ABOUT THE SPEAKER
Hod Lipson - Roboticist
Hod Lipson works at the intersection of engineering and biology, studying robots and the way they "behave" and evolve. His work has exciting implications for design and manufacturing -- and serves as a window to understand our own behavior and evolution.

Why you should listen

To say that Hod Lipson and his team at Cornell build robots is not completely accurate: They may simply set out a pile of virtual robot parts, devise some rules for assembly, and see what the parts build themselves into. They've created robots that decide for themselves how they want to walk; robots that develop a sense of what they look like; even robots that can, through trial and error, construct other robots just like themselves.

Working across disciplines -- physics, computer science, math, biology and several flavors of engineer -- the team studies techniques for self-assembly and evolution that have great implications for fields such as micro-manufacturing -- allowing tiny pieces to assemble themselves at scales heretofore impossible -- and extreme custom manufacturing (in other words, 3-D printers for the home).

His lab's Outreach page is a funhouse of tools and instructions, including the amazing Golem@Home -- a self-assembling virtual robot who lives in your screensaver.

More profile about the speaker
Hod Lipson | Speaker | TED.com
TED2007

Hod Lipson: Building "self-aware" robots

Год Ліпсон: Конструювання "самосвідомих" роботів

Filmed:
1,460,460 views

Год Ліпсон демонструє кілька своїх крутих маленьких роботів, здатних навчатися, усвідомлювати себе та навіть самовідтворюватися.
- Roboticist
Hod Lipson works at the intersection of engineering and biology, studying robots and the way they "behave" and evolve. His work has exciting implications for design and manufacturing -- and serves as a window to understand our own behavior and evolution. Full bio

Double-click the English transcript below to play the video.

00:25
So, where are the robotsроботів?
0
0
2000
І де ж ці роботи?
00:27
We'veМи ' VE been told for 40 yearsроків alreadyвже that they're comingприходить soonскоро.
1
2000
3000
Нам 40 років кажуть,
що вони незабаром з'являться.
00:30
Very soonскоро they'llвони будуть be doing everything for us.
2
5000
3000
Дуже швидко вони почнуть
робити усе замість нас.
00:33
They'llВони будуть be cookingприготування їжі, cleaningприбирання, buyingпокупка things, shoppingшопінг, buildingбудівля. But they aren'tні here.
3
8000
5000
Вони будуть куховарити, прибирати, робити покупки,
будувати. Але їх нема.
00:38
MeanwhileТим часом, we have illegalнезаконний immigrantsіммігранти doing all the work,
4
13000
4000
Тим часом, цю роботу виконують
нелегальні імігранти зі всього світу,
00:42
but we don't have any robotsроботів.
5
17000
2000
а роботів ми так і не маємо.
00:44
So what can we do about that? What can we say?
6
19000
4000
Що ж ми можемо тут зробити?
Що можемо сказати?
00:48
So I want to give a little bitбіт of a differentінший perspectiveперспектива
7
23000
4000
Хочу показати дещо іншу перспективу того,
00:52
of how we can perhapsможе бути look at these things in a little bitбіт of a differentінший way.
8
27000
6000
як ми могли б дивитись на речі
по-іншому.
00:58
And this is an x-rayрентген pictureкартина
9
33000
2000
Це рентген-знімок
01:00
of a realреальний beetleЖук, and a SwissШвейцарський watch, back from '88. You look at that --
10
35000
5000
справжнього жука і швейцарського годинника
88-го року. Ви дивитесь на це -
01:05
what was trueправда then is certainlyзвичайно trueправда todayсьогодні.
11
40000
2000
що було справжнім тоді, безсумнівно,
є справжнім і зараз.
01:07
We can still make the piecesшматки. We can make the right piecesшматки.
12
42000
3000
Ми досі можемо виготовляти такі предмети.
Можемо робити потрібні предмети.
01:10
We can make the circuitryсхеми of the right computationalобчислювальна powerвлада,
13
45000
3000
Можемо зробити схему
з потрібною потужністю,
01:13
but we can't actuallyнасправді put them togetherразом to make something
14
48000
3000
але ми, власне, не можемо поєднати їх,
щоб зробити щось,
01:16
that will actuallyнасправді work and be as adaptiveадаптивний as these systemsсистеми.
15
51000
5000
що працюватиме та буде адаптовуватись,
як ці системи.
01:21
So let's try to look at it from a differentінший perspectiveперспектива.
16
56000
2000
Спробуємо глянути з іншої перспективи.
01:23
Let's summonвикликати the bestнайкраще designerдизайнер, the motherмама of all designersдизайнерів.
17
58000
4000
Звернемося до найкращого дизайнера,
матері усіх дизайнерів.
01:27
Let's see what evolutionеволюція can do for us.
18
62000
3000
Подивимося, що може для нас
зробити еволюція.
01:30
So we threwкинув in -- we createdстворений a primordialпервинний soupсуп
19
65000
4000
Включаємось - ми створили
"первинний бульйон"
01:34
with lots of piecesшматки of robotsроботів -- with barsбари, with motorsмотори, with neuronsнейрони.
20
69000
4000
з великою кількістю деталей роботів -
з планками, двигунами, нейронами.
01:38
Put them all togetherразом, and put all this underпід kindдоброзичливий of naturalприродний selectionвибір,
21
73000
4000
Зібрали це все докупи і провели щось
на зразок природного добору,
01:42
underпід mutationмутація, and rewardedвинагороджені things for how well they can moveрухатися forwardвперед.
22
77000
4000
піддали мутаціям і винагородили їх за те,
як швидко вони можуть рухатись уперед.
01:46
A very simpleпростий taskзавдання, and it's interestingцікаво to see what kindдоброзичливий of things cameприйшов out of that.
23
81000
6000
Дуже просте завдання, і цікаво побачити,
що з цього вийшло.
01:52
So if you look, you can see a lot of differentінший machinesмашини
24
87000
3000
Якщо ви подивитеся, можна побачити
багато різних машин,
01:55
come out of this. They all moveрухатися around.
25
90000
2000
отриманих таким чином.
Вони всі рухаються довкола.
01:57
They all crawlповзати in differentінший waysшляхи, and you can see on the right,
26
92000
4000
Вони всі розповзаються врізнобіч,
можна побачити праворуч,
02:01
that we actuallyнасправді madeзроблений a coupleпара of these things,
27
96000
2000
що ми зробили декілька
таких штук,
02:03
and they work in realityреальність. These are not very fantasticфантастичний robotsроботів,
28
98000
3000
і вони справді працюють. Це не
фантастичні роботи,
02:06
but they evolvedрозвинувся to do exactlyточно what we rewardнагорода them for:
29
101000
4000
але вони еволюціонували так,
щоб робити саме те, за що ми їх заохочуємо:
02:10
for movingрухаючись forwardвперед. So that was all doneзроблено in simulationсимуляція,
30
105000
3000
рух уперед. Це все було
зроблено у симуляції,
02:13
but we can alsoтакож do that on a realреальний machineмашина.
31
108000
2000
але ми можемо це зробити
і зі справжньою машиною.
02:15
Here'sОсь a physicalфізичний robotробот that we actuallyнасправді
32
110000
5000
Це фізичний робот,
02:20
have a populationнаселення of brainsмозок,
33
115000
3000
ми маємо цілу популяцію їх
з інтелектом,
02:23
competingконкуруючі, or evolvingрозвивається on the machineмашина.
34
118000
2000
вони змагаються, еволюціонують.
02:25
It's like a rodeoродео showпоказати. They all get a rideїздити on the machineмашина,
35
120000
3000
Це як родео. Вони всі катаються
на машині
02:28
and they get rewardedвинагороджені for how fastшвидко or how farдалеко
36
123000
3000
і отримують заохочення за те,
як швидко вони рухались,
02:31
they can make the machineмашина moveрухатися forwardвперед.
37
126000
2000
і як далеко змогли просунути
машину вперед.
02:33
And you can see these robotsроботів are not readyготовий
38
128000
2000
Бачте, ці роботи ще не готові
02:35
to take over the worldсвіт yetвсе-таки, but
39
130000
3000
панувати над світом,
02:38
they graduallyпоступово learnвчитися how to moveрухатися forwardвперед,
40
133000
2000
але вони поступово вчаться
рухатись уперед,
02:40
and they do this autonomouslyавтономно.
41
135000
3000
і роблять це автономно.
02:43
So in these two examplesприклади, we had basicallyв основному
42
138000
4000
У цих двох прикладах
ми маємо
02:47
machinesмашини that learnedнавчився how to walkходити in simulationсимуляція,
43
142000
3000
машини, що навчилися,
як ходити у симуляції,
02:50
and alsoтакож machinesмашини that learnedнавчився how to walkходити in realityреальність.
44
145000
2000
а також машини, які навчились ходити
в реальності.
02:52
But I want to showпоказати you a differentінший approachпідхід,
45
147000
2000
Та хочу показати вам
інший підхід,
02:54
and this is this robotробот over here, whichкотрий has fourчотири legsноги.
46
149000
6000
цей робот ось там
має чотири ноги.
03:00
It has eightвісім motorsмотори, fourчотири on the kneesколіна and fourчотири on the hipстегна.
47
155000
2000
У нього вісім двигунів, чотири
на колінах, чотири на бедрах.
03:02
It has alsoтакож two tiltнахил sensorsдатчики that tell the machineмашина
48
157000
3000
Він також має два кутових сенсори,
які вказують машині,
03:05
whichкотрий way it's tiltingнахилу.
49
160000
3000
у який бік вона нахиляється.
03:08
But this machineмашина doesn't know what it looksвиглядає like.
50
163000
2000
Але ця машина не знає,
як вона виглядає.
03:10
You look at it and you see it has fourчотири legsноги,
51
165000
2000
Ви дивитесь на неї
і бачите, що в неї чотири ноги,
03:12
the machineмашина doesn't know if it's a snakeзмія, if it's a treeдерево,
52
167000
2000
машина не знає, чи вона є змією,
чи деревом,
03:14
it doesn't have any ideaідея what it looksвиглядає like,
53
169000
3000
вона не має жодного уявлення
про свій вигляд,
03:17
but it's going to try to find that out.
54
172000
2000
але вона буде намагатись
це дізнатися.
03:19
InitiallyСпочатку, it does some randomвипадковий motionрух,
55
174000
2000
Спочатку вона робить
якісь випадкові рухи,
03:21
and then it triesнамагається to figureфігура out what it mightможе look like.
56
176000
3000
а тоді пробує прикинути,
як може виглядати.
03:24
And you're seeingбачачи a lot of things passingпроходження throughчерез its mindsрозум,
57
179000
2000
Ви бачите, що у її мозку
відбувається багато речей,
03:26
a lot of self-modelsсамоврядування моделей that try to explainпояснити the relationshipвідносини
58
181000
4000
безліч змодельованих нею речей,
щоб пояснити відношення
03:30
betweenміж actuationспрацьовування and sensingвідчуття. It then triesнамагається to do
59
185000
3000
між приведенням в дію та визначенням
напряму. Далі вона пробує
03:33
a secondдругий actionдія that createsстворює the mostнайбільше disagreementнезгоди
60
188000
4000
зробити другу дію, яка створює
найбільше суперечок
03:37
amongсеред predictionsпрогнози of these alternativeальтернатива modelsмоделі,
61
192000
2000
у прогнозах щодо цих
альтернативних моделей,
03:39
like a scientistвчений in a labлабораторія. Then it does that
62
194000
2000
як у науковців з лабораторії.
Далі вона робить це
03:41
and triesнамагається to explainпояснити that, and pruneЧорнослив out its self-modelsсамоврядування моделей.
63
196000
4000
і намагається це пояснити,
і спрощує свої моделі.
03:45
This is the last cycleцикл, and you can see it's prettyкрасиво much
64
200000
3000
Це останній цикл,
як бачите, тут доволі
03:48
figuredфігурний out what its selfсамоврядування looksвиглядає like. And onceодин раз it has a self-modelсамоврядування модель,
65
203000
4000
передбачено, як це виглядатиме.
Як тільки воно змоделювало свій вигляд,
03:52
it can use that to deriveвивести a patternвізерунок of locomotionпересування.
66
207000
4000
воно може використати його,
щоб виробити схему переміщення.
03:56
So what you're seeingбачачи here are a coupleпара of machinesмашини --
67
211000
2000
Те, що ви бачите - це декілька машин -
03:58
a patternвізерунок of locomotionпересування.
68
213000
2000
схема переміщення.
04:00
We were hopingсподіваючись that it wassВасс going to have a kindдоброзичливий of evilзло, spideryстрахітливих walkходити,
69
215000
4000
Ми сподіваємося, що вона матиме
таку собі бридку, павучу ходу,
04:04
but insteadзамість цього it createdстворений this prettyкрасиво lameкрихітний way of movingрухаючись forwardвперед.
70
219000
4000
натомість, вона створила цю досить
поганеньку ходу.
04:08
But when you look at that, you have to rememberзгадаймо
71
223000
3000
Та, коли ви дивитесь на це,
слід пам'ятати,
04:11
that this machineмашина did not do any physicalфізичний trialsвипробування on how to moveрухатися forwardвперед,
72
226000
6000
що ця машина не була запрограмована
рухатись уперед,
04:17
norні did it have a modelмодель of itselfсама по собі.
73
232000
2000
ані містила даних
про свій вигляд.
04:19
It kindдоброзичливий of figuredфігурний out what it looksвиглядає like, and how to moveрухатися forwardвперед,
74
234000
3000
Вона сама зрозуміла, як виглядає,
і як їй рухатись уперед,
04:22
and then actuallyнасправді triedспробував that out.
75
237000
4000
а тоді спробувала це робити.
04:26
(ApplauseОплески)
76
241000
5000
(Оплески)
04:31
So, we'llдобре moveрухатися forwardвперед to a differentінший ideaідея.
77
246000
4000
Рухаємось далі до іншої ідеї.
04:35
So that was what happenedсталося when we had a coupleпара of --
78
250000
5000
Ось що сталося, коли в нас було декілька -
04:40
that's what happenedсталося when you had a coupleпара of -- OK, OK, OK --
79
255000
4000
те, що сталося, коли було декілька - Ок, Ок, Ок -
04:44
(LaughterСміх)
80
259000
2000
(Сміх)
04:46
-- they don't like eachкожен other. So
81
261000
2000
- вони не симпатизують один одному.
04:48
there's a differentінший robotробот.
82
263000
3000
Це інший робот.
04:51
That's what happenedсталося when the robotsроботів actuallyнасправді
83
266000
2000
Ось, що сталося, коли роботи
04:53
are rewardedвинагороджені for doing something.
84
268000
2000
отримують винагороду за те, що зробили.
04:55
What happensбуває if you don't rewardнагорода them for anything, you just throwкинути them in?
85
270000
3000
А що буде, якщо не нагороджувати їх
ні за що, просто викидати їх?
04:58
So we have these cubesкубів, like the diagramсхема showedпоказав here.
86
273000
3000
У нас є куби,
як на цій діаграмі.
05:01
The cubeкуб can swivelповоротні, or flipперевернути on its sideсторона,
87
276000
2000
Куб може обертатись
або перевертатись на бік,
05:04
and we just throwкинути 1,000 of these cubesкубів into a soupсуп --
88
279000
4000
ми просто кидаємо 1000 таких кубів
у "бульйон"-
05:08
this is in simulationсимуляція --and- і don't rewardнагорода them for anything,
89
283000
2000
це симуляція - і не даємо їм винагороди.
05:10
we just let them flipперевернути. We pumpнасос energyенергія into this
90
285000
3000
Просто даємо їм перевертатись.
Постачаємо енергію,
05:13
and see what happensбуває in a coupleпара of mutationsмутації.
91
288000
3000
дивимось, що станеться
після кількох мутацій.
05:16
So, initiallyспочатку nothing happensбуває, they're just flippingгортати around there.
92
291000
3000
На початку нічого не відбувається,
вони просто перевертаються довкола.
05:19
But after a very shortкороткий while, you can see these blueсиній things
93
294000
4000
Та через короткий проміжок часу
можна побачити ці сині штуки
05:23
on the right there beginпочати to take over.
94
298000
2000
праворуч, які починають переважати.
05:25
They beginпочати to self-replicateсамоврядування реплікації. So in absenceвідсутність of any rewardнагорода,
95
300000
4000
Вони починають самовідтворюватись.
Без будь-якої винагороди,
05:29
the intrinsicвнутрішньої rewardнагорода is self-replicationсамовідтворення.
96
304000
3000
внутрішнім мотиватором
є самовідтворення.
05:32
And we'veми маємо actuallyнасправді builtпобудований a coupleпара of these,
97
307000
1000
Ми вже збудували декілька таких.
05:33
and this is partчастина of a largerбільший robotробот madeзроблений out of these cubesкубів.
98
308000
4000
А це частина більшого робота,
зробленого з цих кубів.
05:37
It's an acceleratedприскорений viewвид, where you can see the robotробот actuallyнасправді
99
312000
3000
Це пришвидшений перегляд,
де видно робота
05:40
carryingносіння out some of its replicationреплікація processпроцес.
100
315000
2000
у процесі самовідтворення.
05:42
So you're feedingгодування it with more materialматеріал -- cubesкубів in this caseсправа --
101
317000
4000
Ви постачаєте йому більше матеріалу -
у цьому випадку - куби -
05:46
and more energyенергія, and it can make anotherінший robotробот.
102
321000
3000
і більше енергії, і він може зробити
іншого робота.
05:49
So of courseзвичайно, this is a very crudeсирий machineмашина,
103
324000
3000
Звісно, це дуже сира машина,
05:52
but we're workingпрацює on a micro-scaleмікро шкала versionверсія of these,
104
327000
2000
але ми працюємо над її мікроверсією
05:54
and hopefullyсподіваюся, що the cubesкубів will be like a powderпорошок that you pourзалити in.
105
329000
3000
і надіємось отримати куби
у вигляді порошку, що засипатиметься всередину.
05:57
OK, so what can we learnвчитися? These robotsроботів are of courseзвичайно
106
332000
5000
Гаразд, чого ж ми можемо навчитися?
Ці роботи, звичайно,
06:02
not very usefulкорисний in themselvesсамі, but they mightможе teachвчити us something
107
337000
3000
самі по собі не дуже корисні,
але можуть нас чомусь навчити
06:05
about how we can buildбудувати better robotsроботів,
108
340000
3000
про те, як можна сконструювати кращих
роботів,
06:08
and perhapsможе бути how humansлюди, animalsтварини, createстворити self-modelsсамоврядування моделей and learnвчитися.
109
343000
5000
і, можливо, про те, як люди, тварини
створюють моделі себе та вчаться.
06:13
And one of the things that I think is importantважливо
110
348000
2000
Одна з важливих, на мою думку, речей,
це те,
06:15
is that we have to get away from this ideaідея
111
350000
2000
що нам треба відходити від ідеї
06:17
of designingпроектування the machinesмашини manuallyвручну,
112
352000
2000
розробки машин вручну,
06:19
but actuallyнасправді let them evolveрозвиватися and learnвчитися, like childrenдіти,
113
354000
3000
а дати їм можливість розвиватися
та вчитися, як дітям,
06:22
and perhapsможе бути that's the way we'llдобре get there. Thank you.
114
357000
2000
і, можливо, так ми цього досягнемо.
Дякую.
06:24
(ApplauseОплески)
115
359000
2000
(Оплески)
Translated by Khrystyna Romashko
Reviewed by Hanna Leliv

▲Back to top

ABOUT THE SPEAKER
Hod Lipson - Roboticist
Hod Lipson works at the intersection of engineering and biology, studying robots and the way they "behave" and evolve. His work has exciting implications for design and manufacturing -- and serves as a window to understand our own behavior and evolution.

Why you should listen

To say that Hod Lipson and his team at Cornell build robots is not completely accurate: They may simply set out a pile of virtual robot parts, devise some rules for assembly, and see what the parts build themselves into. They've created robots that decide for themselves how they want to walk; robots that develop a sense of what they look like; even robots that can, through trial and error, construct other robots just like themselves.

Working across disciplines -- physics, computer science, math, biology and several flavors of engineer -- the team studies techniques for self-assembly and evolution that have great implications for fields such as micro-manufacturing -- allowing tiny pieces to assemble themselves at scales heretofore impossible -- and extreme custom manufacturing (in other words, 3-D printers for the home).

His lab's Outreach page is a funhouse of tools and instructions, including the amazing Golem@Home -- a self-assembling virtual robot who lives in your screensaver.

More profile about the speaker
Hod Lipson | Speaker | TED.com
THE ORIGINAL VIDEO ON TED.COM