Tip:
Highlight text to annotate it
X
Tradutor: Daniel Tschick Tomaz Revisor: Marcos Vinícius Petri
Bem, onde estão os robôs?
Há 40 anos que nos dizem que eles estão chegando.
Que em breve eles estarão fazendo tudo para nós:
vão cozinhar, limpar, fazer compras, construir. Mas eles não estão aí.
Por enquanto temos imigrantes ilegais fazendo todo o trabalho,
mas não temos nenhum robô.
Como podemos resolver isso então? O que temos para dizer?
Bem, eu quero mostrar de uma perspectiva diferente
como podemos talvez olhar para estas coisas de um outro modo.
E esta é uma foto de raio X
de um besouro de verdade e de um relógio suiço de 1988. Olhando para isto
o que era verdade continua sendo verdade hoje em dia.
Nós ainda somos capazes fazer as peças, podemos fazer as peças certas,
podemos fazer o circuito com o poder computacional correto,
mas ainda não somos capazes de colocar tudo junto para fazer algo
que realmente funcione e seja tão adaptativo como estes sistemas.
Vamos tentar olhar para isso de um outro ângulo.
Vamos convocar o melhor designer, o pai de todos os designers:
vamos ver o que a evolução pode fazer por nós.
Nós colocamos -- nós criamos uma sopa primordial
com muitas peças de robôs: barras, motores, neurônios.
Colocamos tudo junto, sob um certo tipo de seleção natural,
sob mutação, e recompensamos as coisas por andarem bem para frente.
Uma tarefa muito simples, e é interessante ver as coisas que saíram de lá.
E se vocês olharem, poderão ver um monte de máquinas diferentes
que saíram daí. Elas se locomovem,
todas elas rastejam de diversos modos, e vocês podem ver à direita,
que nós construímos de verdade algumas dessas coisas,
e elas funcionam na realidade. Não são robôs muito fantásticos,
mas eles evoluíram para fazer exatamente aquilo pelo qual os recompensamos:
por andar para frente. Isso tudo foi feito em simulação,
mas podemos fazer numa máquina real também.
Aqui está um robô físico
com vários cérebros,
concorrendo, ou evoluindo na máquina.
É como uma festa de rodeio: todos eles têm direito à uma volta na máquina,
e são recompensados por quão rápido, ou quão longe
eles podem fazer a máquina andar para frente.
E como vocês podem ver, estes robôs não estão prontos
para dominar o mundo ainda,
mas eles aprendem pouco a pouco como andar para frente,
e o fazem com autonomia.
Bem, nestes dois exemplos basicamente temos
máquinas que aprenderam a caminhar em simulação,
e também máquinas que aprenderam a caminhar na realidade.
Mas eu quero mostrar a vocês uma abordagem diferente,
e este aqui é um robô que tem quatro pernas,
ele tem oito motores, quatro nos joelhos e quatro no quadril.
Ele também tem dois sensores de inclinação que dizem à máquina
em qual direção ela está se inclinando.
Mas esta máquina não sabe como ela é.
Vocês olham e veem que ela tem quatro pernas.
O robô não sabe se ele é uma cobra, ou uma árvore,
ele não tem a menor ideia de como se parece,
mas ele vai tentar descobrir.
Inicialmente, ele faz alguns movimentos aleatórios,
e então tenta imaginar como ele seria --
vocês veem um monte de coisas passando pela sua cabeça,
um monte de modelos de si mesmo que tentam explicar a relação
entre impulso e sentidos -- e então
tenta uma segunda ação que contradiz
os prognósticos destes modelos alternativos,
como um cientista num laboratório. Então ele faz isto,
tenta achar explicações, e descarta os modelos de si mesmo que não servem.
Este é o último ciclo, e vocês podem ver que ele fez
um bom trabalho descobrindo como se parece, e uma vez tendo um modelo de si próprio,
pode usá-lo para desenvolver um padrão de locomoção.
O que vocês veem aqui são algumas máquinas --
um padrão de locomoção.
Nós esperávamos que ela tivesse um andar meio maléfico, como uma aranha,
mas ao invés disso, ela criou este jeito bem manco de andar para frente.
Mas ao olhar para isso, lembrem-se
que esta máquina não fez nenhum *** físico de como mover-se para frente,
nem tinha um modelo de si mesma.
Ela meio que tentou descobrir como se parecia, e como se mover para frente,
e só então tentou na realidade.
(Aplausos)
Bom, vamos prosseguir para uma ideia diferente.
Isso é o que aconteceu, quando tínhamos alguns --
isso é o que aconteceu quando haviam alguns -- OK, OK, OK --
(Risos)
-- eles não se dão muito bem. Então
aqui está um robô diferente.
Isto é o que aconteceu quando os robôs
são recompensados por fazer alguma coisa.
O que acontece se você não os recompensa por nada, somente os larga lá?
Temos estes cubos, como mostrado no diagrama aqui.
O cubo pode girar, ou virar para o lado,
e nós simplesmente jogamos 1.000 destes cubos em uma sopa --
isso é uma simulação -- e não os recompensamos por nada,
apenas deixamos eles se virarem. Nós bombeamos energia nisso
e observamos o que acontece depois de algumas mutações.
Inicialmente nada acontece, eles estão apenas virando pra lá e pra cá.
Mas não demora muito e vocês podem ver que estes azulzinhos
na direita começam a dominar.
Eles começam a se autorreplicar. Na ausência de qualquer recompensa,
a recompensa intrínseca é a autorreplicação.
E nós construímos alguns destes de verdade,
e isso é parte de um robô maior feito destes cubos,
é um vídeo acelerado, onde vocês podem ver o robô
realizando algumas de suas replicações.
Ele está sendo alimentado com mais material -- cubos, no caso --
e mais energia, e ele pode fazer outro robô.
Claro que esta é uma máquina muito simples,
mas estamos trabalhando em uma versão em micro escala,
e esperamos que os cubos sejam como um pó a ser despejado.
O que podemos aprender? Claro que estes robôs
não são muito úteis em si, mas eles podem nos ensinar algo
sobre como construir robôs melhores,
e, talvez, como humanos, animais, criam modelos de si próprio e aprendem.
E uma das coisas que julgo importante
é que temos que fugir desta ideia
de desenhar as máquinas manualmente,
mas sim deixá-las se desenvolver e aprender, como crianças,
e talvez este seja o jeito que chegaremos lá. Obrigado.
(Aplausos)