Hod Lipson baut Roboter, die sich ihrer Selbst bewußt sind

Also, wo sind die Roboter? Seit 40 Jahren wird uns schon gesagt, dass sie bald kommen. Sehr bald würden sie alles für uns machen: kochen, putzen, einkaufen, bauen. Aber sie sind nicht hier. Inzwischen haben wir illegale Immigranten, die diese Arbeiten verrichten, aber wir haben keine Roboter. Was können wir deshalb unternehmen? Was können wir sagen? Ich möchte eine andere Sichtweise anbieten, aus der wir diese Dinge vielleicht ein wenig anders betrachten können. Das ist ein Röntgenbild eines Käfers und einer Schweizer Uhr aus dem Jahr 1988. Seitdem hat sich im Prinzip nichts geändert. Wir können noch immer die Einzelteile anfertigen. Wir können die Schaltkreise für die entsprechende Rechenleistung herstellen, aber wir können sie nicht kombinieren, um etwas zu erschaffen, das tatsächlich so funktioniert und so lernfähig ist wie diese Systeme.

Betrachten wir es aus einer anderen Perspektive. Rufen wir den besten Designer auf, die Mutter aller Designer: Schauen wir, was die Evolution für uns tun kann. Wir haben also alles hineingeworfen - sozusagen eine Ur-Suppe erschaffen mit vielen Teilen von Robotern: mit Stangen, mit Motoren, mit Neuronen. Wir haben alles vermischt und einer Art natürlichen Auslese ausgesetzt, Mutation. Und wir haben Dinge dafür belohnt, wie gut sie sich vorwärts bewegen können. Eine sehr einfache Aufgabe. Es ist interessant zu sehen, was dabei herauskam.

Sie können viele verschiedene Maschinen sehen, die so entstanden sind. Sie bewegen sich alle, sie krabbeln auf verschiedene Arten, und Sie können hier rechts sehen, dass wir einige dieser Dinge hergestellt haben. Und sie funktionieren tatsächlich. Keine besonders aufregenden Roboter, aber sie entwickelten sich, um genau das zu tun, wofür wir sie belohnten:

sich vorwärts zu bewegen. Das ist nur eine Simulation, aber es funktioniert auch mit einer echten Maschine. Hier ist ein echter Roboter, in dem eine Population von Gehirnen wetteifert und sich entwickelt. Wie beim Rodeo: Alle bekommen einen Ritt auf der Maschine und werden dafür belohnt, wie schnell oder weit sie die Maschine vorwärts bewegen können. Diese Roboter sind noch nicht bereit, die Weltherrschaft zu übernehmen. Aber sie lernen allmählich, sich vorwärts zu bewegen. Und sie tun das autonom.

In diesen zwei Beispielen haben wir Maschinen gesehen, die in der Simulation gelernt haben, zu gehen, und andere, die es in der Wirklichkeit gelernt haben. Aber ich möchte Ihnen einen anderen Ansatz zeigen. Und das ist dieser Roboter. Er hat vier Beine und acht Motoren, vier für die Knie und vier für die Hüften. Er hat auch zwei Neigungssensoren, die ihm anzeigen, in welche Richtung er sich neigt.

Diese Maschine weiß nicht, wie sie aussieht. Sie sehen, dass sie vier Beine hat. Aber sie weiß nicht, ob sie eine Schlange oder ein Baum ist. Sie hat keine Vorstellung von ihrem Aussehen, aber sie wird versuchen es herauszufinden. Anfänglich bewegt sie sich zufällig, und dann versucht sie herauszufinden, wie sie aussehen könnte. Es gehen ihr viele Dinge durch den Kopf, viele Modelle ihrer Selbst, die die Beziehung zwischen Handeln und Wahrnehmen erklären sollen. Eine zweite Aktion versucht dann, den größtmöglichen Widerspruch zwischen den so gewonnenen Vorhersagen zu erzeugen, wie ein Wissenschaftler im Labor. Dann versucht sie, sich das alles zu erklären und die Modelle ihrer Selbst auszulichten.

Das ist der letzte Zyklus, und Sie sehen, dass sie herausgefunden hat, wie sie aussieht, und sobald sie ein Modell ihrer Selbst hat, kann sie es verwenden, um davon ein Bewegungsmuster abzuleiten. Hier sehen Sie das Bewegungsmuster einer Maschine. Wir hofften, dass sie eine Art bösen, spinnenartigen Gang haben würde, aber stattdessen entwickelte sie diese ziemlich lahme Art der Vorwärtsbewegung.

Aber Sie müssen bedenken, dass diese Maschine nie real ausprobiert hat, wie sie sich vorwärts bewegen kann, noch hatte sie ein Modell ihrer selbst. Sie hat irgendwie ausgerechnet, wie sie aussieht und sich vorwärts bewegen kann und hat es dann tatsächlich ausprobiert. (Applaus)

Schauen wir uns eine andere Sache an. Das geschah also, als wir einige -- das geschah, als wir einige -- (Lachen) -- sie mögen einander nicht. Das ist ein anderer Roboter. Das geschieht, wenn die Roboter für etwas, das sie tun, belohnt werden. Was geschieht, wenn man sie für gar nichts belohnt?

Wir benutzten diese Würfel. Sie können sich drehen oder auf die Seite kippen. Wir werden einfach 1.000 dieser Würfel in einen Topf werfen und nicht belohnen. Das hier ist eine Simulation. Wir lassen sie sich nur bewegen. Wir pumpen Energie hinein und beobachten, was in ein paar Mutationen geschieht. Anfänglich geschieht überhaupt nichts, sie zappeln nur herum. Aber nach kurzer Zeit können Sie sehen, wie die blauen Dinger auf der rechten Seite die Oberhand gewinnen.

Sie beginnen sich selbst zu reproduzieren. Ohne jede Belohnung wird die Selbst-Reproduktion zur intrinsischen Belohnung. Wir haben einige gebaut. Das hier ist ein Teil eines größeren Roboters, der aus diesen Würfeln besteht. Es ist eine beschleunigte Ansicht, in der man sieht, wie sich der Roboter selbst repliziert. Wenn man ihn mit mehr Material füttert, in diesem Fall mit Würfeln, und mit mehr Energie, kann er einen weiteren Roboter bauen. Das ist natürlich eine sehr primitive Maschine, aber wir arbeiten auch an Mikro-Versionen. Hoffentlich werden die Würfel wie Puder, das man wo hinzugibt.

OK, was können wir daraus lernen? Diese Roboter sind natürlich an sich nicht sehr nützlich, aber sie könnten uns beibringen, wie man bessere Roboter baut und vielleicht wie Menschen und Tiere lernen und Modelle ihrer Selbst erzeugen. Ich denke, es ist wichtig, dass wir uns von der Idee lösen, Maschinen selbst zu entwerfen. Wir sollten sie sich entwickeln und lernen lassen wie Kinder. Vielleicht ist das der richtige Weg. Vielen Dank. (Applaus)