How AI Will Step Off the Screen and into the Real World | Daniela Rus | TED

المترجم: Leen Sattout المدقّق: Yomna Hisham

When I was a student studying robotics,

عندما كنت طالبةً أدرس الروبوتات،

a group of us decided to make a present for our professor's birthday.

قررت مجموعتنا أن تقدم هدية بمناسبة عيد ميلاد أستاذنا.

We wanted to program our robot to cut a slice of cake for him.

أردنا برمجة الروبوت الخاص بنا لقطع شريحة من الكعكة له.

We pulled an all-nighter writing the software,

قضينا ليلة كاملة في كتابة البرنامج،

and the next day, disaster.

وفي اليوم التالي، حدثت كارثة.

We programmed this robot to cut a soft, round sponge cake,

قمنا ببرمجة هذا الروبوت لقطع كعكة إسفنجية ناعمة مستديرة،

but we didn't coordinate well.

لكننا لم ننسق جيدًا.

And instead, we received a square hard ice cream cake.

وبدلاً من ذلك، تلقينا كعكة آيس كريم صلبة مربعة.

The robot flailed wildly and nearly destroyed the cake.

انطلق الروبوت بعنف وكاد يدمر الكعكة.

(Laughter)

(ضحك)

Our professor was delighted, anyway.

كان أستاذنا مسرورًا، على أي حال.

He calmly pushed the stop button

فضغط بهدوء على زر التوقف

and declared the erratic behavior of the robot

وأعلن أن السلوك غير المنتظم للروبوت

a control singularity.

هو عنصر تحكم فريد.

A robotics technical term.

مصطلح تقني للروبوتات.

I was disappointed, but I learned a very important lesson.

شعرت بخيبة أمل، لكنني تعلمت درسًا مهمًا للغاية.

The physical world,

العالم المادي،

with its physics laws and imprecisions,

بقوانينه الفيزيائية وأوجه القصور فيه،

is a far more demanding space than the digital world.

هو مساحة أكثر تطلبًا بكثير من العالم الرقمي.

Today, I lead MIT's Computer Science and AI lab,

اليوم، أقود مختبر علوم الكمبيوتر والذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا،

the largest research unit at MIT.

وهو أكبر وحدة بحثية في معهد ماساتشوستس للتكنولوجيا.

This is our buildingm where I work with brilliant and brave researchers

هذا هو المبنى الخاص بنا حيث أعمل مع باحثين لامعين وشجعان

to invent the future of computing and intelligent machines.

لابتكار مستقبل الحوسبة والآلات الذكية.

Today in computing,

اليوم في مجال الحوسبة،

artificial intelligence and robotics are largely separate fields.

يعد الذكاء الاصطناعي والروبوتات مجالات منفصلة إلى حد كبير.

AI has amazed you with its decision-making and learning,

لقد أدهشك الذكاء الاصطناعي باتخاذ القرار والتعلم،

but it remains confined inside computers.

لكنه لا يزال محصورًا داخل أجهزة الكمبيوتر.

Robots have a physical presence and can execute pre-programmed tasks,

تتمتع الروبوتات بحضور مادي ويمكنها تنفيذ المهام المبرمجة مسبقًا،

but they're not intelligent.

ولكنها ليست ذكية.

Well, this separation is starting to change.

حسنًا، بدأ هذا الفصل يتغير.

AI is about to break free from the 2D computer screen interactions

الذكاء الاصطناعي على وشك التحرر من تفاعلات شاشة الكمبيوتر ثنائية الأبعاد

and enter a vibrant, physical 3D world.

والدخول إلى عالم ثلاثي الأبعاد مادي نابض بالحياة.

In my lab, we're fusing the digital intelligence of AI

في مختبري، ندمج الذكاء الرقمي للذكاء الاصطناعي

with the mechanical prowess of robots.

مع البراعة الميكانيكية للروبوتات.

إن نقل الذكاء الاصطناعي من العالم الرقمي إلى العالم المادي

Moving AI from the digital world into the physical world

is making machines intelligent

يجعل الآلات أكثر ذكاءً

and leading to the next great breakthrough,

بالتالي،هذا ما يؤدي الى الإنجاز الأعظم

what I call physical intelligence.

ما أسميه الذكاء المادي.

Physical intelligence is when AI's power to understand text,

الذكاء المادي هو عندما يتم استخدام قوة الذكاء الاصطناعي لفهم النصوص

images and other online information

والصور والمعلومات الأخرى عبر الإنترنت

is used to make real-world machines smarter.

لجعل آلات العالم الحقيقي أكثر ذكاءً.

This means AI can help pre-programmed robots do their tasks better

مما يعني أن الذكاء الاصطناعي يمكن أن يساعد الروبوتات المبرمجة مسبقًا على أداء المهام

by using knowledge from data.

بشكل أفضل،باستخدام المعرفة من البيانات.

With physical intelligence,

باستخدام الذكاء المادي،

AI doesn't just reside in our computers,

لا يتواجد الذكاء الاصطناعي في نطاق أجهزة الكمبيوتر الخاصة بنا فحسب،

but walks, rolls, flies

بل يمشي ويتدحرج ويطير

and interacts with us in surprising ways.

ويتفاعل معنا بطرق مدهشة.

Imagine being surrounded by helpful robots at the supermarket.

تخيل أنك محاط بروبوتات مفيدة في السوبر ماركت.

The one on the left can help you carry a heavy box.

يمكن أن يساعدك الشخص الموجود على اليسار في حمل صندوق ثقيل.

To make it happen, we need to do a few things.

ولتحقيق ذلك، نحتاج إلى القيام ببعض الأشياء.

We need to rethink how machines think.

نحن بحاجة إلى إعادة التفكير في كيفية تفكير الآلات.

We need to reorganize how they are designed and how they learn.

نحن بحاجة إلى إعادة تنظيم كيفية تصميمها وكيفية تعلمها.

So for physical intelligence,

لذلك بالنسبة للذكاء المادي،

AI has to run on computers that fit on the body of the robot.

يجب على الذكاء الاصطناعي أن يعمل على أجهزة الكمبيوتر التي تناسب جسم الروبوت.

For example, our soft robot fish.

على سبيل المثال، أسماك الروبوت اللينة الخاصة بنا.

Today's AI uses server farms that do not fit.

يستخدم الذكاء الاصطناعي اليوم مزارع خوادم غير مناسبة.

Today's AI also makes mistakes.

يرتكب الذكاء الاصطناعي اليوم أخطاء أيضًا.

This AI system on a robot car does not detect pedestrians.

على سبيل المثال، الذكاء الاصطناعي المتواجد بالسيارات لا يمكنه التعرف على المشاة.

For physical intelligence,

بالنسبة للذكاء المادي،

we need small brains that do not make mistakes.

نحتاج إلى أدمغة صغيرة لا ترتكب أخطاء.

We're tackling these challenges using inspiration

نحن نتعامل مع هذه التحديات باستخدام الإلهام

from a worm called C. elegans

من دودة تسمى C. elegans

In sharp contrast to the billions of neurons in the human brain,

في تناقض حاد مع مليارات الخلايا العصبية في الدماغ البشري،

C. elegans has a happy life on only 302 neurons,

تتمتع دودة ال C. elegans بحياة سعيدة على 302 خلية عصبية فقط،

and biologists understand the math of what each of these neurons do.

ويفهم علماء الأحياء الرياضيات ما وراء ما تفعله كل من هذه الخلايا العصبية.

So here's the idea.

إذن ها هي الفكرة.

Can we build AI using inspiration from the math of these neurons?

هل يمكننا بناء الذكاء الاصطناعي باستخدام الإلهام من رياضيات هذه الخلايا العصبية؟

We have developed, together with my collaborators and students,

لقد طورنا، مع المتعاونين والطلاب،

a new approach to AI we call “liquid networks.”

نهجًا جديدًا للذكاء الاصطناعي نسميه «الشبكات السائلة».

And liquid networks results in much more compact

وتؤدي الشبكات السائلة إلى حلول أكثر إحكاما

and explainable solutions than today's traditional AI solutions.

وقابلية للتفسير من حلول الذكاء الاصطناعي التقليدية اليوم.

Let me show you.

اسمحوا لي أن أريكم.

This is our self-driving car.

هذه هي سيارتنا ذاتية القيادة.

It's trained using a traditional AI solution,

تم تدريبه باستخدام حل الذكاء الاصطناعي التقليدي،

the kind you find in many applications today.

وهو النوع الذي تجده في العديد من التطبيقات اليوم.

This is the dashboard of the car.

هذه هي لوحة القيادة للسيارة.

In the lower right corner, you'll see the map.

في اسفل الزاويه اليمنى، سترى الخريطة.

In the upper left corner, the camera input stream.

في الزاوية اليسرى العليا، يتم بث إدخال الكاميرا.

And the big box in the middle with the blinking lights

والصندوق الكبير في المنتصف مع الأضواء الوامضة

is the decision-making engine.

هو محرك صنع القرار.

It consists of tens of thousands of artificial neurons,

وتتكون من عشرات الآلاف من الخلايا العصبية الاصطناعية،

and it decides how the car should steer.

وتقرر كيفية توجيه السيارة.

It is impossible to correlate the activity of these neurons

من المستحيل ربط نشاط هذه الخلايا العصبية

with the behavior of the car.

بسلوك السيارة.

Moreover, if you look at the lower left side,

علاوة على ذلك، إذا نظرت إلى الجانب الأيسر السفلي،

you see where in the image this decision-making engine looks

فسترى المكان الذي يتطلع إليه محرك صنع القرار هذا في الصورة

to tell the car what to do.

لإخبار السيارة بما يجب القيام به.

And you see how noisy it is.

وترى مدى ضجيجها.

And this car drives by looking at the bushes and the trees

وهذه السيارة تسير من خلال النظر إلى الشجيرات والأشجار

on the side of the road.

على جانب الطريق.

That's not how we drive.

هذه ليست الطريقة التي نقود بها.

People look at the road.

ينظر الناس إلى الطريق.

Now contrast this with our liquid network solution,

الآن قارن هذا مع حل الشبكة السائلة الخاص بنا،

which consists of only 19 neurons rather than tens of thousands.

والذي يتكون من 19 خلية عصبية فقط بدلاً من عشرات الآلاف.

And look at its attention map.

وانظر إلى خريطة الانتباه الخاصة بها.

It's so clean and focused on the road horizon

إنه نظيف للغاية ويركز على أفق الطريق

and the side of the road.

وجانب الطريق.

Because these models are so much smaller,

لأن هذه النماذج أصغر بكثير،

we actually understand how they make decisions.

نحن في الواقع نفهم كيف يتخذون القرارات.

So how did we get this performance?

إذن كيف حصلنا على هذا الأداء؟

Well, in a traditional AI system,

حسنًا، في نظام الذكاء الاصطناعي التقليدي،

the computational neuron is the artificial neuron,

العصبون الحسابي هو الخلايا العصبية الاصطناعية،

and the artificial neuron is essentially an on/off computational unit.

والخلايا العصبية الاصطناعية هي في الأساس وحدة حسابية تشغيل/إيقاف.

It takes in some numbers, adds them up,

يأخذ بعض الأرقام ويجمعها

applies some basic math

ويطبق بعض الرياضيات الأساسية

and passes along the result.

ويمرر النتيجة.

And this is complex

وهذا أمر معقد

because it happens across thousands of computational units.

لأنه يحدث عبر آلاف الوحدات الحسابية.

In liquid networks,

في الشبكات السائلة،

لدينا عدد أقل من الخلايا العصبية،

we have fewer neurons,

but each one does more complex math.

لكن كل واحدة تقوم بحسابات أكثر تعقيدًا.

Here's what happens inside our liquid neuron.

هذا ما يحدث داخل الخلايا العصبية السائلة.

We use differential equations to model the neural computation

نحن نستخدم المعادلات التفاضلية لنمذجة الحساب العصبي

and the artificial synapse.

والتشابك العصبي الاصطناعي.

And these differential equations

وهذه المعادلات التفاضلية

are what biologists have mapped for the neural structure of the worms.

هي ما رسمه علماء الأحياء للبنية العصبية للديدان.

We also wire the neurons differently to increase the information flow.

نقوم أيضًا بتوصيل الخلايا العصبية بشكل مختلف لزيادة تدفق المعلومات.

Well, these changes yield phenomenal results.

حسنًا، هذه التغييرات تسفر عن نتائج استثنائية.

Traditional AI systems are frozen after training.

يتم تجميد أنظمة الذكاء الاصطناعي التقليدية بعد التدريب.

That means they cannot continue to improve

هذا يعني أنها لا يمكن أن تستمر في التحسن

when we deploy them in a physical world in the wild.

عندما ننشرها في عالم مادي في البرية.

We just wait for the next release.

نحن فقط ننتظر الإصدار التالي.

Because of what's happening inside the liquid neuron,

بسبب ما يحدث داخل الخلايا العصبية السائلة،

liquid networks continue to adapt after training

تستمر الشبكات السائلة في التكيف بعد التدريب

based on the inputs that they see.

بناءً على المدخلات التي تراها.

Let me show you.

اسمحوا لي أن أريكم.

We trained traditional AI and liquid networks

قمنا بتدريب الذكاء الاصطناعي التقليدي والشبكات السائلة

using summertime videos like these ones,

باستخدام مقاطع فيديو صيفية مثل هذه،

and the task was to find things in the woods.

وكانت المهمة هي العثور على أشياء في الغابة.

All the models learned how to do the task in the summer.

تعلمت كافة النماذج كيفية القيام بالمهمة في الصيف.

Then we tried to use the models on drones in the fall.

ثم حاولنا استخدام النماذج على الطائرات بدون طيار في الخريف.

The traditional AI solution gets confused by the background.

يتم الخلط بين حل الذكاء الاصطناعي التقليدي بسبب الخلفية.

Look at the attention map, cannot do the task.

انظر إلى خريطة الانتباه، لا يمكن القيام بالمهمة.

Liquid networks do not get confused by the background

لا يتم الخلط بين الشبكات السائلة والخلفية

and very successfully execute the task.

وتنفذ المهمة بنجاح كبير.

So this is it.

إذن هذا هو الأمر.

This is the step forward:

هذه هي الخطوة إلى الأمام:

AI that adapts after training.

الذكاء الاصطناعي الذي يتكيف بعد التدريب.

Liquid networks are important

تعد الشبكات السائلة مهمة

because they give us a new way of getting machines to think

لأنها تمنحنا طريقة جديدة لجعل الآلات تفكر،

that is rooted into physics models,

أنها متجذرة في النماذج الفيزيائية،

a new technology for AI.

وهي تقنية جديدة للذكاء الاصطناعي.

We can run them on smartphones, on robots,

يمكننا تشغيلها على الهواتف الذكية والروبوتات وأجهزة

on enterprise computers,

الكمبيوتر الخاصة بالمؤسسات

and even on new types of machines

وحتى على أنواع جديدة من الأجهزة

that we can now begin to imagine and design.

التي يمكننا الآن البدء في تخيلها وتصميمها.

The second aspect of physical intelligence.

الجانب الثاني من الذكاء الجسدي.

So by now you've probably generated images using text-to-image systems.

حتى الآن ، لربما قد أنشأت صورًا باستخدام أنظمة تحويل النص إلى صورة.

We can also do text-to-robot,

يمكننا أيضًا تحويل النص إلى روبوت،

but not using today's AI solutions because they work on statistics

ولكن لا نستخدم حلول الذكاء الاصطناعي الحالية لأنها تعمل على الإحصاء

and do not understand physics.

ولا تفهم الفيزياء.

In my lab,

في مختبري،

we developed an approach that guides the design process

قمنا بتطوير نهج يوجه عملية التصميم

by checking and simulating the physical constraints for the machine.

من خلال فحص ومحاكاة القيود المادية للجهاز.

We start with a language prompt,

نبدأ بموجه لغوي،

"Make me a robot that can walk forward,"

«اصنع لي روبوتًا يمكنه المضي قدمًا»،

and our system generates the designs including shape, materials, actuators,

ويقوم نظامنا بإنشاء التصميمات بما في ذلك الشكل والمواد والمشغلات

sensors, the program to control it

وأجهزة الاستشعار وبرنامج التحكم فيه

and the fabrication files to make it.

وملفات التصنيع اللازمة لصنعه.

And then the designs get refined in simulation

ثم يتم تحسين التصميمات في المحاكاة

until they meet the specifications.

حتى تلبي المواصفات.

So in a few hours we can go from idea

لذلك في غضون ساعات قليلة يمكننا الانتقال من مجرد فكرة

to controllable physical machine.

إلى آلة مادية يمكن التحكم فيها.

We can also do image-to-robot.

يمكننا أيضًا عمل صورة إلى روبوت.

This photo can be transformed into a cuddly robotic bunny.

يمكن تحويل هذه الصورة إلى أرنب آلي محبوب.

To do so, our algorithm computes a 3D representation of the photo

للقيام بذلك، تقوم الخوارزمية الخاصة بنا بحساب تمثيل ثلاثي الأبعاد للصورة

that gets sliced and folded, printed.

التي يتم تقطيعها وطيها وطباعتها.

Then we fold the printed layers, we string some motors and sensors.

ثم نقوم بطي الطبقات المطبوعة، ونقوم بربط بعض المحركات وأجهزة الاستشعار.

We write some code, and we get the bunny you see in this video.

نكتب بعض التعليمات البرمجية، ونحصل على الأرنب الذي تراه في هذا الفيديو.

We can use this approach to make anything almost,

يمكننا استخدام هذا الأسلوب لعمل أي شيء تقريبًا،

from an image, from a photo.

من صورة، من صورة.

So the ability to transform text into images

لذا فإن القدرة على تحويل النص إلى صور

and to transform images into robots is important,

وتحويل الصور إلى روبوتات أمر مهم،

because we are drastically reducing the amount of time

لأننا نخفض بشكل كبير مقدار الوقت

and the resources needed to prototype and test new products,

والموارد اللازمة لوضع نماذج أولية للمنتجات الجديدة

and this is allowing for a much faster innovation cycle.

واختبارها، وهذا يسمح بدورة ابتكار أسرع بكثير.

And now we are ready to even make the leap

والآن نحن مستعدون حتى لتحقيق قفزة

to get these machines to learn.

لجعل هذه الآلات تتعلم.

The third aspect of physical intelligence.

الجانب الثالث من الذكاء الجسدي.

These machines can learn from humans how to do tasks.

يمكن لهذه الآلات أن تتعلم من البشر كيفية القيام بالمهام.

You can think of it as human-to-robot.

يمكنك التفكير على هذا الأساس : من الإنسان إلى روبوت.

In my lab, we created a kitchen environment

في مختبري، أنشأنا بيئة مطبخ

where we instrument people with sensors,

حيث نقوم بتجهيز الأشخاص بأجهزة استشعار،

and we collect a lot of data about how people do kitchen tasks.

ونجمع الكثير من البيانات حول كيفية قيام الأشخاص بمهام المطبخ.

We need physical data

نحتاج إلى بيانات مادية

because videos do not capture the dynamics of the task.

لأن مقاطع الفيديو لا تلتقط ديناميكيات المهمة.

So we collect muscle, pose, even gaze information

لذلك نقوم بجمع معلومات العضلات والوضعية وحتى التحديق

about how people do tasks.

حول كيفية قيام الناس بالمهام.

And then we train AI using this data

ومن ثم نقوم بتدريب الذكاء الاصطناعي باستخدام هذه البيانات

to teach robots how to do the same tasks.

لتعليم الروبوتات كيفية القيام بنفس المهام.

And the end result is machines that move with grace and agility,

والنتيجة النهائية هي الآلات التي تتحرك برشاقة ورشاقة،

as well as adapt and learn.

بالإضافة إلى التكيف والتعلم.

Physical intelligence.

الذكاء المادي.

We can use this approach to teach robots

يمكننا استخدام هذا النهج لتعليم الروبوتات

how to do a wide range of tasks:

كيفية القيام بمجموعة واسعة من المهام:

food preparation, cleaning and so much more.

إعداد الطعام والتنظيف وأكثر من ذلك بكثير.

The ability to turn images and text into functional machines,

القدرة على تحويل الصور والنصوص إلى أجهزة وظيفية،

coupled with using liquid networks

إلى جانب استخدام الشبكات السائلة

to create powerful brains for these machines

إنشاء أدمغة قوية لهذه الآلات

that can learn from humans, is incredibly exciting.

التي يمكن أن تتعلم من البشر، أمر مثير للغاية.

Because this means we can make almost anything we imagine.

لأن هذا يعني أنه يمكننا صنع أي شيء نتخيله تقريبًا.

Today's AI has a ceiling.

الذكاء الاصطناعي اليوم له سقف.

It requires server farms.

يتطلب مزارع الخوادم.

It's not sustainable.

إنها ليست مستدامة.

It makes inexplicable mistakes.

إنها ترتكب أخطاء لا يمكن تفسيرها.

Let's not settle for the current offering.

دعونا لا نكتفي بالعرض الحالي.

When AI moves into the physical world,

عندما ينتقل الذكاء الاصطناعي إلى العالم المادي،

the opportunities for benefits and for breakthroughs is extraordinary.

تكون فرص الفوائد والاختراقات غير عادية.

You can get personal assistants that optimize your routines

يمكنك الحصول على مساعدين شخصيين

and anticipate your needs,

يحسنون روتينك ويتوقعون احتياجاتك،

bespoke machines that help you at work

وآلات مخصصة تساعدك في العمل

and robots that delight you in your spare time.

وروبوتات تسعدك في أوقات فراغك.

The promise of physical intelligence is to transcend our human limitations

إن أفق الذكاء المادي يتجاوز قيودنا البشرية

with capabilities that extend our reach,

بقدرات تعمل على توسيع نطاق وصولنا

amplify our strengths

وتضخيم نقاط

and refine our precision

قوتنا وتحسين دقتنا

and grant us ways to interact with the world

ومنحنا طرقًا للتفاعل مع العالم

we've only dreamed of.

الذي حلمنا به فقط.

We are the only species so advanced, so aware,

نحن الكائنات الوحيدة المتقدمة والمدركة جدًا،

so capable of building these extraordinary tools.

والأكثر قدرة على بناء هذه الأدوات غير العادية.

Yet, developing physical intelligence

ومع ذلك،فإن تطوير الذكاء المادي

is teaching us that we have so much more to learn

من الممكن أن يجعلنا ندرك أنه ما زال لدينا الكثير لنتعلمه

about technology and about ourselves.

عن التكنولوجيا وعن أنفسنا.

We need human guiding hands over AI sooner rather than later.

نحن بحاجة إلى توجيه بشري للذكاء الاصطناعي عاجلاً وليس آجلاً.

After all, we remain responsible for this planet

بعد كل شيء، نظل مسؤولين عن هذا الكوكب

and everything living on it.

وكل شيء يعيش عليه.

I remain convinced that we have the power

ما زلت مقتنعةً بأنه لدينا القدرة

to use physical intelligence to ensure a better future for humanity

على استخدام الذكاء المادي لضمان مستقبل أفضل للبشرية

and for the planet.

وللكوكب.

And I'd like to invite you to help us in this quest.

وأود أن أدعوك لمساعدتنا في هذه المهمة.

Some of you will help develop physical intelligence.

سيساعد بعضكم في تطوير الذكاء المادي.

Some of you will use it.

سيستخدمها البعض منكم.

And some of you will invent the future.

وسوف يخترع البعض منكم المستقبل.

Thank you.

شكرًا لك.

(Applause)

(تصفيق)