Name: Khi nào robot có thể hành động giống con người? | BBC Click (How soon will robots be able to behave like humans? | BBC Click)
Uploaded: 2025-07-28T20:15:19.000Z
Duration: 6 min 33 s
Description: Thousands of YouTube videos with English-Chinese subtitles! Now you can learn to understand native speakers, expand your vocabulary, and improve your pronunciation...

MIT's Computer Science and Artificial Intelligence Laboratory is a world-leading facility.

Trung tâm Khoa học Máy tính và Trí tuệ Nhân tạo của MIT là một cơ sở hàng đầu thế giới.

But today, I've come to teach a thing or two.

Nhưng hôm nay, tôi đến đây để dạy cho các bạn một vài điều.

Đối với các robot, tức là không phải con người.

In a bid to help them behave as humanly as possible, especially with the tasks that we wouldn't give a second thought to.

Với mục đích giúp họ hành động một cách nhân văn nhất có thể, đặc biệt là với những công việc mà chúng ta không cần phải suy nghĩ kỹ lưỡng.

This reinforcement learning where the machines mimic humans is how the AI is trained.

Phương pháp học tăng cường này, trong đó máy móc mô phỏng hành vi của con người, chính là cách mà trí tuệ nhân tạo (AI) được đào tạo.

It aims to make the bots less, well, robotic and more multi-skilled.

Mục tiêu của nó là làm cho các bot trở nên ít cứng nhắc hơn và đa năng hơn.

This motion is actually independent of where we place the glass and the picture, so we can have a much more adaptive system that does not need to have everything specified precisely.

Động tác này thực tế độc lập với vị trí đặt ly và hình ảnh, do đó chúng ta có thể tạo ra một hệ thống linh hoạt hơn, không cần phải xác định chính xác mọi chi tiết.

In fact, this is part of the magic of machine learning.

Thực tế, đây chính là một phần của sức mạnh kỳ diệu của học máy.

With machine learning, we can turn pre-programmed robots into intelligent machines.

Với trí tuệ nhân tạo, chúng ta có thể biến các robot được lập trình sẵn thành các máy móc thông minh.

That means we can use data, we can use text, we can use images.

Điều đó có nghĩa là chúng ta có thể sử dụng dữ liệu, có thể sử dụng văn bản, có thể sử dụng hình ảnh.

We can even use muscle activity, and we can learn from this data how to do tasks in a much more seamless way.

Chúng ta thậm chí có thể sử dụng hoạt động cơ bắp và học hỏi từ dữ liệu này để thực hiện các tác vụ một cách mượt mà hơn nhiều.

Baxter's also been trained on doing the dishes and chopping veg.

Baxter cũng đã được huấn luyện để rửa bát và thái rau.

Trong khi đó, ai cần một bàn tay robot?

So, Laura, this is another robot we've been working on, and what's special about the hand is that it's got a very compliant body, so it's got skin, in other words, soft material.

Vậy, Laura, đây là một robot khác mà chúng ta đang phát triển, và điểm đặc biệt của bàn tay là nó có một cơ thể rất linh hoạt, tức là nó có da, nói cách khác, là vật liệu mềm.

It feels like silicon, but I can also feel what is like the bones inside.

Nó có cảm giác như silicon, nhưng tôi cũng có thể cảm nhận được những gì giống như xương bên trong.

So the reason we put bones inside is because we want to have a hand that is compliant, and that's what we get from the silicon.

Vì vậy, lý do chúng ta đặt xương bên trong là để có được một bàn tay linh hoạt, và đó chính là điều chúng ta đạt được từ silicon.

On with the glove, and time for a lighter task to start.

Đeo găng tay vào và bắt đầu với một công việc nhẹ nhàng hơn.

My hand's starting off in the same position as the bot, and the idea is that I'm going to train it to pick up that dollar bill.

Tay của tôi bắt đầu ở vị trí giống như robot, và ý tưởng là tôi sẽ huấn luyện nó để nhặt tờ tiền đô la đó.

Nó rất nhạy cảm với chuyển động.

As you can see here, just the tiniest turns, and you can really see them.

Như bạn có thể thấy ở đây, chỉ cần xoay một chút thôi, và bạn có thể nhìn thấy rõ ràng.

Ngoài ra, những cử động đó cũng rất con người.

If I do a kind of typing action, look at that, look at the fingers in real time.

Nếu tôi thực hiện một hành động gõ phím, hãy nhìn xem, hãy nhìn ngón tay trong thời gian thực.

Right, so if I now move my hand down as though I'm going to pick up the dollar bill...

Được rồi, bây giờ nếu tôi di chuyển tay xuống như thể tôi đang định nhặt tờ tiền đô la...

You're off, you're off, you have to shift.

Đi đi, đi đi, phải chuyển sang việc khác.

I tried and failed repeatedly, so I'm not sure how much use this training was.

Tôi đã thử nhiều lần nhưng đều thất bại, vì vậy tôi không chắc chắn về hiệu quả của khóa đào tạo này.

Ôi, gần lắm, thật là bực mình.

Next up, a look at how robots can work as a team.

Tiếp theo, chúng ta sẽ tìm hiểu cách robot có thể làm việc theo nhóm.

Hãy tưởng tượng một đàn kiến.

What sort of real-world uses would robotics created on this basis have?

Các ứng dụng thực tế của robot được phát triển trên nền tảng này sẽ là gì?

You could take a swarm of robots like these ones and get them to go up a bridge to ensure the integrity of the bridge.

Bạn có thể sử dụng một đàn robot như những chiếc này và điều khiển chúng leo lên cầu để đảm bảo tính toàn vẹn của cầu.

We have to consider what should the body do, what should the brain do?

Chúng ta cần xem xét cơ thể nên làm gì, não bộ nên làm gì?

And depending on the task of the robot, how should we design the body so that the body is capable of the task?

Và tùy thuộc vào nhiệm vụ của robot, chúng ta nên thiết kế cơ thể như thế nào để cơ thể có thể thực hiện được nhiệm vụ đó?

We then need the brain to get the body to do what it's meant to do.

Sau đó, chúng ta cần não bộ để điều khiển cơ thể thực hiện những gì nó được thiết kế để làm.

And I suppose the interaction between devices is really important for real-world purposes like self-driving cars, that they be able to see each other and understand how to interact with what's around them.

Và tôi cho rằng sự tương tác giữa các thiết bị thực sự quan trọng đối với các ứng dụng thực tế như xe tự lái, để chúng có thể nhận biết lẫn nhau và hiểu cách tương tác với môi trường xung quanh.

Exactly, so the coordination and group behaviour we get from local interactions to global behaviour are super important.

Đúng vậy, sự phối hợp và hành vi nhóm mà chúng ta quan sát được từ các tương tác cục bộ đến hành vi toàn cầu là vô cùng quan trọng.

Đó là một phần của trí tuệ thể chất.

That is part of getting robots to perceive the world around them and reason about it.

Đó là một phần của quá trình giúp robot nhận thức thế giới xung quanh và suy luận về nó.

Krush is autonomous, having learnt to swim from data collected on real sea turtles.

Krush là một robot tự động, đã học cách bơi từ dữ liệu thu thập được từ rùa biển thật.

This actually gives us a very naturally moving robot that goes in the sea and does not disturb the sea life and that allows us to study the sea life better.

Điều này thực sự mang lại cho chúng ta một con robot di chuyển một cách tự nhiên trong biển, không gây ảnh hưởng đến đời sống biển và cho phép chúng ta nghiên cứu đời sống biển một cách hiệu quả hơn.

This robot is able to move whatever way we want in the sea, all of this enabled by its algorithms.

Robot này có khả năng di chuyển theo bất kỳ hướng nào chúng ta muốn trong biển, tất cả điều này đều được thực hiện nhờ các thuật toán của nó.

I can actually see how natural the movement seems.

Tôi thực sự có thể thấy sự chuyển động trông rất tự nhiên.

Sự thật là nó không đều như vậy.

It's smooth, but it doesn't seem that sort of organised in its movement, which is, of course, a very real way that a creature would behave.

Nó trơn tru, nhưng không có vẻ như được tổ chức một cách có trật tự trong chuyển động của nó, điều này, tất nhiên, là một cách hành vi rất thực tế của một sinh vật.

From the seas to the skies, devices are not only learning from the physical world, but also from language and AI's ability to reason.

Từ biển cả đến bầu trời, các thiết bị không chỉ học hỏi từ thế giới vật lý mà còn từ ngôn ngữ và khả năng suy luận của trí tuệ nhân tạo (AI).

This drone is being trained to understand instructions in any language.

Chiếc máy bay không người lái này đang được huấn luyện để hiểu các lệnh bằng bất kỳ ngôn ngữ nào.

It's never seen a red bag or a traffic cone in its data set, but combining its understanding of language and vision, it is able to reason, so should be able to understand and carry out this command and so many more.

Nó chưa từng gặp một túi đỏ hay một cọc giao thông trong tập dữ liệu của mình, nhưng bằng cách kết hợp khả năng hiểu ngôn ngữ và thị giác, nó có thể suy luận, do đó có thể hiểu và thực hiện lệnh này cũng như rất nhiều lệnh khác.

Just by me instructing it in my own words, it ended up in the right spot.

Chỉ bằng cách tôi hướng dẫn nó bằng lời của mình, nó đã được đặt đúng vị trí.

Before I go, though, I have been promised some lunch.

Trước khi đi, tôi đã được hứa sẽ được mời ăn trưa.

Ai đó đang làm cho tôi một chiếc sandwich.

Không sao đâu, nhưng tôi đang rất đói.

Not sure how appealing that lettuce is looking after having that done to it.

Không chắc rau xà lách trông hấp dẫn thế nào sau khi đã làm như vậy.

Đó không phải là do con người xử lý, mà là do robot xử lý.

Turns out that for robots, some of the jobs that we find the easiest are going to take some time to learn.

Hóa ra, đối với robot, một số công việc mà con người chúng ta cho là dễ dàng nhất lại cần thời gian để học hỏi.

It's like watching someone with a claw machine, just a really advanced version.

Nó giống như việc xem ai đó chơi máy gắp thú, nhưng là phiên bản cực kỳ hiện đại.