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

Translator: Reno Kanti Riananda Reviewer: Mardiyanto Saahi

When I was a student studying robotics,

Ketika saya masih mahasiswa jurusan robotika,

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

kami bertekad membuat sesuatu untuk hadiah ulang tahun sang profesor.

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

Kami ingin memprogram robot yang bisa memotong kue untuknya.

We pulled an all-nighter writing the software,

Kami menghabiskan waktu seharian membuat perangkat lunaknya,

and the next day, disaster.

dan keesokan harinya, terjadi bencana.

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

Kami memprogram robot ini untuk memotong kue bolu bulat yang lembut,

but we didn't coordinate well.

tetapi lupa berkoordinasi.

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

Akibatnya, kami malah memesan kue es krim persegi yang keras.

The robot flailed wildly and nearly destroyed the cake.

Robot itu tersentak liar dan hampir menghancurkan kue.

(Laughter)

(Tawa)

Our professor was delighted, anyway.

Omong-omong, profesor kami senang sekali.

He calmly pushed the stop button

Dia dengan tenang menekan tombol stop

and declared the erratic behavior of the robot

dan menyatakan perilaku robot yang tidak menentu

a control singularity.

sebagai singularitas kontrol.

A robotics technical term.

Sebuah istilah teknis dalam robotika.

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

Saya kecewa, tetapi saya mendapatkan pelajaran yang sangat penting.

The physical world,

Dunia fisik,

with its physics laws and imprecisions,

dengan hukum fisika dan ketidaktepatannya,

is a far more demanding space than the digital world.

adalah ruang yang jauh lebih menuntut daripada dunia digital.

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

Saat ini, saya memimpin laboratorium Ilmu Komputer dan AI MIT,

the largest research unit at MIT.

unit penelitian yang terbesar di MIT.

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

Ini adalah gedung kami, tempat saya bekerja dengan peneliti brilian dan berani

to invent the future of computing and intelligent machines.

untuk menciptakan masa depan komputasi serta mesin cerdas.

Today in computing,

Saat ini,

artificial intelligence and robotics are largely separate fields.

kecerdasan buatan dan robotika merupakan bidang yang terpisah.

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

AI telah memukau Anda dengan pengambilan keputusan dan pembelajarannya,

but it remains confined inside computers.

tetapi masih sebatas di dalam komputer.

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

Robot memiliki fisik dan dapat menjalankan tugas yang telah diprogram sebelumnya,

but they're not intelligent.

tetapi mereka tidak cerdas.

Well, this separation is starting to change.

Nah, pemisahan ini mulai berubah.

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

AI akan membebaskan diri dari interaksi layar komputer 2D

and enter a vibrant, physical 3D world.

dan memasuki dunia 3D fisik yang semarak.

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

Di lab saya, kami menggabungkan kecerdasan digital AI

with the mechanical prowess of robots.

dengan kecakapan mekanis robot.

Moving AI from the digital world into the physical world

Memindahkan AI dari dunia digital ke dunia fisik

is making machines intelligent

artinya membuat mesin menjadi cerdas,

and leading to the next great breakthrough,

dan mengarahkannya ke terobosan besar berikutnya,

what I call physical intelligence.

sesuatu yang saya sebut sebagai kecerdasan fisik.

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

Kecerdasan fisik adalah ketika kekuatan AI untuk memahami teks,

images and other online information

gambar, dan informasi daring lainnya

is used to make real-world machines smarter.

digunakan untuk membuat mesin dunia nyata menjadi lebih pintar.

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

Ini artinya, AI dapat membantu robot yang telah diprogram

untuk melakukan tugas lebih baik dengan menggunakan pengetahuan dari data.

by using knowledge from data.

With physical intelligence,

Dengan kecerdasan fisik,

AI doesn't just reside in our computers,

AI tidak hanya berada di komputer kita,

but walks, rolls, flies

tetapi berjalan, berguling, terbang,

and interacts with us in surprising ways.

dan berinteraksi dengan kita dengan cara yang mengejutkan.

Imagine being surrounded by helpful robots at the supermarket.

Bayangkan Anda dikelilingi robot yang penuh perhatian di supermarket.

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

Robot di sebelah kiri membantu Anda membawa kotak berat.

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

Untuk mewujudkannya, kita perlu melakukan beberapa hal.

We need to rethink how machines think.

Kita perlu memikirkan kembali bagaimana mesin berpikir.

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

Kita perlu mengatur ulang bagaimana mereka dirancang dan bagaimana mereka belajar.

So for physical intelligence,

Jadi, untuk kecerdasan fisik,

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

AI harus dijalankan di komputer yang pas di tubuh robot.

For example, our soft robot fish.

Misalnya, robot ikan lunak kami.

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

AI saat ini menggunakan gugus peladen yang berukuran besar.

Today's AI also makes mistakes.

AI saat ini juga membuat kesalahan.

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

Sistem AI pada mobil robot tidak mendeteksi pejalan kaki.

For physical intelligence,

Untuk kecerdasan fisik,

we need small brains that do not make mistakes.

kita membutuhkan otak kecil yang tidak membuat kesalahan.

We're tackling these challenges using inspiration

Kami mengatasi tantangan ini menggunakan inspirasi

from a worm called C. elegans

dari cacing yang disebut C. elegans.

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

Berbeda dengan miliaran neuron di otak manusia,

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

C. elegans memiliki kehidupan yang bahagia hanya dengan 302 neuron,

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

dan ahli biologi memahami matematika dari peran masing-masing neuron.

So here's the idea.

Jadi, inilah idenya.

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

Bisakah kita membangun AI terinspirasi dari matematika neuron ini?

We have developed, together with my collaborators and students,

Kami, bersama dengan kolaborator dan siswa saya, telah mengembangkan

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

pendekatan baru untuk AI yang kami sebut “jaringan cair.”

And liquid networks results in much more compact

Jaringan cair menghasilkan solusi yang jauh lebih ringkas

and explainable solutions than today's traditional AI solutions.

dan dapat dijelaskan daripada solusi AI tradisional saat ini.

Let me show you.

Saya akan perlihatkan.

This is our self-driving car.

Ini adalah mobil tanpa pengemudi kami.

It's trained using a traditional AI solution,

Mobil ini dilatih menggunakan solusi AI tradisional,

the kind you find in many applications today.

jenis yang Anda temukan di banyak aplikasi saat ini.

This is the dashboard of the car.

Ini adalah dasbor mobil.

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

Di sudut kanan bawah, Anda akan melihat peta.

In the upper left corner, the camera input stream.

Di sudut kiri atas, aliran input kamera.

And the big box in the middle with the blinking lights

Lalu kotak besar di tengah dengan lampu berkedip

is the decision-making engine.

adalah mesin pengambilan keputusan.

It consists of tens of thousands of artificial neurons,

Kotak ini terdiri dari puluhan ribu neuron buatan,

and it decides how the car should steer.

yang memutuskan cara mobil mengemudi.

It is impossible to correlate the activity of these neurons

Tidak mungkin mengkorelasikan aktivitas neuron ini

with the behavior of the car.

dengan perilaku mobil.

Moreover, if you look at the lower left side,

Selain itu, jika Anda melihat sisi kiri bawah,

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

Anda bisa tahu lokasi mana pada gambar yang dilihat mesin pengambil keputusan

to tell the car what to do.

untuk mengendalikan mobil.

And you see how noisy it is.

Begitu banyak gangguan.

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

Mobil ini mengemudi dengan melihat semak-semak dan pepohonan

on the side of the road.

di pinggir jalan.

That's not how we drive.

Bukan begitu caranya.

People look at the road.

Manusia melihat ke jalan.

Now contrast this with our liquid network solution,

Bandingkan ini dengan solusi jaringan cair kami,

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

yang hanya terdiri dari 19 neuron, bukan puluhan ribu.

And look at its attention map.

Lihat peta perhatiannya.

It's so clean and focused on the road horizon

Sangat bersih dan fokus pada cakrawala jalan

and the side of the road.

dan sisi jalan.

Because these models are so much smaller,

Karena model ini jauh lebih kecil,

we actually understand how they make decisions.

kami benar-benar mengerti cara mereka membuat keputusan.

So how did we get this performance?

Jadi, bagaimana cara mendapatkan performa seperti ini?

Well, in a traditional AI system,

Nah, dalam sistem AI tradisional,

the computational neuron is the artificial neuron,

neuron komputasi adalah neuron buatan,

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

dan neuron buatan pada dasarnya adalah unit komputasi hidup/mati.

It takes in some numbers, adds them up,

Ambil beberapa angka, menjumlahnya, terapkan operasi matematika dasar,

applies some basic math

and passes along the result.

dan meneruskan hasilnya.

And this is complex

Ini juga rumit

because it happens across thousands of computational units.

karena terjadi di antara ribuan unit komputasi.

In liquid networks,

Dalam jaringan cair,

we have fewer neurons,

ada lebih sedikit neuron,

but each one does more complex math.

tetapi mereka melakukan perhitungan yang lebih kompleks.

Here's what happens inside our liquid neuron.

Inilah yang terjadi di dalam neuron cair kami.

We use differential equations to model the neural computation

Kami menggunakan persamaan diferensial untuk memodelkan komputasi saraf

and the artificial synapse.

dan sinaps buatan.

And these differential equations

Persamaan diferensial inilah

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

yang dipetakan oleh para ahli biologi untuk struktur saraf cacing.

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

Kami juga menghubungkan neuron secara berbeda

untuk meningkatkan aliran informasi.

Well, these changes yield phenomenal results.

Nah, perubahan ini menghasilkan hasil yang fenomenal.

Traditional AI systems are frozen after training.

Sistem AI tradisional berhenti setelah pelatihan.

That means they cannot continue to improve

Artinya, mereka tidak bisa menjadi lebih baik

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

ketika kita menugaskan mereka di dunia fisik di alam liar.

We just wait for the next release.

Kita terpaksa menunggu rilis berikutnya.

Because of what's happening inside the liquid neuron,

Namun, jaringan cair di dalam neuron cair

liquid networks continue to adapt after training

terus beradaptasi setelah pelatihan

based on the inputs that they see.

berdasarkan input yang mereka lihat.

Let me show you.

Lihat ini.

We trained traditional AI and liquid networks

Kami melatih AI tradisional dan jaringan cair

using summertime videos like these ones,

menggunakan video musim panas seperti ini,

and the task was to find things in the woods.

dan tugasnya adalah menemukan hal-hal di hutan.

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

Semua model dilatih cara melakukan tugas di musim panas.

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

Kemudian kami menggunakan model tesebut pada pesawat nirawak di musim gugur.

The traditional AI solution gets confused by the background.

Solusi AI tradisional menjadi bingung dengan latar belakangnya.

Look at the attention map, cannot do the task.

Lihatlah peta perhatiannya, ia tidak mampu melakukan tugas.

Liquid networks do not get confused by the background

Jaringan cair tidak bingung dengan latar belakang

and very successfully execute the task.

dan sangat berhasil menjalankan tugas.

So this is it.

Jadi, ini dia.

This is the step forward:

Ini adalah sebuah kemajuan:

AI that adapts after training.

AI yang beradaptasi setelah dilatih.

Liquid networks are important

Jaringan cair ini penting

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

karena mereka memberi kita cara baru untuk membuat mesin berpikir

that is rooted into physics models,

yang berakar pada model fisika,

a new technology for AI.

teknologi baru untuk AI.

We can run them on smartphones, on robots,

Kita dapat menjalankannya di ponsel pintar, di robot,

on enterprise computers,

di komputer perusahaan,

and even on new types of machines

dan bahkan pada jenis mesin baru

that we can now begin to imagine and design.

yang sekarang dapat kita mulai bayangkan dan rancang.

The second aspect of physical intelligence.

Aspek kedua dari kecerdasan fisik.

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

Anda mungkin telah menghasilkan gambar menggunakan sistem text-to-image.

We can also do text-to-robot,

Kita juga dapat melakukan text-to-robot,

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

tetapi tidak dengan solusi AI saat ini

karena mereka bekerja dengan statistik

and do not understand physics.

dan tidak memahami fisika.

In my lab,

Di lab saya,

we developed an approach that guides the design process

kami mengembangkan pendekatan yang memandu proses desain

by checking and simulating the physical constraints for the machine.

dengan memeriksa dan mensimulasikan kendala fisik untuk mesin.

We start with a language prompt,

Kami mulai dengan perintah bahasa,

"Make me a robot that can walk forward,"

“Buatkan saya robot yang dapat berjalan maju,”

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

dan sistem kami menghasilkan desain termasuk bentuk, bahan, aktuator,

sensors, the program to control it

sensor, program untuk mengendalikannya,

and the fabrication files to make it.

dan fail fabrikasi untuk membuatnya.

And then the designs get refined in simulation

Kemudian, desain disempurnakan dalam simulasi

until they meet the specifications.

sampai memenuhi spesifikasinya.

So in a few hours we can go from idea

Jadi, dalam beberapa jam kita bisa beralih dari ide

to controllable physical machine.

ke mesin fisik yang dapat dikendalikan.

We can also do image-to-robot.

Kita juga bisa melakukan image-to-robot.

This photo can be transformed into a cuddly robotic bunny.

Foto ini dapat diubah menjadi robot kelinci yang lucu.

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

Untuk melakukannya, algoritma kami menghitung representasi 3D dari foto

that gets sliced and folded, printed.

yang diiris, dilipat, dan dicetak.

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

Lalu kami melipat lapisan yang dicetak, merangkai beberapa motor dan sensor.

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

Kami menulis beberapa kode, dan jadilah kelinci yang Anda lihat di video ini.

We can use this approach to make anything almost,

Kita dapat menggunakan pendekatan ini untuk membuat hampir apa pun,

from an image, from a photo.

dari gambar, dari foto.

So the ability to transform text into images

Jadi kemampuan untuk mengubah teks menjadi gambar

and to transform images into robots is important,

dan mengubah gambar menjadi robot adalah penting,

because we are drastically reducing the amount of time

karena secara drastis mengurangi waktu dan sumber daya yang dibutuhkan

and the resources needed to prototype and test new products,

untuk membuat prototipe dan menguji produk baru,

and this is allowing for a much faster innovation cycle.

dan ini memungkinkan siklus inovasi yang jauh lebih cepat.

And now we are ready to even make the leap

Saat ini, kita bahkan siap membuat lompatan

to get these machines to learn.

untuk membuat mesin ini belajar.

The third aspect of physical intelligence.

Aspek ketiga dari kecerdasan fisik.

These machines can learn from humans how to do tasks.

Mesin ini dapat belajar dari manusia cara mengerjakan tugas.

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

Anggaplah sebagai human-to-robot.

In my lab, we created a kitchen environment

Di lab saya, kami menciptakan lingkungan dapur

where we instrument people with sensors,

dan melengkapi manusia dengan sensor.

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

Kami mengumpulkan banyak data

tentang bagaimana manusia melakukan pekerjaan di dapur.

We need physical data

Kami membutuhkan data fisik

because videos do not capture the dynamics of the task.

karena video tidak menangkap dinamika tugas.

So we collect muscle, pose, even gaze information

Kami mengumpulkan informasi tentang otot, pose, bahkan penglihatan

about how people do tasks.

tentang bagaimana manusia mengerjakan tugas.

And then we train AI using this data

Kemudian, kami melatih AI menggunakan data ini

to teach robots how to do the same tasks.

untuk mengajari robot cara melakukan tugas yang sama.

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

Hasil akhirnya adalah mesin yang bergerak dengan keanggunan dan kelincahan,

as well as adapt and learn.

serta kemampuan beradaptasi dan belajar.

Physical intelligence.

Kecerdasan fisik.

We can use this approach to teach robots

Kita dapat menggunakan pendekatan ini untuk mengajari robot

how to do a wide range of tasks:

cara melakukan berbagai tugas:

food preparation, cleaning and so much more.

menyiapkan makanan, membersihkan, dan masih banyak lagi.

The ability to turn images and text into functional machines,

Kemampuan untuk mengubah gambar dan teks menjadi mesin fungsional,

coupled with using liquid networks

ditambah dengan penggunaan jaringan cair untuk menciptakan otak yang kuat

to create powerful brains for these machines

bagi mesin-mesin ini agar belajar dari manusia,

that can learn from humans, is incredibly exciting.

sangatlah menarik.

Because this means we can make almost anything we imagine.

Karena ini berarti kita dapat membuat hampir semua yang kita bayangkan.

Today's AI has a ceiling.

AI saat ini memiliki batasan.

It requires server farms.

AI membutuhkan gugus peladen, hal ini tidak berkelanjutan.

It's not sustainable.

It makes inexplicable mistakes.

Membuat kesalahan yang tidak dapat dijelaskan.

Let's not settle for the current offering.

Jangan puas dengan apa yang ada saat ini.

When AI moves into the physical world,

Ketika AI bergerak ke dunia fisik,

the opportunities for benefits and for breakthroughs is extraordinary.

peluang untuk menuai manfaat dan terobosan menjadi luar biasa.

You can get personal assistants that optimize your routines

Anda bisa mendapatkan asisten pribadi yang mengoptimalkan rutinitas Anda

and anticipate your needs,

dan mengantisipasi kebutuhan Anda,

bespoke machines that help you at work

mesin yang dibuat khusus, yang dapat membantu pekerjaan Anda

and robots that delight you in your spare time.

dan mesin yang dapat menghibur di saat senggang.

The promise of physical intelligence is to transcend our human limitations

Janji kecerdasan fisik adalah: melampaui keterbatasan manusia

with capabilities that extend our reach,

dengan kemampuan yang memperluas jangkauan kita,

amplify our strengths

memperkuat kekuatan kita,

and refine our precision

menyempurnakan ketepatan kita,

and grant us ways to interact with the world

dan memberi kita cara untuk berinteraksi dengan dunia

we've only dreamed of.

yang semula hanya bisa kita impikan.

We are the only species so advanced, so aware,

Kita adalah satu-satunya spesies yang sangat maju, sadar,

so capable of building these extraordinary tools.

dan mampu membangun alat-alat luar biasa ini.

Yet, developing physical intelligence

Namun, mengembangkan kecerdasan fisik

is teaching us that we have so much more to learn

mengajarkan bahwa masih banyak hal untuk dipelajari

about technology and about ourselves.

tentang teknologi dan tentang diri kita sendiri.

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

Kita butuh manusia untuk membimbing AI secepatnya.

After all, we remain responsible for this planet

Bagaimanapun, kita tetap bertanggung jawab atas planet ini

and everything living on it.

dan segala sesuatu yang hidup di dalamnya.

I remain convinced that we have the power

Saya tetap yakin bahwa kita memiliki kekuatan

to use physical intelligence to ensure a better future for humanity

untuk menggunakan kecerdasan fisik

untuk memastikan masa depan yang lebih baik

bagi umat manusia dan planet ini.

and for the planet.

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

Saya ingin mengajak Anda membantu kami dalam perjalanan ini.

Some of you will help develop physical intelligence.

Sebagian orang akan membantu mengembangkan kecerdasan fisik.

Some of you will use it.

sebagian orang akan menggunakannya,

And some of you will invent the future.

dan sebagian lainnya akan menciptakan masa depan.

Thank you.

Terima kasih.

(Applause)

(Tepuk tangan)