ABOUT THE SPEAKER
Rodney Brooks - Roboticist
Rodney Brooks builds robots based on biological principles of movement and reasoning. The goal: a robot who can figure things out.

Why you should listen

Former MIT professor Rodney Brooks studies and engineers robot intelligence, looking for the holy grail of robotics: the AGI, or artificial general intelligence. For decades, we've been building robots to do highly specific tasks -- welding, riveting, delivering interoffice mail -- but what we all want, really, is a robot that can figure things out on its own, the way we humans do.

Brooks realized that a top-down approach -- just building the biggest brain possible and teaching it everything we could think of -- would never work. What would work is a robot who learns like we do, by trial and error, and with many separate parts that learn separate jobs. The thesis of his work which was captured in Fast, Cheap and Out of Control,went on to become the title of the great Errol Morris documentary.

A founder of iRobot, makers of the Roomba vacuum, Brooks is now founder and CTO of Rethink Robotics, whose mission is to apply advanced robotic intelligence to manufacturing and physical labor. Its first robots: the versatile two-armed Baxter and one-armed Sawyer. Brooks is the former director of CSAIL, MIT's Computers Science and Artificial Intelligence Laboratory.

 
More profile about the speaker
Rodney Brooks | Speaker | TED.com
TED2013

Rodney Brooks: Why we will rely on robots

Ρόντνεϊ Μπρούκς: Γιατί θα βασιζόμαστε στα ρομπότ

Filmed:
1,424,847 views

Οι κινδυνολόγοι θεωρούν ότι τα ρομπότ απλά θα αντικαταστήσουν τους ανθρώπους στο χώρο εργασίας. Στην πραγματικότητα, μπορούν να γίνουν βασικοί συνεργάτες μας, δίνοντάς μας το χρόνο να ασχοληθούμε με προκλήσεις λιγότερο βαρετές και μηχανικές. Ο Ρόντνεϊ Μπρούκς επισημαίνει πόσο σημαντικό μπορεί να είναι αυτό καθώς μειώνεται ο αριθμός των ενηλίκων που εργάζονται και διογκώνεται ο αριθμός συνταξιούχων. Μας συστήνει στο Μπάξτερ, το ρομπότ με κινούμενα μάτια και χέρια που αντιδρούν στην αφή, το οποίο θα μπορούσε να δουλεύει μαζί μ' έναν πληθυσμό που γερνάει -- και να μάθει, επίσης, να τον βοηθάει στο σπίτι.
- Roboticist
Rodney Brooks builds robots based on biological principles of movement and reasoning. The goal: a robot who can figure things out. Full bio

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

00:13
Well, ArthurΑρθούρος C. ClarkeΚλαρκ,
0
1010
1300
O Άρθουρ Κ. Κλάρκ λοιπόν,
00:14
a famousπερίφημος scienceεπιστήμη fictionμυθιστόρημα writerσυγγραφέας from the 1950s,
1
2310
3195
πασίγνωστος συγγραφέας επιστημονικής φαντασίας της δεκαετίας του 1950,
00:17
said that, "We overestimateυπερεκτίμηση technologyτεχνολογία in the shortμικρός termόρος,
2
5505
4022
είχε πει πως, «Υπερεκτιμούμε την τεχνολογία βραχυπρόθεσμα,
00:21
and we underestimateυποτιμώ it in the long termόρος."
3
9527
2800
και την υποτιμούμε μακροπρόθεσμα».
00:24
And I think that's some of the fearφόβος that we see
4
12327
2417
Και πιστεύω ότι εκεί συγκεντρώνεται ο φόβος που διακρίνουμε
00:26
about jobsθέσεις εργασίας disappearingεξαφανίζονται from artificialτεχνητός intelligenceνοημοσύνη and robotsρομπότ.
5
14744
4582
σχετικά με την απώλεια θέσεων εργασίας εξαιτίας της τεχνητής νοημοσύνης και των ρομπότ.
00:31
That we're overestimatingυπερεκτιμώντας the technologyτεχνολογία in the shortμικρός termόρος.
6
19326
2667
Επειδή δηλαδή υπερεκτιμούμε την τεχνολογία βραχυπρόθεσμα.
00:33
But I am worriedανήσυχος whetherκατά πόσο we're going to get the technologyτεχνολογία we need in the long termόρος.
7
21993
5378
Ανησυχώ όμως για το αν θα έχουμε την αναγκαία τεχνολογία μακροπρόθεσμα.
00:39
Because the demographicsδημογραφικά στοιχεία are really going to leaveάδεια us with lots of jobsθέσεις εργασίας that need doing
8
27371
5714
Γιατί τα δημογραφικά στοιχεία θα δείξουν πως υπάρχουν πολλές εργασίες για να γίνουν
00:45
and that we, our societyκοινωνία, is going to have to be builtχτισμένο on the shouldersώμους of steelατσάλι of robotsρομπότ in the futureμελλοντικός.
9
33085
5375
και πως εμείς, η κοινωνία μας, θα πρέπει να χτιστεί στους ατσάλινους ώμους των ρομπότ στο μέλλον.
00:50
So I'm scaredφοβισμένος we won'tσυνηθισμένος have enoughαρκετά robotsρομπότ.
10
38460
2826
Φοβάμαι λοιπόν πως δεν θα έχουμε αρκετά ρομπότ.
00:53
But fearφόβος of losingχάνοντας jobsθέσεις εργασίας to technologyτεχνολογία has been around for a long time.
11
41286
4639
Ο φόβος όμως της απώλειας θέσεων εργασίας λόγω της τεχνολογίας υπάρχει εδώ και καιρό.
00:57
Back in 1957, there was a SpencerSpencer TracyTracy, KatharineΚάθριν HepburnΗ Χέπμπορν movieταινία.
12
45925
3952
Το 1957, υπήρχε μια ταινία με τους Σπένσερ Τρέισι, Κάθριν Χέπμπορν.
01:01
So you know how it endedέληξε up,
13
49877
1448
Ξέρετε, λοιπόν, πώς κατέληξε,
01:03
SpencerSpencer TracyTracy broughtέφερε a computerυπολογιστή, a mainframeΚεντρικός υπολογιστής computerυπολογιστή of 1957, in
14
51325
4086
ο Σπένσερ Τρέισι έφερε έναν κεντρικό υπολογιστή του 1957,
01:07
to help the librariansβιβλιοθηκονόμους.
15
55411
1900
για να βοηθήσει τις βιβλιοθηκαρίους.
01:09
The librariansβιβλιοθηκονόμους in the companyΕταιρία would do things like answerαπάντηση for the executivesστελέχη,
16
57311
3477
Οι βιβλιοθηκάριοι στην εταιρεία ασχολούνταν με το να απολογούνται για τα στελέχη, όπως
01:12
"What are the namesονόματα of Santa'sΤου Αϊ-Βασίλη reindeerΤάρανδος?"
17
60788
3837
«Ποια είναι τα ονόματα των ταράνδων του Άγιου Βασίλη;»
01:16
And they would look that up.
18
64625
1185
Και θα το αναζητούσαν.
01:17
And this mainframeΚεντρικός υπολογιστής computerυπολογιστή was going to help them with that jobδουλειά.
19
65810
2433
Και αυτός ο κεντρικός υπολογιστής θα τους βοηθούσε σ' αυτή τη δουλειά.
01:20
Well of courseσειρά μαθημάτων a mainframeΚεντρικός υπολογιστής computerυπολογιστή in 1957 wasn'tδεν ήταν much use for that jobδουλειά.
20
68243
4083
Φυσικά δεν ήταν χρήση αυτή για έναν κεντρικό υπολογιστή το 1957.
01:24
The librariansβιβλιοθηκονόμους were afraidφοβισμένος theirδικα τους jobsθέσεις εργασίας were going to disappearεξαφανίζομαι.
21
72326
3150
Οι βιβλιοθηκάριοι φοβόντουσαν ότι θα χάσουν τις δουλειές τους.
01:27
But that's not what happenedσυνέβη in factγεγονός.
22
75476
1649
Αλλά στην πραγματικότητα δεν συνέβη αυτό.
01:29
The numberαριθμός of jobsθέσεις εργασίας for librariansβιβλιοθηκονόμους increasedαυξήθηκε for a long time after 1957.
23
77125
5255
Οι θέσεις εργασίας των βιβλιοθηκαρίων αυξάνονταν για αρκετό καιρό μετά το 1957.
01:34
It wasn'tδεν ήταν untilμέχρις ότου the InternetΣτο διαδίκτυο cameήρθε into playπαίζω,
24
82380
3114
Μόνο με την έλευση του Διαδικτύου,
01:37
the webιστός cameήρθε into playπαίζω and searchΨάξιμο enginesκινητήρες cameήρθε into playπαίζω
25
85494
2533
την έλευση του παγκόσμιου ιστού και των μηχανών αναζήτησης
01:40
that the need for librariansβιβλιοθηκονόμους wentπήγε down.
26
88027
2649
μειώθηκε η ανάγκη για βιβλιοθηκάριους.
01:42
And I think everyoneΟλοι from 1957 totallyεντελώς underestimatedυποτιμάται
27
90676
4207
Και θεωρώ πως όλοι το 1957 υποτίμησαν πλήρως
01:46
the levelεπίπεδο of technologyτεχνολογία we would all carryμεταφέρω around in our handsτα χέρια and in our pocketsτσέπες todayσήμερα.
28
94883
4760
το επίπεδο τεχνολογίας που όλοι μας θα κουβαλούσαμε στα χέρια και στη τσέπη σήμερα.
01:51
And we can just askπαρακαλώ: "What are the namesονόματα of Santa'sΤου Αϊ-Βασίλη reindeerΤάρανδος?" and be told instantlyστη στιγμή --
29
99643
5717
Και μπορούμε απλά να ρωτήσουμε: «Ποια είναι τα ονόματα των ταράνδων του Άγιου Βασίλη;» και να το μάθουμε στη στιγμή --
01:57
or anything elseαλλού we want to askπαρακαλώ.
30
105360
1751
ή οτιδήποτε άλλο θελήσουμε να ρωτήσουμε.
01:59
By the way, the wagesμισθοί for librariansβιβλιοθηκονόμους wentπήγε up fasterγρηγορότερα
31
107111
5599
Παρεμπιπτόντως, οι μισθοί των βιβλιοθηκαρίων αυξήθηκαν ταχύτερα
02:04
than the wagesμισθοί for other jobsθέσεις εργασίας in the U.S. over that sameίδιο time periodπερίοδος,
32
112710
2999
από μισθούς άλλων ειδικοτήτων στις Η.Π.Α. τη συγκεκριμένη περίοδο,
02:07
because librariansβιβλιοθηκονόμους becameέγινε partnersσυνεργάτες of computersΥπολογιστές.
33
115709
3568
καθώς οι βιβλιοθηκάριοι έγιναν συνέταιροι με τους υπολογιστές.
02:11
ComputersΥπολογιστές becameέγινε toolsεργαλεία, and they got more toolsεργαλεία that they could use
34
119277
2883
Οι υπολογιστές έγιναν εργαλεία και είχαν περισσότερα εργαλεία που μπορούσαν να χρησιμοποιήσουν
02:14
and becomeγίνομαι more effectiveαποτελεσματικός duringστη διάρκεια that time.
35
122160
2292
και έγιναν πιο αποδοτικοί κατά τη διάρκεια εκείνης της περιόδου.
02:16
SameΊδια thing happenedσυνέβη in officesγραφεία.
36
124452
1792
Το ίδιο πράγμα έγινε και στα γραφεία.
02:18
Back in the oldπαλαιός daysημέρες, people used spreadsheetsυπολογιστικά φύλλα.
37
126244
2298
Την παλιά εποχή, οι άνθρωποι χρησιμοποιούσαν λογιστικά φύλλα.
02:20
SpreadsheetsΥπολογιστικά φύλλα were spreadδιάδοση sheetsφύλλα of paperχαρτί,
38
128542
2334
Τα λογιστικά φύλλα ήταν διάσπαρτα φύλλα χαρτιού,
02:22
and they calculatedυπολογίζεται by handχέρι.
39
130876
2150
και έκαναν τους υπολογισμούς με το χέρι.
02:25
But here was an interestingενδιαφέρων thing that cameήρθε alongκατά μήκος.
40
133026
2367
Εδώ όμως εμφανίστηκε κάτι ενδιαφέρον.
02:27
With the revolutionεπανάσταση around 1980 of P.C.'s'μικρό,
41
135393
2290
Με την επανάσταση των προσωπικών υπολογιστών γύρω στο 1980,
02:29
the spreadsheetυπολογιστικό φύλλο programsπρογράμματα were tunedσυντονισμένη for officeγραφείο workersεργαζομένων,
42
137683
4742
οι εφαρμογές λογιστικών φύλλων σχεδιάστηκαν για υπαλλήλους γραφείου,
02:34
not to replaceαντικαθιστώ officeγραφείο workersεργαζομένων,
43
142425
1652
όχι να αντικαταστήσουν τους υπαλλήλους γραφείου,
02:36
but it respectedσεβαστή officeγραφείο workersεργαζομένων as beingνα εισαι capableικανός of beingνα εισαι programmersπρογραμματιστές.
44
144077
4666
αλλά σεβόμενες τους υπαλλήλους γραφείου ως ικανούς προγραμματιστές.
02:40
So officeγραφείο workersεργαζομένων becameέγινε programmersπρογραμματιστές of spreadsheetsυπολογιστικά φύλλα.
45
148743
3128
Έτσι οι υπάλληλοι γραφείου έγιναν προγραμματιστές των λογιστικών φύλλων.
02:43
It increasedαυξήθηκε theirδικα τους capabilitiesικανότητες.
46
151871
2091
Αύξησαν τις δυνατότητές τους.
02:45
They no longerμακρύτερα had to do the mundaneτετριμμένο computationsυπολογισμών,
47
153962
2579
Δεν χρειαζόταν να κάνουν πλέον τους βαρετούς υπολογισμούς,
02:48
but they could do something much more.
48
156541
2935
αλλά μπορούσαν να κάνουν κάτι πολύ περισσότερο.
02:51
Now todayσήμερα, we're startingεκκίνηση to see robotsρομπότ in our livesζωή.
49
159476
3258
Σήμερα λοιπόν, έχουμε αρχίσει να βλέπουμε τα ρομπότ στη ζωή μας.
02:54
On the left there is the PackBotPackBot from iRobotiRobot.
50
162734
2309
Στ' αριστερά βλέπετε το PackBot της εταιρίας iRobot.
02:57
When soldiersστρατιώτες cameήρθε acrossαπέναντι roadsideάκρη του δρόμου bombsβόμβες in IraqΙράκ and AfghanistanΑφγανιστάν,
51
165043
3432
Όταν οι στρατιώτες έβρισκαν βόμβες στη άκρη του δρόμου στο Ιράκ και το Αφγανιστάν,
03:00
insteadαντι αυτου of puttingβάζοντας on a bombβόμβα suitκοστούμι and going out and pokingσπρώχνει with a stickραβδί,
52
168475
4149
αντί να φορέσουν στολή πυροτεχνουργού και να βγούν να την κουνήσουν μ' ένα ξύλο,
03:04
as they used to do up untilμέχρις ότου about 2002,
53
172624
2319
όπως συνήθιζαν να κάνουν περίπου ως το 2002,
03:06
they now sendστείλετε the robotρομπότ out.
54
174943
1408
τώρα στέλνουν το ρομπότ έξω.
03:08
So the robotρομπότ takes over the dangerousεπικίνδυνος jobsθέσεις εργασίας.
55
176351
2143
Έτσι το ρομπότ αναλαμβάνει τις επικίνδυνες αποστολές.
03:10
On the right are some TUGsΡυμουλκά from a companyΕταιρία calledπου ονομάζεται AethonAethon in PittsburghΠίτσμπουργκ.
56
178494
4518
Στο δεξί μέρος υπάρχουν μερικά ρομπότ TUG της εταιρείας Aethon στο Πίτσμπεργκ.
03:15
These are in hundredsεκατοντάδες of hospitalsνοσοκομεία acrossαπέναντι the U.S.
57
183012
2297
Αυτά υπάρχουν σε εκατοντάδες νοσοκομεία σ' όλες τις Η.Π.Α.
03:17
And they take the dirtyβρώμικος sheetsφύλλα down to the laundryπλυντήριο ρούχων.
58
185309
2740
Μεταφέρουν τα λερωμένα σεντόνια στα πλυντήρια.
03:20
They take the dirtyβρώμικος dishesπιάτα back to the kitchenκουζίνα.
59
188049
1876
Πηγαίνουν τα λερωμένα πιάτα στη κουζίνα.
03:21
They bringνα φερεις the medicinesφάρμακα up from the pharmacyφαρμακείο.
60
189925
2085
Φέρνουν φάρμακα από το φαρμακείο.
03:24
And it freesελευθερώνει up the nursesνοσοκόμες and the nurse'sνοσοκόμας aidesβοηθοί
61
192010
2945
Αυτό απαλλάσει τις νοσοκόμες και τις βοηθούς τους
03:26
from doing that mundaneτετριμμένο work of just mechanicallyμηχανικά pushingπιέζοντας stuffυλικό around
62
194955
3665
από τη βαρετή δουλειά του απλά να σπρώχνουν μηχανικά τα πράγματα στους διαδρόμους
03:30
to spendδαπανήσει more time with patientsασθενείς.
63
198620
2073
ώστε να αφιερώνουν πιο πολύ χρόνο με τους ασθενείς.
03:32
In factγεγονός, robotsρομπότ have becomeγίνομαι sortείδος of ubiquitousπανταχού παρών in our livesζωή in manyΠολλά waysτρόπους.
64
200693
4699
Γεγονός είναι πως τα ρομπότ έχουν γίνει κάπως πανταχού παρόντα στις ζωές μας με διάφορους τρόπους.
03:37
But I think when it comesέρχεται to factoryεργοστάσιο robotsρομπότ, people are sortείδος of afraidφοβισμένος,
65
205392
5268
Αλλά πιστεύω ότι όσον αφορά στα ρομπότ βιομηχανίας, οι άνθρωποι τα φοβούνται κάπως,
03:42
because factoryεργοστάσιο robotsρομπότ are dangerousεπικίνδυνος to be around.
66
210660
4107
γιατί τα βιομηχανικά ρομπότ είναι επικίνδυνα.
03:46
In orderΣειρά to programπρόγραμμα them, you have to understandκαταλαβαίνουν six-dimensionalέξι-διαστάσεων vectorsδιανύσματα and quaternionsτα τετραδόνια.
67
214767
4825
Για να τα προγραμματίσεις, πρέπει να κατανοήσεις διανύσματα 6 διαστάσεων και τετραδόνια.
03:51
And ordinaryσυνήθης people can't interactαλληλεπιδρώ with them.
68
219592
3150
Οι απλοί άνθρωποι δεν μπορούν να αλληλεπιδράσουν μαζί τους.
03:54
And I think it's the sortείδος of technologyτεχνολογία that's goneχαμένος wrongλανθασμένος.
69
222742
2619
Πιστεύω πως πρόκειται για είδος τεχνολογίας που κατέληξε λάθος.
03:57
It's displacedμετακινηθεί the workerεργάτης from the technologyτεχνολογία.
70
225361
3633
Έχει απομακρύνει τον εργαζόμενο από την τεχνολογία.
04:00
And I think we really have to look at technologiesτεχνολογίες
71
228994
3099
Και θεωρώ ότι κανονικά πρέπει να δούμε τεχνολογίες
04:04
that ordinaryσυνήθης workersεργαζομένων can interactαλληλεπιδρώ with.
72
232093
2102
με τις οποίες οι συνηθισμένοι εργαζόμενοι μπορούν να αλληλεπιδράσουν.
04:06
And so I want to tell you todayσήμερα about BaxterΤης Baxter, whichοι οποίες we'veέχουμε been talkingομιλία about.
73
234195
3680
Έτσι λοιπόν θέλω να σας πω για το Μπάξτερ σήμερα, για το οποίο έχουμε μιλήσει.
04:09
And BaxterΤης Baxter, I see, as a way -- a first waveκύμα of robotρομπότ
74
237875
4245
Και το Μπάξτερ το βλέπω σαν τον τρόπο -- μια πρώτη γενιά ρομπότ
04:14
that ordinaryσυνήθης people can interactαλληλεπιδρώ with in an industrialβιομηχανικός settingσύνθεση.
75
242120
4290
με το οποίο οι συνηθισμένοι άνθρωποι μπορούν να αλληλεπιδρούν σ' ένα βιομηχανικό περιβάλλον.
04:18
So BaxterΤης Baxter is up here.
76
246410
1533
Το Μπάξτερ λοιπόν είναι εδώ επάνω.
04:19
This is ChrisChris HarbertHarbert from RethinkRethink RoboticsΡομποτική.
77
247943
2816
Αυτός είναι ο Κρις Χάρμπερτ από την εταιρία Rethink Robotics.
04:22
We'veΈχουμε got a conveyorΜεταφορικές there.
78
250759
1536
Εδώ έχουμε έναν ιμάντα.
04:24
And if the lightingφωτισμός isn't too extremeάκρο --
79
252295
2851
Και εφόσον ο φωτισμός μας δεν είναι πολύ έντονος --
04:27
AhΑχ, ahαχ! There it is. It's pickedεκλεκτός up the objectαντικείμενο off the conveyorΜεταφορικές.
80
255146
4046
Α, να! Αυτό είναι. Σήκωσε το αντικείμενο από τον ιμάντα.
04:31
It's going to come bringνα φερεις it over here and put it down.
81
259192
2850
Θα έλθει να το φέρει και να το αφήσει εδώ κάτω.
04:34
And then it'llθα το κάνει go back, reachφθάνω for anotherαλλο objectαντικείμενο.
82
262042
3299
Και μετά θα πάει πίσω, για να πάρει ένα άλλο αντικείμενο.
04:37
The interestingενδιαφέρων thing is BaxterΤης Baxter has some basicβασικός commonκοινός senseέννοια.
83
265341
3848
Το ενδιαφέρον σημείο είναι ότι το Μπάξτερ έχει κάποια βασική κοινή λογική.
04:41
By the way, what's going on with the eyesμάτια?
84
269189
2221
Παρεμπιπτόντως, τι συμβαίνει με τα μάτια του;
04:43
The eyesμάτια are on the screenοθόνη there.
85
271410
1500
Τα μάτια είναι εδώ στην οθόνη.
04:44
The eyesμάτια look aheadεμπρός where the robot'sρομπότ going to moveκίνηση.
86
272910
2749
Τα μάτια βλέπουν ευθεία στη κατεύθυνση που πρόκειται να κινηθεί το ρομπότ.
04:47
So a personπρόσωπο that's interactingαλληλεπιδρώντας with the robotρομπότ
87
275659
1868
Έτσι αν κάποιο άτομο αλληλεπιδρά με το ρομπότ
04:49
understandsκαταλαβαίνει where it's going to reachφθάνω and isn't surprisedέκπληκτος by its motionsπροτάσεις ψηφίσματος.
88
277527
3566
καταλαβαίνει προς ποια κατεύθυνση θα κινηθεί και δεν εκπλήσσεται απ' τις κινήσεις του.
04:53
Here ChrisChris tookπήρε the objectαντικείμενο out of its handχέρι,
89
281093
2817
Εδώ ο Κρις πήρε το αντικείμενο από το χέρι του,
04:55
and BaxterΤης Baxter didn't go and try to put it down;
90
283910
2232
και το Μπάξτερ δεν προσπάθησε να το τοποθετήσει κάτω,
04:58
it wentπήγε back and realizedσυνειδητοποίησα it had to get anotherαλλο one.
91
286142
2352
πήγε πίσω και κατάλαβε ότι πρέπει να πάρει ένα άλλο.
05:00
It's got a little bitκομμάτι of basicβασικός commonκοινός senseέννοια, goesπηγαίνει and picksεπιλογές the objectsαντικείμενα.
92
288494
3167
Έχει λίγη κοινή λογική, πηγαίνει και σηκώνει αντικείμενα.
05:03
And Baxter'sΤης Baxter safeασφαλής to interactαλληλεπιδρώ with.
93
291661
1793
Και το Μπάξτερ είναι ασφαλές για να δουλέψεις μαζί του.
05:05
You wouldn'tδεν θα ήταν want to do this with a currentρεύμα industrialβιομηχανικός robotρομπότ.
94
293454
2765
Δεν θα ήθελες να το κάνεις ποτέ αυτό μ' ένα σύγχρονο βιομηχανικό ρομπότ.
05:08
But with BaxterΤης Baxter it doesn't hurtπλήγμα.
95
296219
2192
Αλλά με το Μπάξτερ δεν θα τραυματιστείς.
05:10
It feelsαισθάνεται the forceδύναμη, understandsκαταλαβαίνει that ChrisChris is there
96
298411
3898
Νιώθει την αντίσταση, καταλαβαίνει ότι ο Κρις είναι εκεί
05:14
and doesn't pushΣπρώξτε throughδιά μέσου him and hurtπλήγμα him.
97
302309
2852
και δεν πιέζει ώστε να μην τον διαπεράσει και τον τραυματίσει.
05:17
But I think the mostπλέον interestingενδιαφέρων thing about BaxterΤης Baxter is the userχρήστης interfaceδιεπαφή.
98
305161
3295
Αλλά πιστεύω ότι το πιο ενδιαφέρον σημείο του Μπάξτερ είναι το περιβάλλον εργασίας του χρήστη.
05:20
And so ChrisChris is going to come and grabαρπάζω the other armμπράτσο now.
99
308456
3346
Έτσι λοιπόν ο Κρις θα έλθει και θα αρπάξει τον άλλο βραχίονα τώρα.
05:23
And when he grabsαρπάζει an armμπράτσο, it goesπηγαίνει into zero-forceμηδέν-δύναμη gravity-compensatedβαρύτητα-αντισταθμίζεται modeτρόπος
100
311802
5414
Μόλις αρπάξει το βραχίονα, μπαίνει σε λειτουργία μηδενικής δράσης με αντιστάθμιση βαρύτητας
05:29
and graphicsγραφικά come up on the screenοθόνη.
101
317216
2076
και εμφανίζονται γραφικά στην οθόνη.
05:31
You can see some iconsεικονίδια on the left of the screenοθόνη there for what was about its right armμπράτσο.
102
319292
4534
Μπορείτε να δείτε κάποια εικονίδια στ' αριστερά της οθόνης που αφορούν στο δεξί του βραχίονα.
05:35
He's going to put something in its handχέρι, he's going to bringνα φερεις it over here,
103
323826
2794
Θα τοποθετήσει κάτι στο χέρι του, θα το φέρει εδώ,
05:38
pressτύπος a buttonκουμπί and let go of that thing in the handχέρι.
104
326620
5022
θα πατήσει κάποιο κουμπί και θα αφήσει το αντικείμενο στο χέρι.
05:43
And the robotρομπότ figuresαριθμούς out, ahαχ, he mustπρέπει mean I want to put stuffυλικό down.
105
331642
4568
Και έτσι το ρομπότ καταλαβαίνει, «Ααα, μάλλον εννοεί να αφήσω το αντικείμενο κάτω».
05:48
It putsθέτει a little iconεικόνισμα there.
106
336210
1700
Βάζει ένα μικρό εικονίδιο εκεί.
05:49
He comesέρχεται over here, and he getsπαίρνει the fingersδάχτυλα to graspπιάσιμο togetherμαζί,
107
337910
5911
Έρχεται εδώ και βάζει τα δάχτυλα να το κρατήσουν μαζί,
05:55
and the robotρομπότ infersσυνάγει, ahαχ, you want an objectαντικείμενο for me to pickδιαλέγω up.
108
343821
3922
και το ρομπότ συμπεραίνει, «Αα, θέλεις να σηκώσω ένα αντικείμενο».
05:59
That putsθέτει the greenπράσινος iconεικόνισμα there.
109
347743
1799
Αυτό τοποθετεί το πράσινο εικονίδιο εκεί.
06:01
He's going to mapχάρτης out an areaπεριοχή of where the robotρομπότ should pickδιαλέγω up the objectαντικείμενο from.
110
349542
4995
Θα οριοθετήσει τη περιοχή απ' όπου το ρομπότ θα πρέπει να σηκώσει το αντικείμενο.
06:06
It just movesκινήσεις it around, and the robotρομπότ figuresαριθμούς out that was an areaπεριοχή searchΨάξιμο.
111
354537
4790
Απλά το κινεί γύρω και το ρομπότ καταλαβαίνει ότι ανιχνεύει την περιοχή.
06:11
He didn't have to selectεπιλέγω that from a menuμενού.
112
359327
1876
Δεν χρειάστηκε να το επιλέξει από κάποιο μενού.
06:13
And now he's going to go off and trainτρένο the visualοπτικός appearanceεμφάνιση of that objectαντικείμενο
113
361203
3157
Και τώρα θα το εκπαιδεύσει σχετικά με την απεικόνιση αυτού του αντικειμένου
06:16
while we continueνα συνεχίσει talkingομιλία.
114
364360
1716
όσο εμείς θα μιλάμε.
06:18
So as we continueνα συνεχίσει here,
115
366076
2212
Συνεχίζοντας λοιπόν,
06:20
I want to tell you about what this is like in factoriesεργοστάσια.
116
368288
2171
θα ήθελα να σας πω πώς γίνεται αυτό στα εργοστάσια.
06:22
These robotsρομπότ we're shippingΑποστολή everyκάθε day.
117
370459
1484
Αυτά τα ρομπότ αποστέλλονταν καθημερινά.
06:23
They go to factoriesεργοστάσια around the countryΧώρα.
118
371943
1550
Πηγαίνουν σε εργοστάσια σ' όλη τη χώρα.
06:25
This is MildredMildred.
119
373493
1182
Αυτή είναι η Μίλντρεντ.
06:26
Mildred'sMildred του a factoryεργοστάσιο workerεργάτης in ConnecticutΚονέκτικατ.
120
374675
1566
Η Μίλντρεντ είναι εργάτρια σ' ένα εργοστάσιο στο Κονέκτικατ.
06:28
She's workedεργάστηκε on the lineγραμμή for over 20 yearsχρόνια.
121
376241
2379
Έχει δουλέψει στη γραμμή παραγωγής για περισσότερο από 20 χρόνια.
06:30
One hourώρα after she saw her first industrialβιομηχανικός robotρομπότ,
122
378620
3343
Μια ώρα αφ' ότου είδε το πρώτο της εργοστασιακό ρομπότ
06:33
she had programmedπρογραμματισμένος it to do some tasksκαθήκοντα in the factoryεργοστάσιο.
123
381963
3060
το είχε προγραμματίσει να κάνει κάποιες εργασίες στο εργοστάσιο.
06:37
She decidedαποφασισμένος she really likedάρεσε robotsρομπότ.
124
385023
2431
Αποφάσισε ότι της αρέσουν πραγματικά τα ρομπότ.
06:39
And it was doing the simpleαπλός repetitiveεπαναλαμβανόμενες tasksκαθήκοντα that she had had to do beforehandΕκ των προτέρων.
125
387454
4670
Κι εκείνο έκανε τις απλές επαναληπτικές εργασίες που έκανε εκείνη πρωτύτερα.
06:44
Now she's got the robotρομπότ doing it.
126
392124
1838
Τώρα έχει το ρομπότ να τις κάνει γι' αυτήν.
06:45
When we first wentπήγε out to talk to people in factoriesεργοστάσια
127
393962
2564
Όταν για πρώτη φορά πήγαμε και μιλήσαμε με τους ανθρώπους σε εργοστάσια
06:48
about how we could get robotsρομπότ to interactαλληλεπιδρώ with them better,
128
396526
2834
για το πώς θα μπορούσαμε να κάνουμε τα ρομπότ να αλληλεπιδρούν μαζί τους καλύτερα,
06:51
one of the questionsερωτήσεις we askedερωτηθείς them was,
129
399360
1566
ένα από τα πράγματα που τους ρωτήσαμε ήταν,
06:52
"Do you want your childrenπαιδιά to work in a factoryεργοστάσιο?"
130
400926
2445
«Θέλετε τα παιδιά σας να δουλέψουν σ' ένα εργοστάσιο;»
06:55
The universalΠαγκόσμιος answerαπάντηση was "No, I want a better jobδουλειά than that for my childrenπαιδιά."
131
403371
4372
Η απάντηση ομόφωνα ήταν «Όχι, θέλω μια καλύτερη δουλειά απ' αυτήν για τα παιδιά μου.»
06:59
And as a resultαποτέλεσμα of that, MildredMildred is very typicalτυπικός
132
407743
3377
Και ως συνέπεια αυτού, η Μίλντρεντ είναι αντιπροσωπευτικό παράδειγμα
07:03
of today'sσημερινή factoryεργοστάσιο workersεργαζομένων in the U.S.
133
411120
1855
των σημερινών εργατών στα εργοστάσια των Η.Π.Α.
07:04
They're olderΠαλαιότερα, and they're gettingνα πάρει olderΠαλαιότερα and olderΠαλαιότερα.
134
412975
2185
Είναι μεγαλύτερης ηλικίας και όσο πάει μεγαλώνουν περισσότερο.
07:07
There aren'tδεν είναι manyΠολλά youngνεαρός people comingερχομός into factoryεργοστάσιο work.
135
415160
2565
Δεν έρχονται πολλοί νέοι για δουλειά εργοστασίου.
07:09
And as theirδικα τους tasksκαθήκοντα becomeγίνομαι more onerousεπαχθείς on them,
136
417725
3316
Και καθώς οι εργασίες τους γίνονται ολοένα και πιο επιβαρυντικές
07:13
we need to give them toolsεργαλεία that they can collaborateσυνεργάζομαι with,
137
421041
3093
πρέπει να τους δώσουμε εργαλεία με τα οποία να μπορούν να συνεργαστούν,
07:16
so that they can be partμέρος of the solutionλύση,
138
424134
1810
ώστε να αποτελούν κομμάτι της λύσης,
07:17
so that they can continueνα συνεχίσει to work and we can continueνα συνεχίσει to produceπαράγω in the U.S.
139
425944
4851
και να συνεχίσουν να εργάζονται και να συνεχίσουμε να παράγουμε στις Η.Π.Α.
07:22
And so our visionόραμα is that MildredMildred who'sποιος είναι the lineγραμμή workerεργάτης
140
430795
4065
Έτσι το όραμά μας είναι η Μίλντρεντ από εργάτρια στην παραγωγή
07:26
becomesγίνεται MildredMildred the robotρομπότ trainerεκπαιδευτής.
141
434860
2917
να γίνει η Μίλντρεντ η εκπαιδεύτρια ρομπότ.
07:29
She liftsανελκυστήρες her gameπαιχνίδι,
142
437777
1145
Θα βελτιώσει τη δουλειά της,
07:30
like the officeγραφείο workersεργαζομένων of the 1980s liftedανυψώθηκε theirδικα τους gameπαιχνίδι of what they could do.
143
438922
4587
όπως βελτίωσαν τις δυνατότητές τους οι εργάτες του 1980.
07:35
We're not givingδίνοντας them toolsεργαλεία that they have to go and studyμελέτη for yearsχρόνια and yearsχρόνια in orderΣειρά to use.
144
443509
4084
Δεν τους δίνουμε εργαλεία που απαιτούν σπουδές ετών ώστε να μπορέσουν να τα χρησιμοποιήσουν.
07:39
They're toolsεργαλεία that they can just learnμαθαίνω how to operateλειτουργεί in a fewλίγοι minutesλεπτά.
145
447593
3444
Πρόκειται για εργαλεία που μπορούν να μάθουν να χειρίζονται σε λίγα λεπτά.
07:43
There's two great forcesδυνάμεις that are bothκαι τα δυο volitionalθεληματικός but inevitableαναπόφευκτος.
146
451037
4789
Υπάρχουν δύο μεγάλες δυνάμεις που είναι ταυτόχρονα εκούσιες αλλά και αναπόφευκτες.
07:47
That's climateκλίμα changeαλλαγή and demographicsδημογραφικά στοιχεία.
147
455826
2377
Αυτές είναι η κλιματική αλλαγή και τα δημογραφικά.
07:50
DemographicsΔημογραφικά στοιχεία is really going to changeαλλαγή our worldκόσμος.
148
458203
2667
Τα δημογραφικά θα αλλάξουν πραγματικά τον κόσμο μας.
07:52
This is the percentageποσοστό of adultsενήλικες who are workingεργαζόμενος ageηλικία.
149
460870
3962
Αυτά είναι τα ποσοστά ενηλίκων που βρίσκονται σε ηλικία εργασίας.
07:56
And it's goneχαμένος down slightlyελαφρώς over the last 40 yearsχρόνια.
150
464832
1963
Τα οποία έχουν μειωθεί ελαφρώς τα τελευταία 40 χρόνια.
07:58
But over the nextεπόμενος 40 yearsχρόνια, it's going to changeαλλαγή dramaticallyδραματικά, even in ChinaΚίνα.
151
466795
3880
Στα επόμενα 40 χρόνια όμως, θα αλλάξουν δραματικά, ακόμα και στην Κίνα.
08:02
The percentageποσοστό of adultsενήλικες who are workingεργαζόμενος ageηλικία dropsσταγόνες dramaticallyδραματικά.
152
470675
5327
Τα ποσοστά ενηλίκων σε ηλικία εργασίας πέφτουν δραματικά.
08:08
And turnedγύρισε up the other way, the people who are retirementσυνταξιοδότηση ageηλικία goesπηγαίνει up very, very fastγρήγορα,
153
476002
5090
Και αναποδογυρίζοντάς το, οι άνθρωποι που είναι σε ηλικία σύνταξης αυξάνονται πολύ, πολύ γρήγορα,
08:13
as the babyμωρό boomersboomers get to retirementσυνταξιοδότηση ageηλικία.
154
481092
4337
καθώς η γενιά της μεταπολεμικής δημογραφικής έκριξης φτάνει σε ηλικία συνταξιοδότησης.
08:17
That meansπου σημαίνει there will be more people with fewerλιγότεροι socialκοινωνικός securityασφάλεια dollarsδολάρια
155
485429
3548
Αυτό σημαίνει ότι θα υπάρχουν πιο πολλοί άνθρωποι με λιγότερα χρήματα για κοινωνική ασφάλιση
08:20
competingανταγωνίζονται for servicesΥπηρεσίες.
156
488977
2633
ανταγωνιζόμενοι για υπηρεσίες.
08:23
But more than that, as we get olderΠαλαιότερα we get more frailευπαθής
157
491610
4051
Πέραν αυτού, καθώς γερνάμε γινόμαστε πιο αδύναμοι
08:27
and we can't do all the tasksκαθήκοντα we used to do.
158
495661
2249
και δεν μπορούμε να κάνουμε όλα τα πράγματα που κάναμε.
08:29
If we look at the statisticsστατιστική on the agesηλικίες of caregiversφροντιστές,
159
497910
3713
Αν δούμε τα στατιστικά για τις ηλικίες των ανθρώπων που φροντίζουν ηλικιωμένους,
08:33
before our eyesμάτια those caregiversφροντιστές are gettingνα πάρει olderΠαλαιότερα and olderΠαλαιότερα.
160
501623
4470
θα δούμε ξεκάθαρα ότι οι φροντιστές αυτοί είναι όλο και πιο μεγάλης ηλικίας.
08:38
That's happeningσυμβαίνει statisticallyστατιστικώς right now.
161
506093
1999
Αυτό συμβαίνει στατιστικά αυτή τη στιγμή.
08:40
And as the numberαριθμός of people who are olderΠαλαιότερα, aboveπανω retirementσυνταξιοδότηση ageηλικία and gettingνα πάρει olderΠαλαιότερα, as they increaseαυξάνουν,
162
508092
5938
Και καθώς ο αριθμός των ηλικιωμένων πέραν της ηλικίας σύνταξης αυξάνεται,
08:46
there will be lessπιο λιγο people to take careΦροντίδα of them.
163
514030
2027
θα υπάρχουν λιγότεροι άνθρωποι να τους φροντίσουν.
08:48
And I think we're really going to have to have robotsρομπότ to help us.
164
516057
2619
Πιστεύω ότι θα πρέπει στ' αλήθεια να έχουμε ρομπότ για να μας βοηθούν.
08:50
And I don't mean robotsρομπότ in termsόροι of companionsσύντροφοι.
165
518676
3235
Και δεν εννοώ ρομπότ όσον αφορά στη συντροφιά.
08:53
I mean robotsρομπότ doing the things that we normallyκανονικά do for ourselvesεμείς οι ίδιοι
166
521911
3281
Εννοώ ρομπότ για να κάνουν τις δουλειές που κάνουμε συνήθως μόνοι μας
08:57
but get harderπιο δυνατα as we get olderΠαλαιότερα.
167
525192
1669
αλλά δυσκολεύουν όσο γερνάμε.
08:58
GettingΝα πάρει the groceriesείδη παντοπωλείου in from the carαυτοκίνητο, up the stairsσκάλες, into the kitchenκουζίνα.
168
526861
2865
Να παίρνουμε τα ψώνια από τ' αμάξι, να τ' ανεβάζουμε στη σκάλα, να τα πηγαίνουμε στη κουζίνα.
09:01
Or even, as we get very much olderΠαλαιότερα,
169
529726
2395
Ή ακόμα, όταν γεράσουμε πολύ περισσότερο,
09:04
drivingοδήγηση our carsαυτοκίνητα to go visitεπίσκεψη people.
170
532121
3088
να οδηγούν τ' αμάξια μας ώστε να μπορούμε να κάνουμε επισκέψεις.
09:07
And I think roboticsΡομποτική givesδίνει people a chanceευκαιρία to have dignityαξιοπρέπεια as they get olderΠαλαιότερα
171
535209
6367
Και νομίζω οτι η ρομποτική δίνει στους ανθρώπους την ευκαιρία για αξιοπρέπεια όσο γερνούν
09:13
by havingέχοντας controlέλεγχος of the roboticρομποτικό solutionλύση.
172
541576
3549
έχοντας τον έλεγχο της ρομποτικής λύσης.
09:17
So they don't have to relyβασίζομαι on people that are gettingνα πάρει scarcerδυσεύρετο to help them.
173
545125
3385
Έτσι δεν θα χρειάζεται να βασίζονται σε ανθρώπους για βοήθεια, καθώς θα σπανίζουν.
09:20
And so I really think that we're going to be spendingδαπανών more time
174
548510
6892
Πιστεύω λοιπόν ότι θα περνάμε περισσότερο χρόνο
09:27
with robotsρομπότ like BaxterΤης Baxter
175
555402
2301
με ρομπότ σαν το Μπάξτερ
09:29
and workingεργαζόμενος with robotsρομπότ like BaxterΤης Baxter in our dailyκαθημερινά livesζωή. And that we will --
176
557703
6694
δουλεύοντας με ρομπότ σαν το Μπάξτερ στη καθημερινότητά μας. Και θα --
09:36
Here, BaxterΤης Baxter, it's good.
177
564397
2480
Έλα, Μπάξτερ, μια χαρά.
09:38
And that we will all come to relyβασίζομαι on robotsρομπότ over the nextεπόμενος 40 yearsχρόνια
178
566877
4244
Και θα φτάσουμε να βασιζόμαστε όλοι σε ρομπότ στα επόμενα 40 χρόνια
09:43
as partμέρος of our everydayκάθε μέρα livesζωή.
179
571121
2166
ως μέρος της καθημερινής μας ζωής.
09:45
ThanksΕυχαριστώ very much.
180
573287
1294
Ευχαριστώ πολύ.
09:46
(ApplauseΧειροκροτήματα)
181
574581
2995
(Χειροκρότημα)
Translated by Nikolaos Benias
Reviewed by Helena Galani

▲Back to top

ABOUT THE SPEAKER
Rodney Brooks - Roboticist
Rodney Brooks builds robots based on biological principles of movement and reasoning. The goal: a robot who can figure things out.

Why you should listen

Former MIT professor Rodney Brooks studies and engineers robot intelligence, looking for the holy grail of robotics: the AGI, or artificial general intelligence. For decades, we've been building robots to do highly specific tasks -- welding, riveting, delivering interoffice mail -- but what we all want, really, is a robot that can figure things out on its own, the way we humans do.

Brooks realized that a top-down approach -- just building the biggest brain possible and teaching it everything we could think of -- would never work. What would work is a robot who learns like we do, by trial and error, and with many separate parts that learn separate jobs. The thesis of his work which was captured in Fast, Cheap and Out of Control,went on to become the title of the great Errol Morris documentary.

A founder of iRobot, makers of the Roomba vacuum, Brooks is now founder and CTO of Rethink Robotics, whose mission is to apply advanced robotic intelligence to manufacturing and physical labor. Its first robots: the versatile two-armed Baxter and one-armed Sawyer. Brooks is the former director of CSAIL, MIT's Computers Science and Artificial Intelligence Laboratory.

 
More profile about the speaker
Rodney Brooks | Speaker | TED.com