302871
2593
05:21
of flowers in a garden and then, basically, index them
98
305464
4361
virágokról egy kertben, majd
betöltjük őket
betöltjük őket
egy számítógép adatbázisába,
hogy úgy tűnjön,
hogy úgy tűnjön,
05:25
in a computer system such that it would appear
99
309825
2229
05:27
that there was a real robot when there wasn't.
100
312054
3074
mintha ott egy kész robot lenne,
miközben nincs.
miközben nincs.
Sokat gondolkodtam ezen,
05:31
And the more I thought about it, I couldn't think
101
315128
1241
05:32
of a good answer for how he could tell the difference.
102
316369
3551
de nem tudtam, mi a jó válasz,
hogy tudnám elmagyarázni a különbséget.
hogy tudnám elmagyarázni a különbséget.
05:35
This was right about the time that I was offered a position
103
319920
2887
Ez akkor történt,
amikor felajánlottak egy állást
amikor felajánlottak egy állást
itt a Berkeley-ben.
05:38
here at Berkeley,
104
322807
2073
Mikor ideértem,
felkerestem Hubert Dreyfust,
felkerestem Hubert Dreyfust,
05:40
and when I got here, I looked up Hubert Dreyfus,
105
324880
3552
05:44
who's a world-renowned professor of philosophy,
106
328432
3665
a világszerte elismert
filozófia-professzort.
filozófia-professzort.
05:47
and I talked with him about this, and he said,
107
332097
2374
Beszéltem neki erről, mire ő azt mondta:
"Ez az egyik legrégebbi
és legközpontibb filozófiai probléma.
és legközpontibb filozófiai probléma.
05:50
"This is one of the oldest and most central problems
108
334471
3560
Egészen a Szkeptikusokig
05:53
in philosophy. It goes back to the Skeptics,
109
338031
3602
és Descartes-ig nyúlik vissza.
05:57
and up through Descartes.
110
341633
1960
Ez az ismeretelméletnek [episztemológia],
annak a tudománynak a területe,
annak a tudománynak a területe,
05:59
It's the issue of epistemology,
111
343593
3170
ami azt kutatja: hogyan tudhatjuk,
hogy valami igaz."
hogy valami igaz."
06:02
the study of how do we know that something is true."
112
346763
3750
Elkezdtünk együtt dolgozni,
06:06
So he and I started working together,
113
350513
2223
és létrehoztunk egy új szót:
"telepisztemológia",
"telepisztemológia",
06:08
and we coined a new term: telepistemology,
114
352736
3041
06:11
the study of knowledge at a distance.
115
355777
3526
azaz a tudás tanulmányozása távolból.
Vezető művészeket, mérnököket
06:15
We invited leading artists, engineers,
116
359303
2752
06:17
and philosophers to write essays about this,
117
362055
3064
és filozófusokat kértünk fel,
hogy írjanak erről tanulmányokat,
hogy írjanak erről tanulmányokat,
06:21
and the results, the results are collected in this book
118
365119
2340
és az eredményeket,
ebben a könyvben gyűjtöttük össze,
ebben a könyvben gyűjtöttük össze,
06:23
from MIT Press.
119
367459
2621
melyet az MIT Press adott ki.
Köszönöm hát ennek a diáknak,
aki megkérdőjelezte azt,
aki megkérdőjelezte azt,
06:25
So thanks to this student who questioned
120
370080
2332
06:28
what everyone else had assumed to be true,
121
372412
2803
amit mindenki más igaznak tartott.
06:31
this project taught me an important lesson about life,
122
375215
4208
Ez a projekt egy fontos dolgot
tanított meg nekem az életről:
tanított meg nekem az életről:
mindig kérdőjelezzük meg
a feltételezéseket!
a feltételezéseket!
06:35
which is to always question assumptions.
123
379423
4073
06:39
Now, the second project I'll tell you about
124
383496
2648
A második projekt, amiről beszélni fogok,
a Telegardenből fejlődött ki.
06:42
grew out of the Telegarden.
125
386144
1879
Ennek működése közben tanítványaim és én
érdeklődve figyeltük,
érdeklődve figyeltük,
06:43
As it was operating, my students and I were very interested
126
388023
2576
06:46
in how people were interacting with each other
127
390599
2762
hogy az emberek hogyan lépnek
kapcsolatba egymással,
kapcsolatba egymással,
és mit csinálnak a kerttel.
06:49
and what they were doing with the garden.
128
393361
1621
Elkezdtünk azon gondolkodni, mi lenne,
ha a robot elhagyná a kertet,
ha a robot elhagyná a kertet,
06:50
So we started thinking, what if the robot could leave
129
394982
2262
06:53
the garden and go out into some other
130
397244
2083
és kimenne néhány másik,
06:55
interesting environment?
131
399327
1992
érdekes környezetbe?
06:57
Like, for example, what if it could go to a dinner party
132
401319
2179
Mint például,
ha elmenne egy vacsorára
ha elmenne egy vacsorára
06:59
at the White House? (Laughter)
133
403498
5198
a Fehér Házba? (Nevetés)
Így, mivel jobban érdekelt bennünket
a rendszer tervezése
a rendszer tervezése
07:04
So, because we were interested more in the system design
134
408696
2841
07:07
and the user interface than in the hardware,
135
411537
3286
és felhasználói felülete,
mint a hardvere, eldöntöttük:
mint a hardvere, eldöntöttük:
07:10
we decided that, rather than have
136
414823
2034
ahelyett, hogy
07:12
a robot replace the human to go to the party,
137
416857
3678
egy robottal helyettesítenénk
az embert a vacsorán,
az embert a vacsorán,
07:16
we'd have a human replace the robot.
138
420535
2843
helyettesítsük egy emberrel a robotot.
07:19
We called it the Tele-Actor.
139
423378
2600
Ezt Tele-Actornak neveztük el.
07:21
We got a human,
140
425978
2032
Fogtunk egy embert,
egy nagyon társaságkedvelő,
társasági személyt,
társasági személyt,
07:23
someone who's very outgoing and gregarious,
141
428010
3007
07:26
and she was outfitted with a helmet
142
431017
3142
felszereltük egy sisakkal,
07:30
with various equipment, cameras and microphones,
143
434159
2570
különböző eszközökkel,
kamerákkal és mikronokkal,
kamerákkal és mikronokkal,
07:32
and then a backpack with wireless Internet connection,
144
436729
3740
és egy wifi-s hátizsákkal.
07:36
and the idea was that she could go into a remote and
145
440469
3359
Az elképzelésünk az volt,
hogy menjen el egy távoli
hogy menjen el egy távoli
07:39
interesting environment, and then over the Internet,
146
443828
3815
és érdekes környezetbe,
ahol az emberek az Interneten keresztül,
ahol az emberek az Interneten keresztül,
érzékelhetnék az ő tapasztalatait,
07:43
people could experience what she was experiencing,
147
447643
3151
láthatnák, amit ő lát,
07:46
so they could see what she was seeing,
148
450794
2937
és aztán, ami még fontosabb,
közreműködhetnének
közreműködhetnének
07:49
but then, more importantly, they could participate
149
453731
3307
egymással együttműködve,
07:52
by interacting with each other
150
457038
2948
új ötleteket adhatnának arra,
hogy mit csináljon legközelebb,
hogy mit csináljon legközelebb,
07:55
and coming up with ideas about what she should do next
151
459986
3705
07:59
and where she should go,
152
463691
2216
és hová menjen.
08:01
and then conveying those to the Tele-Actor.
153
465907
3162
Aztán mindezt átadnák a Tele-Actornak.
Így lehetőséget kaptunk arra,
hogy elvigyük a Tele-Actort
hogy elvigyük a Tele-Actort
08:04
So we got a chance to take the Tele-Actor
154
469069
2445
a Webby-díj átadására San Franciscóban.
08:07
to the Webby Awards in San Francisco,
155
471514
3615
Abban az évben
Sam Donaldson volt a házigazda.
Sam Donaldson volt a házigazda.
08:11
and that year, Sam Donaldson was the host.
156
475129
4111
08:15
Just before the curtain went up, I had about 30 seconds
157
479240
3642
Alig fél percem volt
a függöny felgördülése előtt
a függöny felgördülése előtt
elmagyarázni Mr. Donaldson-nak,
hogy mit tudunk vele csinálni,
hogy mit tudunk vele csinálni,
08:18
to explain to Mr. Donaldson what we were gonna do,
158
482882
4458
08:23
and I said, "The Tele-Actor
159
487340
1864
és azt mondtam: "A Tele-Actor
08:25
is going to be joining you on stage,
160
489204
2456
követni fog téged a színpadra,
08:27
and this is a new experimental project,
161
491660
2198
ez egy új kísérleti projekt,
08:29
and people are watching her on their screens,
162
493858
2625
és az emberek láthatják őt
a képernyőjükön,
a képernyőjükön,
08:32
and she's got -- there's cameras involved and there's
163
496483
2305
hogy kamerák és mikrofonok
vannak rajta,
vannak rajta,
08:34
microphones and she's got an earbud in her ear,
164
498788
2911
fülhallgató van a fülében,
és az emberek a hálózaton át
javasolhatják neki,
javasolhatják neki,
08:37
and people over the network are giving her advice
165
501699
1447
08:39
about what to do next."
166
503146
1368
mit csináljon legközelebb."
08:40
And he said, "Wait a second,
167
504514
3209
Erre ő azt mondta: "Várj egy percet,
08:43
that's what I do." (Laughter)
168
507723
6375
én ezt csinálom." (Nevetés)
Szóval, tetszett neki az ötlet,
08:49
So he loved the concept,
169
514098
1931
és amikor a Tele-Actor a színpadon sétált,
08:51
and when the Tele-Actor walked onstage,
170
516029
2340
08:54
she walked right up to him, and she gave him a big kiss
171
518369
2821
odament hozzá és adott neki
egy csókot
egy csókot
08:57
right on the lips. (Laughter)
172
521190
3106
a szájára. (Nevetés)
09:00
We were totally surprised.
173
524296
1131
Teljesen megdöbbentünk.
09:01
We had no idea that would happen.
174
525427
2017
Fogalmunk sem volt, hogy történhetett.
Ő pompásan reagált.
Válaszul rögtön megölelte,
Válaszul rögtön megölelte,
09:03
And he was great. He just gave her a big hug in return,
175
527444
2692
09:06
and it worked out great.
176
530136
1769
és az egész remekül működött.
09:07
But that night, as we were packing up,
177
531905
2064
De azon az estén, amint becsomagoltunk,
09:09
I asked the Tele-Actor, how did the Tele-Directors
178
533969
3608
megkérdeztük a Tele-Actort,
hogyan döntöttek úgy a Tele-Directorok,
hogyan döntöttek úgy a Tele-Directorok,
09:13
decide that they would give a kiss to Sam Donaldson?
179
537577
5558
hogy csókolja meg Sam Donaldsont?
09:19
And she said they hadn't.
180
543135
2212
Ő azt válaszolta,
hogy nem ők döntöttek.
hogy nem ők döntöttek.
Azt mondta, hogy mikor
elkezdett sétálni a színpadon,
elkezdett sétálni a színpadon,
09:21
She said, when she was just about to walk on stage,
181
545347
2434
a Tele-Directorok még tanakodtak,
mit csináljon,
mit csináljon,
09:23
the Tele-Directors were still trying to agree on what to do,
182
547781
2312
09:25
and so she just walked on stage and did
183
550093
2407
és így ő csak sétált a színpadon,
és azt csinálta,
és azt csinálta,
09:28
what felt most natural. (Laughter)
184
552500
5522
amit a legtermészetesebbnek érzett.
(Nevetés)
(Nevetés)
09:33
So, the success of the Tele-Actor that night
185
558022
3670
Így azon az estén a Tele-Actor sikere
09:37
was due to the fact that she was a wonderful actor.
186
561692
4373
annak volt köszönhető,
hogy ő egy csodálatos színész volt.
hogy ő egy csodálatos színész volt.
Tudta, mikor bízhat az ösztöneiben,
09:41
She knew when to trust her instincts,
187
566065
2357
09:44
and so that project taught me another lesson about life,
188
568422
3864
és így ez a projekt
még egy dologra megtanított az életről:
még egy dologra megtanított az életről:
Ha nem tudsz dönteni, improvizálj!
(Nevetés)
(Nevetés)
09:48
which is that, when in doubt, improvise. (Laughter)
189
572286
6379
09:54
Now, the third project grew out of
190
578665
3080
Nos, a harmadik projektet
09:57
my experience when my father was in the hospital.
191
581745
4893
apám kórházi kezelésének
tapasztalatai ihlették.
tapasztalatai ihlették.
10:02
He was undergoing a treatment,
192
586638
2240
Ő éppen kezelés alatt állt.
10:04
chemotherapy treatments, and there's a related treatment
193
588878
3633
Kemoterápiás kezeléseket,
és egy másik, sugárterápiás
és egy másik, sugárterápiás
10:08
called brachytherapy, where tiny, radioactive seeds
194
592511
5048
kezelést kapott, melynek során
apró, rádióaktív gócokat
apró, rádióaktív gócokat
10:13
are placed into the body to treat cancerous tumors.
195
597559
4211
visznek be a testbe,
a rákos tumor kezelésére.
a rákos tumor kezelésére.
Ez úgy történik, ahogy itt is látható,
10:17
And the way it's done, as you can see here,
196
601770
2097
10:19
is that surgeons insert needles into the body
197
603867
4391
hogy a sebészek
tűket szúrnak a testbe
tűket szúrnak a testbe
a gócok bevitele érdekében,
10:24
to deliver the seeds, and all this,
198
608258
2592
10:26
all these needles are inserted in parallel,
199
610850
3433
és ezeket a tűket párhuzamosan
vezetik be.
vezetik be.
10:30
so it's very common that some of the needles
200
614283
2975
Így nagyon gyakori, hogy néhány tű
10:33
penetrate sensitive organs, and as a result,
201
617258
4817
érzékeny szervekbe hatol,
és ennek eredményeként
és ennek eredményeként
10:37
the needles damage these organs, cause damage
202
622075
5063
ezek a szervek károsodást szenvednek,
10:43
which leads to trauma and side effects.
203
627138
3487
mely traumához és
egyéb mellékhatásokhoz vezet.
egyéb mellékhatásokhoz vezet.
Diákjaim és én arra voltunk kíváncsiak,
vajon mi lenne,
vajon mi lenne,
10:46
So my students and I wondered, what if we could
204
630625
2500
10:49
modify the system
205
633125
3485
ha úgy módosítanánk a rendszert,
10:52
so that the needles could come in at different angles?
206
636610
3785
hogy a tűk különböző szögekben
hatoljanak be.
hatoljanak be.
10:56
So we simulated this, and we developed some
207
640395
2777
Hogy ezt szimulálni tudjuk,
optimalizáló algoritmusokat
optimalizáló algoritmusokat
10:59
optimization algorithms and we simulated this,
208
643172
2589
fejlesztettünk, melyekkel
sikerült bebizonyítanunk,
sikerült bebizonyítanunk,
11:01
and we were able to show that we are able to avoid
209
645761
2277
hogy képesek vagyunk
11:03
the delicate organs and yet still achieve the coverage
210
648038
3767
a kényes szervek elkerülésével is elérni
a tumorok sugárzással való lefedését.
11:07
of the tumors with the radiation.
211
651805
3508
Így most, az UCSF orvosaival
11:11
So now, we're working with doctors at UCSF
212
655313
3498
11:14
and engineers at Johns Hopkins
213
658811
2696
és a Johns Hopkins
mérnökeivel együttműködve
mérnökeivel együttműködve
egy olyan robotot építünk, amely
11:17
and we're building a robot that has a number of,
214
661507
3582
számos, speciálisan kialakított
mesterséges ízülete révén lehetővé teszi,
mesterséges ízülete révén lehetővé teszi,
11:20
it's a specialized design with different joints that can allow
215
665089
3257
11:24
the needles to come in at an infinite variety of angles,
216
668346
4258
hogy a tűk tetszőleges szögekben
hatoljanak be,
hatoljanak be,
11:28
and as you can see here, they can avoid delicate organs
217
672604
3166
és mint itt láthatják,
el tudják kerülni a kényes szerveket,
el tudják kerülni a kényes szerveket,
11:31
and still reach the targets they're aiming for.
218
675770
4138
miközben mégis elérik a célpontjaikat.
így annak a megkérdőjelezésével,
hogy minden tűnek feltétlenül
hogy minden tűnek feltétlenül
11:35
So, by questioning this assumption that all the needles
219
679908
3317
párhuzamosnak kell lennie,
ez a projekt megtanított
ez a projekt megtanított
11:39
have to be parallel, this project also taught me
220
683225
2945
11:42
an important lesson: When in doubt --
221
686170
3300
egy fontos dologra: Ha kétségeid vannak --
11:45
When your path is blocked, pivot.
222
689470
4367
Ha akadályba ütközöl, válts irányt!
Az utolsó projekt szintén
az orvosi robotikával kapcsolatos.
az orvosi robotikával kapcsolatos.
11:49
And the last project also has to do with medical robotics.
223
693837
4401
Ez a "da Vinci sebészrobot"
elnevezésű
elnevezésű
11:54
And this is something that's grown out of a system called
224
698238
4040
rendszerből fejlődött ki,
11:58
the da Vinci surgical robot,
225
702278
3588
12:01
and this is a commercially available device.
226
705866
2468
amely egy, kereskedelmi forgalomban
kapható berendezés.
kapható berendezés.
12:04
It's being used in over 2,000 hospitals around the world,
227
708334
3332
Több mint 2000 kórházban
használják világszerte.
használják világszerte.
12:07
and the idea is it allows the surgeon
228
711666
2528
Az alapötlete lehetővé tenni
a sebésznek,
a sebésznek,
12:10
to operate comfortably in his own coordinate frame,
229
714194
4249
hogy kényelmesen operálhasson
saját koordináta-rendszerében.
saját koordináta-rendszerében.
12:14
but many of the subtasks in surgery
230
718443
4991
Azonban sok részfeladat a sebészetben,
12:19
are very routine and tedious, like suturing,
231
723434
3047
mint például a varratozás,
nagyon rutinszerű és fárasztó.
nagyon rutinszerű és fárasztó.
12:22
and currently, all of these are performed
232
726481
2365
Jelenleg ezek mind
a sebész speciális és azonnali
felügyeletével történnek,
felügyeletével történnek,
12:24
under the specific and immediate control of the surgeon,
233
728846
4420
ami a sebész számára rendkívül fárasztó.
12:29
so the surgeon becomes fatigued over time.
234
733266
2658
Arra voltunk kíváncsiak,
12:31
And we've been wondering,
235
735924
1295
12:33
what if we could program the robot
236
737219
2265
vajon be tudnánk-e programozni a robotot
12:35
to perform some of these subtasks,
237
739484
2487
néhány ilyen részfeladat elvégzésére,
hogy így a sebészek
12:37
and thereby free the surgeons to focus
238
741971
1720
a műtét bonyolultabb részeire
koncentrálhassanak.
koncentrálhassanak.
12:39
on the more complicated parts of the surgery,
239
743691
2656
12:42
and also cut down on the time that the surgery would take
240
746347
3248
Le lehetne-e rövidíteni a műtéthez
szükséges időt,
szükséges időt,
ha rá tudnánk venni a robotot,
hogy egy kicsit gyorsabban dolgozzon?
hogy egy kicsit gyorsabban dolgozzon?
12:45
if we could get the robot to do them a little bit faster?
241
749595
3023
Nos, egy robotot nehéz ilyen finom
műveletekre programozni,
műveletekre programozni,
12:48
Now, it's hard to program a robot to do delicate things
242
752618
2434
12:50
like this, but it turns out my colleague, Pieter Abbeel,
243
755052
4079
de a kollégámnak, Pieter Abbeel-nek --
aki itt dolgozik a Berkeley-ben --
aki itt dolgozik a Berkeley-ben --
12:55
who's here at Berkeley, has develeloped
244
759131
2416
sikerült kifejlesztenie
egy új eljárást, amely példák alapján
tanítja a robotokat.
tanítja a robotokat.
12:57
a new set of techniques for teaching robots from example.
245
761547
5623
A robotjai megtanultak helikoptert vezetni
13:03
So he's gotten robots to fly helicopters,
246
767170
2767
és hihetetlenül érdekes és szép
műrepüléseket végezni,
műrepüléseket végezni,
13:05
do incredibly interesting, beautiful acrobatics,
247
769937
3104
13:08
by watching human experts fly them.
248
773041
2719
a szakemberek repülésének
megfigyelése révén.
megfigyelése révén.
Mi megkaptuk az egyik ilyen robotot.
13:11
So we got one of these robots.
249
775760
2588
Elkezdtünk együtt dolgozni
Pieterrel és a tanítványaival.
Pieterrel és a tanítványaival.
13:14
We started working with Pieter and his students,
250
778348
2182
13:16
and we asked a surgeon to perform
251
780530
2663
Megkértünk egy sebészt,
hogy végezzen el egy feladatot,
hogy végezzen el egy feladatot,
13:19
a task, and what we do is we, with the robot,
252
783193
4451
amit mi magunk is végrehajtunk
majd a robottal.
majd a robottal.
Arra kértük tehát a sebészt,
13:23
so what we're doing is asking the robot,
253
787644
2063
hogy végezze el a feladatot,
13:25
the surgeon to perform the task,
254
789707
1278
13:26
and we record the motions of the robot.
255
790985
2272
mi pedig felvettük a robot mozdulatait.
Nos itt egy példa.
Egy nyolcast fogok használni,
Egy nyolcast fogok használni,
13:29
So here's an example. I'll use a figure eight,
256
793257
2128
13:31
tracing out a figure eight as an example.
257
795385
2240
példaként kirajzolok egy nyolcast.
13:33
So here's what it looks like when the robot,
258
797625
3630
Ezek pedig itt
13:37
this is what the robot's path looks like,
259
801255
2317
a robot mozgási útvonalai,
ez a három példa.
13:39
those three examples.
260
803572
1174
Már ezek is sokkal jobbak,
mint amilyet egy kezdő,
mint amilyet egy kezdő,
13:40
Now, those are much better than what a novice
261
804746
2462
13:43
like I could do, but they're still jerky and imprecise.
262
807208
4657
mint én, készíthet, de
még szaggatottak és pontatlanok.
még szaggatottak és pontatlanok.
Rögzítettük mindezeket a példákat,
az adatokat,
az adatokat,
13:47
So we record all these examples, the data,
263
811865
2072
majd ezután végigmentünk egy lépéssoron.
13:49
and then we go through a sequence of steps.
264
813937
3712
13:53
First, we used a technique called dynamic time warping
265
817649
3632
Először egy dinamikus időelhajlás nevű
módszert vettünk kölcsön
módszert vettünk kölcsön
a beszédfelismerésből,
ami lehetővé tette számunkra,
ami lehetővé tette számunkra,
13:57
from speech recognition, and this allows us to
266
821281
2182
13:59
temporally align all of the examples,
267
823463
2840
hogy időben összehangoljuk
ezeket a példákat.
ezeket a példákat.
14:02
and then we apply Kalman filtering,
268
826303
2929
Ezután a Kálmán-szűrést alkalmaztuk,
egy szabályozáselméleti technikát,
14:05
a technique from control theory, that allows us
269
829232
2983
14:08
to statistically analyze all the noise
270
832215
2672
amellyel statisztikailag elemezni
tudtuk az összes zajt,
tudtuk az összes zajt,
14:10
and extract the desired trajectory that underlies them.
271
834887
6183
kiemelve a mögöttük rejlő,
kívánt görbéket.
kívánt görbéket.
14:16
Now, so what we're doing is that we take those
272
841070
1994
Fogtuk tehát ezeket a
meglehetősen zajos
és tökéletlen emberi mozgáspályákat,
és tökéletlen emberi mozgáspályákat,
14:18
human demonstrations, they're all noisy and imperfect,
273
843064
2023
14:20
and we extract from them an inferred task trajectory
274
845087
3091
származtattunk belőlük
egy feltételezett pályát,
egy feltételezett pályát,
14:24
and control sequence for the robot.
275
848178
3003
és egy vezérlőszekvenciát a robot számára.
14:27
We then execute that on the robot,
276
851181
2184
Azután végrehajtottuk azt a roboton,
14:29
we observe what happens,
277
853365
2172
és megfigyeltük, mi történik,
majd a vezérlést az iteratív tanulásnak
14:31
then we adjust the controls using a sequence of techniques
278
855537
2662
14:34
called iterative learning.
279
858199
2930
nevezett technikák segítségével
módosítottuk.
módosítottuk.
14:37
Then what we do is, we increase the velocity a little bit.
280
861129
3977
Aztán egy kicsit növeltük a sebességet.
14:41
We observe the results, adjust the controls again,
281
865106
3563
Megfigyeltük az eredményeket,
és újra módosítottunk a vezérlésen,
és újra módosítottunk a vezérlésen,
14:44
and observe what happens.
282
868669
2522
és megfigyeltük mi történik.
14:47
And we go through this several rounds.
283
871191
2136
És így tovább, több iteráción keresztül.
És íme, az eredmény.
14:49
And here's the result.
284
873327
1356
14:50
That's the inferred task trajectory,
285
874683
1845
Ez a feladat kikövetkeztetett pályája,
14:52
and here's the robot moving at the speed of the human.
286
876528
3463
melyen itt a robot emberi
sebességgel mozog,
sebességgel mozog,
itt pedig négyszer gyorsabban.
14:55
Here's four times the speed of the human.
287
879991
2442
14:58
Here's seven times.
288
882433
2571
Itt hétszer.
És itt a robot sebessége tízszerese
15:00
And here's the robot operating at 10 times
289
885004
3637
az emberi sebességnek.
15:04
the speed of the human.
290
888641
2200
Így egy olyan robotot kaptunk,
mely képes egy finom feladat,
mely képes egy finom feladat,
15:06
So we're able to get a robot to perform a delicate task,
291
890841
2950
15:09
like a surgical subtask,
292
893791
3224
mint egy sebészeti
részfeladat elvégzésére,
részfeladat elvégzésére,
az embernél tízszer gyorsabban!
15:12
at 10 times the speed of a human.
293
897015
3247
Ennek a projektnek is volt,
15:16
So this project also, because of its involved practicing
294
900262
4223
15:20
and learning, doing something over and over again,
295
904485
2173
a sokszori gyakorlás és tanulás miatt,
15:22
this project also has a lesson, which is,
296
906658
2757
egy tanulsága, mégpedig az,
15:25
if you want to do something well,
297
909415
3126
hogy ha valamit jól akarsz csinálni,
15:28
there's no substitute for practice, practice, practice.
298
912541
7948
akkor gyakorolni, gyakorolni
és gyakorolni kell!
és gyakorolni kell!
15:36
So these are four of the lessons that I've learned
299
920505
3120
Nos, ez az a négy dolog,
amire a robotok
amire a robotok
15:39
from robots over the years,
300
923625
3127
megtanítottak az évek során,
15:42
and robotics, the field of robotics has gotten much better
301
926752
5369
miközben a robotika, a robotika területe
15:48
over time.
302
932121
2168
egyre fejlődött.
Manapság már középiskolás diákok is
építhetnek robotokat,
építhetnek robotokat,
15:50
Nowadays, high school students can build robots
303
934289
2167
15:52
like the industrial robot my dad and I tried to build.
304
936456
4025
amilyeneket én próbáltam építeni apámmal.
Van egy lányom,
15:56
And now, I have a daughter,
305
940481
6982
16:03
named Odessa.
306
947463
2386
Odessának hívják.
Nyolc éves,
16:05
She's eight years old,
307
949849
1833
16:07
and she likes robots, too.
308
951682
2424
és ő is szereti a robotokat.
Lehet, hogy ez családi örökség. (Nevetés)
16:10
Maybe it runs in the family. (Laughter)
309
954106
2414
16:12
I wish she could meet my dad.
310
956520
3647
Bárcsak találkozhatott volna az apámmal.
16:16
And now I get to teach her how things work,
311
960167
2900
Most én tanítom neki,
hogyan működnek a dolgok,
hogyan működnek a dolgok,
16:18
and we get to build projects together, and I wonder
312
963067
2772
együtt oldunk meg feladatokat,
és kíváncsi vagyok,
és kíváncsi vagyok,
hogy milyen tanulságokat
fog leszűrni belőlük.
fog leszűrni belőlük.
16:21
what kind of lessons that she'll learn from them.
313
965839
4308
A robotok hasonlítanak legjobban
az emberekre
az emberekre
16:26
Robots are the most human
314
970147
2607
16:28
of our machines.
315
972754
2229
a gépeink közül.
Nem tudják a világ minden gondját
megoldani,
megoldani,
16:30
They can't solve all of the world's problems,
316
974983
3085
de azt hiszem, megtudnak valami fontosat
tanítani nekünk.
tanítani nekünk.
16:33
but I think they have something important to teach us.
317
978068
4358
Javaslom önöknek, hogy gondolkozzanak el
16:38
I invite all of you to think about the innovations
318
982426
3343
16:41
that you're interested in,
319
985769
2675
az önöket érdeklő újításokon,
16:44
the machines that you wish for,
320
988444
3216
a gépeken, amelyekre vágynak,
és azon, hogy mit tanulhatnának tőlük.
16:47
and think about what they might be telling you,
321
991660
3169
16:50
because I have a hunch
322
994829
2063
Van ugyanis egy olyan érzésem,
hogy számos műszaki újításunk,
16:52
that many of our technological innovations,
323
996892
2087
16:54
the devices we dream about,
324
998979
2658
sok eszköz, amelyekről álmodunk,
16:57
can inspire us to be better humans.
325
1001637
3964
képes arra ösztönözni minket,
hogy jobb emberekké váljunk.
hogy jobb emberekké váljunk.
17:01
Thank you. (Applause)
326
1005601
3585
Köszönöm. (Taps)
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