TED2007
Hod Lipson: Building "self-aware" robots
자각하는 로봇을 만들다.
Filmed:
Readability: 3.1
1,460,460 views
Hod Lipson이 직접 설계한 스스로 학습하거나, 스스로를 이해할 수 있으며, 자가 복제도 가능한 로봇들이 소개을 소개한다.
Hod Lipson - Roboticist
Hod Lipson works at the intersection of engineering and biology, studying robots and the way they "behave" and evolve. His work has exciting implications for design and manufacturing -- and serves as a window to understand our own behavior and evolution. Full bio
Hod Lipson works at the intersection of engineering and biology, studying robots and the way they "behave" and evolve. His work has exciting implications for design and manufacturing -- and serves as a window to understand our own behavior and evolution. Full bio
Double-click the English transcript below to play the video.
00:25
So, where are the robots?
0
0
2000
지금 로봇들은 어디 있나요?
00:27
We've been told for 40 years already that they're coming soon.
1
2000
3000
지난 40년간 우리는 머지않아 로봇들을 볼 수 있을 것이라고 들어 왔습니다.
00:30
Very soon they'll be doing everything for us.
2
5000
3000
곧 있으면 로봇들이 대신 요리를 하고 방 청소를 하고 물품을 구입하고
00:33
They'll be cooking, cleaning, buying things, shopping, building. But they aren't here.
3
8000
5000
쇼핑을 하고 건설 노동을 해 줄 것이라고 들었죠. 하지만 아직까지도 상상 속의 이야기일 뿐입니다.
00:38
Meanwhile, we have illegal immigrants doing all the work,
4
13000
4000
아직까지 로봇들의 노동은 도입되지도 않고, 대신 불법 이민자들이
00:42
but we don't have any robots.
5
17000
2000
온갖 노동을 맡아서 하고 있죠.
00:44
So what can we do about that? What can we say?
6
19000
4000
이 문제에 대해 논의를 하고자 합니다.
00:48
So I want to give a little bit of a different perspective
7
23000
4000
먼저 이 문제를 좀 다른 관점에서 접근해
00:52
of how we can perhaps look at these things in a little bit of a different way.
8
27000
6000
여러분들이 로봇이라는 것의 새로운 면을 볼 수 있도록 할 것입니다.
00:58
And this is an x-ray picture
9
33000
2000
지금 보시는 것은 88년도에 찍은
01:00
of a real beetle, and a Swiss watch, back from '88. You look at that --
10
35000
5000
딱정벌레와 스위스 시계의 X선 사진입니다.
01:05
what was true then is certainly true today.
11
40000
2000
그 때나 지금이나 변한 것은 별로 없습니다.
01:07
We can still make the pieces. We can make the right pieces.
12
42000
3000
우리는 여전히 기계 부품들을 만들고
01:10
We can make the circuitry of the right computational power,
13
45000
3000
연산 능력을 가진 전자 회로를 만듭니다.
01:13
but we can't actually put them together to make something
14
48000
3000
하지만 여전히 딱정벌레처럼 무엇인가를 하는 동시에
01:16
that will actually work and be as adaptive as these systems.
15
51000
5000
주변 환경에 적응할 수 있는 기계를 만들지는 못하죠.
01:21
So let's try to look at it from a different perspective.
16
56000
2000
이제 다른 관점에서 한 번 살펴봅시다.
01:23
Let's summon the best designer, the mother of all designers.
17
58000
4000
가장 강력한 디자이너이자 모든 디자이너들의 스승인
01:27
Let's see what evolution can do for us.
18
62000
3000
'진화'를 통해 한 번 살펴보죠.
01:30
So we threw in -- we created a primordial soup
19
65000
4000
우리는 원시 지구의 상태를 모방해 쇠 막대기,
01:34
with lots of pieces of robots -- with bars, with motors, with neurons.
20
69000
4000
전동기와 같은 로봇 부품들로 이루어진 원생액을 만들어봤습니다.
01:38
Put them all together, and put all this under kind of natural selection,
21
73000
4000
그 부품들로 로봇들이 만들어지면 자연 선택을 적용시키고
01:42
under mutation, and rewarded things for how well they can move forward.
22
77000
4000
돌연변이도 만들고 앞으로 얼마나 움직이는지에 따라 보상도 했죠.
01:46
A very simple task, and it's interesting to see what kind of things came out of that.
23
81000
6000
굉장히 간단한 것이지만 결과는 아주 흥미로웠습니다.
01:52
So if you look, you can see a lot of different machines
24
87000
3000
여기 보시면 이 과정을 통해 얼마나 많은 종류의 기계들이
01:55
come out of this. They all move around.
25
90000
2000
탄생했는지 알 수 있습니다. 모두 다
01:57
They all crawl in different ways, and you can see on the right,
26
92000
4000
이리저리 움직이고 있죠. 오른쪽에는 현실에서 실제로
02:01
that we actually made a couple of these things,
27
96000
2000
움직이는 로봇들도 보입니다.
02:03
and they work in reality. These are not very fantastic robots,
28
98000
3000
그다지 멋있거나 환상적이진 않지만
02:06
but they evolved to do exactly what we reward them for:
29
101000
4000
진화시킨 목적을 충분히 달성했습니다. 바로 앞으로 움직이는 것이죠.
02:10
for moving forward. So that was all done in simulation,
30
105000
3000
이건 시뮬레이션 뿐만 아니라 현실 속 실제
02:13
but we can also do that on a real machine.
31
108000
2000
기계에도 적용 가능한 이야기입니다.
02:15
Here's a physical robot that we actually
32
110000
5000
여기 우리가 실제로 만든 로봇이 있습니다.
02:20
have a population of brains,
33
115000
3000
로봇에 존재하는 여러 개의 두뇌들이 서로 경쟁하고
02:23
competing, or evolving on the machine.
34
118000
2000
진화하는 중이죠. 약간 로데오와
02:25
It's like a rodeo show. They all get a ride on the machine,
35
120000
3000
비슷합니다. 각각의 두뇌는 이 로봇을 조정할
02:28
and they get rewarded for how fast or how far
36
123000
3000
기회를 갖게 되는데 가장 빠른 시간 내에 가장 멀리
02:31
they can make the machine move forward.
37
126000
2000
이 기계를 앞으로 움직일 경우 가장 큰 보상을 받죠.
02:33
And you can see these robots are not ready
38
128000
2000
아직 세계를 제패할 수준은 아니지만
02:35
to take over the world yet, but
39
130000
3000
시간이 지날수록 점점 앞으로 움직이는
02:38
they gradually learn how to move forward,
40
133000
2000
방법을 터득하고
02:40
and they do this autonomously.
41
135000
3000
그 모든 과정을 스스로 해내는 것을 볼 수 있습니다.
02:43
So in these two examples, we had basically
42
138000
4000
지금까지는 시뮬레이션에서 혹은
02:47
machines that learned how to walk in simulation,
43
142000
3000
현실 세계에서 움직이는 방법을 배우는
02:50
and also machines that learned how to walk in reality.
44
145000
2000
로봇들만 보여드렸습니다.
02:52
But I want to show you a different approach,
45
147000
2000
이제 약간 다른 종류의 로봇을 소개하겠습니다.
02:54
and this is this robot over here, which has four legs.
46
149000
6000
여기 네 개의 다리가 달린 이 로봇은 8개의 전동기가 달려 있습니다.
03:00
It has eight motors, four on the knees and four on the hip.
47
155000
2000
네 개는 무릎에, 다른 네 개는 엉덩이쪽에 있죠.
03:02
It has also two tilt sensors that tell the machine
48
157000
3000
기계가 어느 쪽으로 기울어져 있는지를
03:05
which way it's tilting.
49
160000
3000
알려주는 센서도 장착되어 있습니다.
03:08
But this machine doesn't know what it looks like.
50
163000
2000
그러나 이 기계는 자기 자신이 어떤 구조인지
03:10
You look at it and you see it has four legs,
51
165000
2000
전혀 모릅니다. 여러분은 이 로봇을 '볼' 수 있는데 비해
03:12
the machine doesn't know if it's a snake, if it's a tree,
52
167000
2000
이 기계는 자신이 뱀인지
03:14
it doesn't have any idea what it looks like,
53
169000
3000
나무인지 전혀 알지 못하죠. 때문에 이 기계는 자신이
03:17
but it's going to try to find that out.
54
172000
2000
무엇인지 탐지하려고 할 것입니다.
03:19
Initially, it does some random motion,
55
174000
2000
가장 먼저 무작위로 움직임을 하나
03:21
and then it tries to figure out what it might look like.
56
176000
3000
시도해봅니다. 그리고는 스스로가 어떤 구조로 돼 있는지
03:24
And you're seeing a lot of things passing through its minds,
57
179000
2000
알아내려고 하죠. 화면을 보시면
03:26
a lot of self-models that try to explain the relationship
58
181000
4000
로봇이 실제로 움직인 것과 센서로 느낀 정보의 관계를 설명하기 위해
03:30
between actuation and sensing. It then tries to do
59
185000
3000
현재 어떤 구조들을 생각 중인지 알 수 있습니다.
03:33
a second action that creates the most disagreement
60
188000
4000
그 다음에는 후보군 사이에서 결과값이 서로 다르게 나올 것으로 예상되는 움직임을
03:37
among predictions of these alternative models,
61
192000
2000
시도해봅니다. 실험실 안의 과학자처럼요.
03:39
like a scientist in a lab. Then it does that
62
194000
2000
그 결과를 나름대로 해석하면서
03:41
and tries to explain that, and prune out its self-models.
63
196000
4000
후보 구조의 종류를 좁혀 나갑니다.
03:45
This is the last cycle, and you can see it's pretty much
64
200000
3000
이건 마지막 단계인데 이제 스스로가 어떤 구조인지
03:48
figured out what its self looks like. And once it has a self-model,
65
203000
4000
찾아냈다는 것을 알 수 있습니다. 이처럼 자가 모형을 완성시키면
03:52
it can use that to derive a pattern of locomotion.
66
207000
4000
그것을 이용해 앞으로 움직일 일련의 과정을 유도해냅니다.
03:56
So what you're seeing here are a couple of machines --
67
211000
2000
여기 로봇이 유도해낸
03:58
a pattern of locomotion.
68
213000
2000
움직임의 과정을 볼 수 있습니다.
04:00
We were hoping that it wass going to have a kind of evil, spidery walk,
69
215000
4000
거미처럼 움직이기를 바랐지만
04:04
but instead it created this pretty lame way of moving forward.
70
219000
4000
보시는 것처럼 우스꽝스러운 모습으로 움직이더군요.
04:08
But when you look at that, you have to remember
71
223000
3000
하지만 여기서 주목할 것은 이 로봇이
04:11
that this machine did not do any physical trials on how to move forward,
72
226000
6000
앞으로 움직이기 위해 아무거나 마구 시도한 것이 아니고
04:17
nor did it have a model of itself.
73
232000
2000
처음엔 자신에 대한 인식조차 없었다는 점입니다.
04:19
It kind of figured out what it looks like, and how to move forward,
74
234000
3000
즉 아무것도 없는 상태에서 스스로가 어떤 구조로 돼 있는지
04:22
and then actually tried that out.
75
237000
4000
알아내고 앞으로 움직이는 법을 터득한 후 실제로 앞으로 움직였다는 것이죠.
04:26
(Applause)
76
241000
5000
(박수)
04:31
So, we'll move forward to a different idea.
77
246000
4000
이제 또 다른 아이디어로 넘어갑시다.
04:35
So that was what happened when we had a couple of --
78
250000
5000
방금 전까지 보여드린 것은--
04:40
that's what happened when you had a couple of -- OK, OK, OK --
79
255000
4000
방금 전까지 보여드린 것은-- 알았어. 알았어. 그만해.
04:44
(Laughter)
80
259000
2000
(웃음)
04:46
-- they don't like each other. So
81
261000
2000
서로 싫어하는 것 같군요.
04:48
there's a different robot.
82
263000
3000
여기 또 다른 로봇이 있습니다.
04:51
That's what happened when the robots actually
83
266000
2000
방금 전까지 보여드린 것은 결과가 좋을 때
04:53
are rewarded for doing something.
84
268000
2000
보상을 한 경우였습니다.
04:55
What happens if you don't reward them for anything, you just throw them in?
85
270000
3000
그런데 보상을 하지 않으면 어떻게 될까요?
04:58
So we have these cubes, like the diagram showed here.
86
273000
3000
여기 그림과 같은 정육면체가 있습니다.
05:01
The cube can swivel, or flip on its side,
87
276000
2000
이 정육면체는 회전하거나 옆으로 누울수도 있죠.
05:04
and we just throw 1,000 of these cubes into a soup --
88
279000
4000
이 정육면체 1,000개를 시뮬레이션에서 만든 다음
05:08
this is in simulation --and don't reward them for anything,
89
283000
2000
어떠한 보상도 하지 않은 상태에서
05:10
we just let them flip. We pump energy into this
90
285000
3000
계속해서 옆으로 눕도록 했습니다.
05:13
and see what happens in a couple of mutations.
91
288000
3000
돌연변이 몇 개가 나타난 후 어떻게 되는지 보죠.
05:16
So, initially nothing happens, they're just flipping around there.
92
291000
3000
처음엔 아무것도 일어나지 않습니다.
05:19
But after a very short while, you can see these blue things
93
294000
4000
하지만 시간이 좀 흐르자 오른쪽 파란색의 개체수가
05:23
on the right there begin to take over.
94
298000
2000
늘어나는 것을 확인할 수 있습니다.
05:25
They begin to self-replicate. So in absence of any reward,
95
300000
4000
자가 복제를 하는 것입니다. 외부 보상이 없을 경우
05:29
the intrinsic reward is self-replication.
96
304000
3000
자가 복제를 통해 스스로 보상하는 것이죠.
05:32
And we've actually built a couple of these,
97
307000
1000
비슷한 것을 실제로 만들어봤습니다.
05:33
and this is part of a larger robot made out of these cubes.
98
308000
4000
이건 더 큰 로봇의 일부분일 뿐입니다.
05:37
It's an accelerated view, where you can see the robot actually
99
312000
3000
빠른 속도로 재생시키면 로봇이 자가 복제하는
05:40
carrying out some of its replication process.
100
315000
2000
모습을 볼 수 있죠.
05:42
So you're feeding it with more material -- cubes in this case --
101
317000
4000
스스로를 복제시킬 원료와 에너지만 공급해주면
05:46
and more energy, and it can make another robot.
102
321000
3000
또 다른 로봇을 저절로 탄생시키는 것입니다.
05:49
So of course, this is a very crude machine,
103
324000
3000
물론 이건 아주 단순한 기계에 해당되지만 현재 우리는
05:52
but we're working on a micro-scale version of these,
104
327000
2000
이 기계를 초소형으로 축소시키는 작업을 하고 있습니다.
05:54
and hopefully the cubes will be like a powder that you pour in.
105
329000
3000
잘 된다면 이 정육면체들은 분말 가루와 같은 모습을 지니게 될 것입니다.
05:57
OK, so what can we learn? These robots are of course
106
332000
5000
그럼 여기서 무엇을 배울 수 있을까요? 지금까지 소개해드린 로봇들은
06:02
not very useful in themselves, but they might teach us something
107
337000
3000
그 자체로는 별 쓸모가 없습니다. 그러나 어떻게 해야
06:05
about how we can build better robots,
108
340000
3000
더 나은 로봇을 만들 수 있는지
06:08
and perhaps how humans, animals, create self-models and learn.
109
343000
5000
또 인간과 다른 동물들이 어떻게 자신에 대해 인식하고 배우는지에 대한 답을 제시할 수도 있습니다.
06:13
And one of the things that I think is important
110
348000
2000
마지막으로 제가 중요하게 생각하는 것 중 하나는
06:15
is that we have to get away from this idea
111
350000
2000
인간이 수동적으로 기계를 설계하는 것을 탈피해야
06:17
of designing the machines manually,
112
352000
2000
한다는 것입니다. 마치 아이처럼 기계 스스로가 진화하고
06:19
but actually let them evolve and learn, like children,
113
354000
3000
배울 수 있도록 하면 아마 그런 날이 머지않아 올 것입니다.
06:22
and perhaps that's the way we'll get there. Thank you.
114
357000
2000
감사합니다.
06:24
(Applause)
115
359000
2000
(박수)
Reviewed by Yenah Lee
ABOUT THE SPEAKER
Hod Lipson - RoboticistHod Lipson works at the intersection of engineering and biology, studying robots and the way they "behave" and evolve. His work has exciting implications for design and manufacturing -- and serves as a window to understand our own behavior and evolution.
Why you should listen
To say that Hod Lipson and his team at Cornell build robots is not completely accurate: They may simply set out a pile of virtual robot parts, devise some rules for assembly, and see what the parts build themselves into. They've created robots that decide for themselves how they want to walk; robots that develop a sense of what they look like; even robots that can, through trial and error, construct other robots just like themselves.
Working across disciplines -- physics, computer science, math, biology and several flavors of engineer -- the team studies techniques for self-assembly and evolution that have great implications for fields such as micro-manufacturing -- allowing tiny pieces to assemble themselves at scales heretofore impossible -- and extreme custom manufacturing (in other words, 3-D printers for the home).
His lab's Outreach page is a funhouse of tools and instructions, including the amazing Golem@Home -- a self-assembling virtual robot who lives in your screensaver.
Hod Lipson | Speaker | TED.com