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

Переводчик: Olga Lazareva Редактор: Alena Chernykh

When I was a student studying robotics,

Когда в университете я изучала робототехнику,

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

мы с ребятами решили сделать подарок нашему профессору на день рождения.

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

Мы хотели запрограммировать робота так, чтобы он мог отрезать кусок торта.

We pulled an all-nighter writing the software,

Всю ночь мы не спали и писали программный код,

and the next day, disaster.

а на следующий день нас ждала катастрофа.

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

Наш робот был запрограммирован разрезать мягкий и круглый бисквит,

but we didn't coordinate well.

но кто-то ошибся с заказом торта.

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

И вместо бисквита нам привезли твёрдый и квадратный торт-мороженое.

The robot flailed wildly and nearly destroyed the cake.

Робот начал бешено молотить по торту и чуть его не уничтожил.

(Laughter)

(Смех)

Our professor was delighted, anyway.

Но наш профессор всё равно был в восторге.

He calmly pushed the stop button

Он спокойно нажал кнопку «Стоп»

and declared the erratic behavior of the robot

и назвал такое непредсказуемое поведение

a control singularity.

сингулярностью робота.

A robotics technical term.

Технический термин в робототехнике.

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

Я была разочарована, но усвоила очень важный урок.

The physical world,

Физический мир

with its physics laws and imprecisions,

с его физическими законами и неточностями

is a far more demanding space than the digital world.

гораздо сложнее цифрового мира.

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

Сегодня я заведую лабораторией информатики и искусственного интеллекта —

the largest research unit at MIT.

крупнейшим исследовательским подразделением МТИ.

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

Это здание, где я вместе с блестящими и отважными учёными занимаюсь

to invent the future of computing and intelligent machines.

развитием информационных технологий и интеллектуальных машин.

Today in computing,

В сфере обработки данных

artificial intelligence and robotics are largely separate fields.

искусственный интеллект и робототехника — это две разные области.

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

ИИ впечатляет своей способностью принимать решения и обучаться,

but it remains confined inside computers.

но он по-прежнему ограничен компьютерной системой.

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

Роботы имеют физическое тело и выполняют заранее запрограммированные действия,

but they're not intelligent.

но они не обладают интеллектом.

Well, this separation is starting to change.

Скоро это разграничение исчезнет.

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

ИИ перейдёт из двухмерного взаимодействия с нами через экран

and enter a vibrant, physical 3D world.

в наш физический трёхмерный мир.

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

Сейчас мы пытаемся объединить цифровую форму ИИ

with the mechanical prowess of robots.

с механическими возможностями роботов.

Moving AI from the digital world into the physical world

Перенос ИИ из цифрового мира в физический

is making machines intelligent

сделает машины разумными

and leading to the next great breakthrough,

и станет следующим витком развития,

what I call physical intelligence.

который я называю «физическим интеллектом».

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

Физический интеллект — это способность ИИ обрабатывать текст,

images and other online information

изображения и иные данные

is used to make real-world machines smarter.

и обучать роботов в реальном мире.

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

ИИ поможет заранее запрограммированным роботам лучше выполнять свои задачи,

by using knowledge from data.

предоставляя им нужную информацию.

With physical intelligence,

С физическим интеллектом

AI doesn't just reside in our computers,

ИИ не ограничивается работой внутри компьютера,

but walks, rolls, flies

но он ещё и ходит, катается, летает

and interacts with us in surprising ways.

и взаимодействует с нами самыми неожиданными способами.

Imagine being surrounded by helpful robots at the supermarket.

Представьте, что вас окружают роботы-помощники в супермаркете.

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

Тот, что слева, может помочь донести тяжёлую коробку.

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

Но чтобы это стало возможным, нам ещё нужно кое над чем поработать.

We need to rethink how machines think.

Нужно переосмыслить принцип мышления машин.

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

Нужно изменить процесс их создания и обучения.

So for physical intelligence,

Физический интеллект

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

предполагает, что ИИ будет управлять роботом через компьютер на его корпусе.

For example, our soft robot fish.

Взять хотя бы наш мягкий робот-рыбу.

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

ИИ пока использует серверные фермы, которые в рыбе не поместятся.

Today's AI also makes mistakes.

И он ещё может допускать ошибки.

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

Как, например, система беспилотного автомобиля, не видящая пешеходов.

For physical intelligence,

Физическому интеллекту

we need small brains that do not make mistakes.

нужен компактный блок управления, не допускающий ошибок.

We're tackling these challenges using inspiration

Мы решили эти задачи благодаря

from a worm called C. elegans

круглым червям C. elegans.

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

В отличие от мозга человека с миллиардами нейронов,

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

C. elegans обходится всего 302 нейронами,

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

и биологи понимают роль каждого из этих нейронов.

So here's the idea.

И мы подумали вот о чём.

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

Можем ли мы настроить ИИ, полагаясь на принцип работы данных нейронов?

We have developed, together with my collaborators and students,

Так мы с коллегами и моими студентами разработали

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

новый тип нейронных сетей, который назвали «жидкими нейросетями».

And liquid networks results in much more compact

Жидкие нейросети привели нас к более коротким

and explainable solutions than today's traditional AI solutions.

и понятным решениям, чем те, что применялись в ИИ ранее.

Let me show you.

Я вам сейчас покажу.

This is our self-driving car.

Это наш беспилотный автомобиль.

It's trained using a traditional AI solution,

Он обучался так, как ИИ обучается традиционно

the kind you find in many applications today.

и как сегодня работают многие приложения.

This is the dashboard of the car.

Это приборная панель автомобиля.

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

В нижнем правом углу находится карта.

In the upper left corner, the camera input stream.

В верхнем левом углу — изображение с камеры.

And the big box in the middle with the blinking lights

Большое поле с мигающими индикаторами ближе к центру —

is the decision-making engine.

это механизм принятия решений.

It consists of tens of thousands of artificial neurons,

Он состоит из десятков тысяч искусственных нейронов

and it decides how the car should steer.

и сам решает, как управлять автомобилем.

It is impossible to correlate the activity of these neurons

Невозможно соотнести активность каждого из этих нейронов

with the behavior of the car.

с поведением автомобиля.

Moreover, if you look at the lower left side,

И если вы посмотрите на изображение внизу слева,

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

то увидите, куда именно смотрит механизм принятия решений

to tell the car what to do.

при управлении автомобилем.

And you see how noisy it is.

Видно, что тут много шумов.

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

Автомобиль едет, ориентируясь на кусты и деревья

on the side of the road.

по краю дороги.

That's not how we drive.

Мы с вами так не ездим.

People look at the road.

Люди смотрят на дорогу.

Now contrast this with our liquid network solution,

А теперь сравните это с тем, как работает жидкая нейросеть,

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

состоящая лишь из 19 нейронов, а не десятков тысяч.

And look at its attention map.

Взгляните на карту внимания.

It's so clean and focused on the road horizon

Шумов нет, а фокус держится на горизонте

and the side of the road.

и обочине дороги.

Because these models are so much smaller,

Поскольку эти модели намного меньше,

we actually understand how they make decisions.

мы понимаем, как они принимают решения.

So how did we get this performance?

Так как же нам удалось добиться такого результата?

Well, in a traditional AI system,

У традиционного искусственного интеллекта

the computational neuron is the artificial neuron,

вычислительный нейрон — это искусственный нейрон,

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

а искусственный нейрон — это вычислительный элемент по типу вход/выход.

It takes in some numbers, adds them up,

Он берёт какие-то числа, суммирует их,

applies some basic math

применяет простую математику

and passes along the result.

и выдаёт результат.

And this is complex

Сложность в том,

because it happens across thousands of computational units.

что это совершается тысячами вычислительных элементов.

In liquid networks,

В жидких нейросетях

we have fewer neurons,

меньше нейронов,

but each one does more complex math.

но каждый из них выполняет более сложные вычисления.

Here's what happens inside our liquid neuron.

Вот что происходит внутри жидкого нейрона.

We use differential equations to model the neural computation

Мы используем дифференциальные уравнения для моделирования нейронных вычислений

and the artificial synapse.

и искусственного синапса.

And these differential equations

Это те самые дифференциальные уравнения,

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

на основе которых биологи составили карту нейронных связей червей.

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

Мы пробуем соединять нейроны по-разному для усиления потока данных.

Well, these changes yield phenomenal results.

И это даёт феноменальные результаты.

Traditional AI systems are frozen after training.

Традиционные системы ИИ не меняются после обучения.

That means they cannot continue to improve

Это означает, что они уже не развиваются,

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

когда мы с ними работаем в реальных условиях.

We just wait for the next release.

Мы просто ждём следующую версию.

Because of what's happening inside the liquid neuron,

Но из-за иного принципа работы жидкого нейрона

liquid networks continue to adapt after training

жидкие нейросети продолжают адаптироваться и после обучения,

based on the inputs that they see.

ориентируясь на то, с чем работают.

Let me show you.

Позвольте мне показать.

We trained traditional AI and liquid networks

Мы обучали традиционный ИИ и жидкие нейросети,

using summertime videos like these ones,

используя такие видеоролики, снятые в летнее время,

and the task was to find things in the woods.

где им нужно было что-то отыскать в лесу.

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

Летом все модели научились выполнять эту задачу.

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

Затем осенью мы попробовали сделать то же самое.

The traditional AI solution gets confused by the background.

Традиционный искусственный интеллект путается из-за заднего плана.

Look at the attention map, cannot do the task.

Взгляните на карту внимания: он не справляется.

Liquid networks do not get confused by the background

А вот жидкие нейронные сети не так просто сбиваются с толку,

and very successfully execute the task.

и они успешно выполняют задачу.

So this is it.

В этом всё дело.

This is the step forward:

Это шаг вперёд:

AI that adapts after training.

ИИ, который развивается даже после обучения.

Liquid networks are important

Особенность жидких нейросетей в том,

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

что они позволяют нам научить машины думать

that is rooted into physics models,

с учётом физических моделей,

a new technology for AI.

что ново для искусственного интеллекта.

We can run them on smartphones, on robots,

Мы можем запускать их на смартфонах, в роботах,

on enterprise computers,

на корпоративных компьютерах

and even on new types of machines

и на таких типах машин,

that we can now begin to imagine and design.

которые мы только можем вообразить и создать.

The second aspect of physical intelligence.

Второй аспект физического интеллекта.

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

Вероятно, вы уже пробовали сгенерировать изображения с помощью текста.

We can also do text-to-robot,

Мы можем так сгенерировать и робота,

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

но не с сегодняшним ИИ, поскольку он опирается на статистику

and do not understand physics.

и не понимает физику.

In my lab,

В моей лаборатории

we developed an approach that guides the design process

мы разработали такой процесс проектирования,

by checking and simulating the physical constraints for the machine.

при котором проверяются и имитируются реальные физические ограничения машины.

We start with a language prompt,

Мы начинаем с текстового запроса:

"Make me a robot that can walk forward,"

«Создай робота, который ходит вперёд».

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

И система выдаёт ответ, включающий форму, материалы, механизмы,

sensors, the program to control it

датчики, программу управления

and the fabrication files to make it.

и технологические файлы.

And then the designs get refined in simulation

Затем проект совершенствуется до тех пор,

until they meet the specifications.

пока не будет удовлетворять всем требованиям.

So in a few hours we can go from idea

Так за несколько часов мы можем превратить идею

to controllable physical machine.

в реального управляемого робота.

We can also do image-to-robot.

Это можно сделать и с помощью картинки.

This photo can be transformed into a cuddly robotic bunny.

Вот такое изображение можно превратить в милого роботизированного кролика.

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

Для этого наш алгоритм просчитывает трёхмерную модель изображения,

that gets sliced and folded, printed.

нарезая его слоями и складывая во время печати.

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

К напечатанным слоям мы подключаем приводы и датчики.

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

Пишем код программы и получаем кролика, как на этом видео.

We can use this approach to make anything almost,

Таким образом, мы можем создать почти всё, что пожелаем,

from an image, from a photo.

на основе изображения или фотографии.

So the ability to transform text into images

Поэтому способность превращать текст в изображения,

and to transform images into robots is important,

а изображения — в роботов очень важна,

because we are drastically reducing the amount of time

ведь мы значительно экономим время

and the resources needed to prototype and test new products,

и ресурсы, необходимые для прототипирования и тестирования,

and this is allowing for a much faster innovation cycle.

и это заметно ускоряет инновационный цикл.

And now we are ready to even make the leap

И вот мы уже на пороге прорыва,

to get these machines to learn.

когда роботы смогут сами обучаться.

The third aspect of physical intelligence.

Третий аспект физического интеллекта.

These machines can learn from humans how to do tasks.

Роботы способны обучаться выполнению задач у людей.

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

Это прямое взаимодействие человека и робота.

In my lab, we created a kitchen environment

В моей лаборатории мы создали прототип кухни,

where we instrument people with sensors,

где к людям подключаются датчики

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

и собираются данные о том, как они выполняют те или иные задачи.

We need physical data

Нам необходимы физические показатели,

because videos do not capture the dynamics of the task.

потому что видео не передаёт саму динамику движений.

So we collect muscle, pose, even gaze information

Поэтому мы собираем данные о работе мышц, позах и даже взгляде

about how people do tasks.

при выполнении задач.

And then we train AI using this data

Затем на основе этих данных мы обучаем ИИ,

to teach robots how to do the same tasks.

чтобы уже он обучал роботов выполнению тех же задач.

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

В результате роботы смогут двигаться так же изящно и плавно,

as well as adapt and learn.

а ещё адаптироваться и обучаться.

Physical intelligence.

Физический интеллект.

We can use this approach to teach robots

Применяя этот подход, мы сможем научить роботов

how to do a wide range of tasks:

справляться со множеством задач:

food preparation, cleaning and so much more.

приготовлением пищи, уборкой и многими другими.

The ability to turn images and text into functional machines,

Возможность превращать изображения и текст в работающих роботов

coupled with using liquid networks

вместе с использованием жидких нейросетей

to create powerful brains for these machines

для развития у них интеллекта,

that can learn from humans, is incredibly exciting.

при котором они смогут обучаться у людей, очень захватывает.

Because this means we can make almost anything we imagine.

Ведь получается, теперь мы можем создать всё, что только захотим.

Today's AI has a ceiling.

У сегодняшнего ИИ есть пределы.

It requires server farms.

Ему нужны серверные фермы.

It's not sustainable.

Он нестабилен.

It makes inexplicable mistakes.

Он может совершать непонятные ошибки.

Let's not settle for the current offering.

Так давайте не будем останавливаться на достигнутом.

When AI moves into the physical world,

Когда ИИ перейдёт в наш физический мир,

the opportunities for benefits and for breakthroughs is extraordinary.

мы молучим новые возможности приносить пользу и совершать открытия.

You can get personal assistants that optimize your routines

Это и персональные помощники, которые возьмут на себя часть ваших дел

and anticipate your needs,

и смогут предугадывать потребности,

bespoke machines that help you at work

это и изготовленные на заказ роботы для помощи вам на работе,

and robots that delight you in your spare time.

и ещё это роботы, которые составят вам компанию в свободное время.

The promise of physical intelligence is to transcend our human limitations

Физический интеллект сможет преодолеть человеческие ограничения,

with capabilities that extend our reach,

своими возможностями расширяя и наши,

amplify our strengths

усиливая наши сильные стороны

and refine our precision

и повышая точность действий,

and grant us ways to interact with the world

даря нам жизнь в таком мире,

we've only dreamed of.

о котором мы могли лишь мечтать.

We are the only species so advanced, so aware,

Только наш человеческий род достаточно развит, осознан

so capable of building these extraordinary tools.

и способен на создание таких невероятных вещей.

Yet, developing physical intelligence

Тем не менее, развитие физического интеллекта

is teaching us that we have so much more to learn

показывает нам то, что мы ещё многому должны научиться

about technology and about ourselves.

в разрезе технологий и нас самих.

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

Нам скорее нужны физические управляемые роботы, а не просто ИИ.

After all, we remain responsible for this planet

В конце концов, мы ответственны за эту планету

and everything living on it.

и за всё живое на ней.

I remain convinced that we have the power

Я убеждена, что мы в силах

to use physical intelligence to ensure a better future for humanity

использовать физический интеллект для обеспечения лучшего будущего для нас

and for the planet.

и для планеты.

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

И я предлагаю вам присоединиться к нам в этой миссии.

Some of you will help develop physical intelligence.

Кто-то из вас поможет развитию физического интеллекта.

Some of you will use it.

Кто-то им будет уже пользоваться.

And some of you will invent the future.

А кто-то будет продолжать изобретать.

Thank you.

Спасибо.

(Applause)

(Аплодисменты)