Titta

UR Samtiden - Material och teknik i en digital framtid

UR Samtiden - Material och teknik i en digital framtid

Om UR Samtiden - Material och teknik i en digital framtid

Föreläsningar om de senaste rönen och forskningsresultaten inom teknik- och materialutveckling för en digital framtid. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Till första programmet

UR Samtiden - Material och teknik i en digital framtid : Robotar som samarbetarDela
  1. Man blir en del av teamet.

  2. Mjukvaran låter en kommunicera,
    delegera och agera-

  3. -med andra robotsystem
    och människor.

  4. Vi börjar med vad som händer i dag
    med samhället och tekniken.

  5. Det pågår ju ett antal paradigmskiften.

  6. Vi lever i vad vi kan kalla
    intelligensens tidsålder.

  7. Det ska vara en video där.

  8. Hoppsan. Jag stänger av ljudet.

  9. Jag kan visst inte.

  10. Vi har sett systemet Watson
    användas i Jeopardy-

  11. -och nu inom medicinsk forskning.

  12. Vi ser också
    hur mekatroniken utvecklas.

  13. Vi börjar få robotar
    som fungerar i krävande situationer.

  14. I vår forskning ska vi kombinera
    artificiell intelligens-

  15. -med AI-robotik.

  16. Forskningens fokus de senaste åren-

  17. -har varit samarbete
    eller mixed initiative-interaktion.

  18. Vi studerar olika sorters interaktion.

  19. Människor kan interagera med robotar
    för att få något gjort-

  20. -robotar kan interagera med robotar-

  21. -robotar kan interagera
    med människor-

  22. -och människor med människor
    i team som involverar robotsystem.

  23. Interaktionen kan alltså se olika ut.

  24. Det är mycket att tänka på när vi ska
    utveckla robot-människa-samarbeten.

  25. Två väldigt intressanta beståndsdelar
    måste föras in i systemen-

  26. -när vi har förstått vetenskapen
    och de formella specifikationerna.

  27. En är delad intentionalitet-

  28. -som handlar om
    att kunna skapa med andra.

  29. Gemensamma avsikter och åtaganden
    och samarbete.

  30. Vi människor har delad intentionalitet.

  31. Samarbete går ut på
    att individer med olika förmågor-

  32. -samarbetar för ömsesidig nytta.
    Interaktionen gynnar samtliga.

  33. Det här är vad vi fokuserade på.

  34. Under några år
    har vi jobbad med systemprototyper.

  35. Våra intuitioner utgår från människor:
    Vad gör människor i organisationer?

  36. Vi vet alla vad det innebär
    att samarbeta, på gott och ont.

  37. Först kommunicerar vi och hittar
    samarbetspartner med rätt förmågor.

  38. Vi samlas - fysiskt eller virtuellt.

  39. Vi diskuterar problemet
    och gör kanske upp någon sorts plan.

  40. Vi delegerar deluppgifter
    till personer med rätt förmågor.

  41. Det försiggår allt möjligt.
    Kommunikation, samarbete.

  42. Skapande av planer.
    Delegering av uppgifter.

  43. Vi utför uppgifterna,
    gör något när det blir fel-

  44. -följer upp
    och gör hela tiden nya försök.

  45. Era intuitioner för hur människor gör-

  46. -är de intuitioner vi ska använda
    för att bygga robotteam.

  47. Vi använde en annan intuition.

  48. Samhällsvetaren Castelfranchi
    har arbetat i Europa under många år.

  49. Han studerar mänskliga organisationer,
    och en sak han kom fram till var-

  50. -att en av samarbetets grundstenar
    är delegering.

  51. Hur vi delegerar uppgifter
    eller aktiviteter.

  52. För att bli mer vetenskaplig-

  53. -så är ett mål att beskriva
    och algoritmiskt implementera-

  54. -en delegeringsprocess.

  55. Det ser enkelt ut på ytan
    men är oerhört komplext.

  56. Hur delegerar agent A uppgiften T
    till agent B?

  57. Först måste vi reda ut
    vad vi menar med uppgift.

  58. Till systemen behövs
    en operationell definition.

  59. Uppgifter är svåra att hitta
    en bra formell specifikation till.

  60. Något flexibelt och elastiskt-

  61. -som kan användas
    av olika robotsystem och människor.

  62. Vi bestämde oss för något i stil med:

  63. En uppgift har alltid ett mål
    - implicit eller explicit.

  64. En uppgift kan vara tom - man har
    ett mål och måste skapa uppgiften.

  65. Den kan vara delvis specificerad
    och behöva fullbordas.

  66. Man kan vilja delegera
    en nästan färdig uppgift-

  67. -utan att systemen gör mer
    än att utföra uppgiften.

  68. Det är vad vi sysslar med.

  69. Vi ägnade en del tid åt att leta efter
    formella specifikationer för uppgifter-

  70. -och hur de kan användas i system.

  71. Bra AI utgår från formella
    specifikationer, ofta byggda på logik.

  72. Utifrån handling och förändring
    gör vi uppgiftsspecifikationsträd-

  73. -som visar komplexa processer
    med fördelade uppgifter.

  74. Tanken är att man börjar
    med en väldigt enkel uppgift-

  75. -som i trädet kallas måluppgift.

  76. Hur kan man delegera den till
    ett robotsystem eller ett annat system-

  77. -och genom rekursiv delegering-

  78. -skapa relativt komplexa planer
    eller uppgifter som ska utföras?

  79. Det här är bara olika sorters uppgifter
    visade i diagramform.

  80. Jag går inte in på detaljer,
    men uppgifterna blir komplexa.

  81. Det är en rekursiv process
    där man kan ha många robotsystem-

  82. -som delegerar uppgifter.

  83. I det här fallet
    använder man tre olika robotsystem-

  84. -för att avsöka och övervaka områden.

  85. Kommunikation
    är en annan viktig del av pusslet.

  86. Nadine pratade om
    en viss sorts kommunikation.

  87. Den kommunikation robotsystemen
    använder är mer praktiskt inriktad.

  88. Vi använder talakter.

  89. Begreppet myntades inom filosofin
    på 60-talet av filosofen Austin.

  90. Arbetet fortsattes av filosofen Searle,
    som ni kanske känner till.

  91. Talakterna mekaniserades
    och gjordes användbara-

  92. -i multiagent- och AI-sammanhang
    på 80-talet och 90-talet.

  93. Tanken med en talakt är att när vi
    kommunicerar och gör yttranden-

  94. -har de inte bara
    propositionellt innehåll.

  95. Kommunikation har en performativ del
    som genomsyrar mycket av det vi gör.

  96. Därav talakter eller performativer.

  97. Tanken är i grund och botten...
    Jag visar några talakter först.

  98. Det finns många termer nu.

  99. Vi kan informera, vi kan begära något
    eller be om förslag.

  100. Vi kan föreslå, acceptera förslag
    eller avslå förslag.

  101. Vi kan kombinera talakter
    i så kallade interaktionsprotokoll.

  102. Det här är en ganska komplex dialog-

  103. -som tar kärnan
    av det vi gör när vi kommunicerar.

  104. Tanken här är att våra robotsystem
    ska ha ett så kallat belief state.

  105. Ett belief state
    avgör förutsättningarna för talakter.

  106. Uppfylls de så accepteras talakten,
    och agentens belief state förändras.

  107. Resultatet blir möjligheten
    att en handling utförs.

  108. Det är så här vi människor fungerar
    och hur vi vill att robotsystemen gör.

  109. Grunden för systemet vi har utvecklat...

  110. Vi ska ta tanken med delegering-

  111. -och se vad som händer om vi
    formaliserar delegering till en talakt.

  112. Ni bör se många av de intuitioner som
    ni har om delegering och samarbete-

  113. -dyka upp i en sådan här beskrivning.

  114. Först måste vi förstå förutsättningarna
    för att delegera en uppgift.

  115. Ett: Agent A har målet G.

  116. Två: Agent A tror
    att agent B kan utföra en uppgift.

  117. Tre: Agent A tror att den behöver
    agent B för att utföra uppgiften.

  118. Om detta uppfylls
    i robotsystemens belief state-

  119. -så kommer den talakten accepteras.

  120. Robotsystemet får ett nytt belief state.

  121. Vad är det som förändras
    i våra robotsystems belief state?

  122. Agent B har nu målet G.

  123. Agent B är har tagit på sig att utföra
    uppgift T som hör ihop med målet.

  124. Agent B tror att agent A har målet G.

  125. Agent B kan utföra uppgift T
    och avser att utföra uppgift T.

  126. Där är intentionaliteten.

  127. Agent A avser att låta agent B
    genomföra plan P med restriktion C.

  128. Det här verkar enkelt-

  129. -men nu vill vi omvandla
    den formella specifikationen-

  130. -till system
    för samarbete mellan robotteam.

  131. "Kan" har varit ett intressant koncept
    sen man uppfann artificiell intelligens.

  132. John McCarthy myntade begreppet.

  133. En sak han ville prioritera inom
    forskningen var att definiera "kan".

  134. Vad betyder "kan" i agentsystem?

  135. Man jobbar faktiskt fortfarande
    med det.

  136. Vi använder "kan" i våra system så här:
    Vi frågar om systemet kan göra något-

  137. -med ett restriktionsproblem
    som systemet måste lösa.

  138. Jag nämnde också delad intentionalitet.

  139. Det är en del av den
    formella specifikationen av delegering.

  140. Det är en viktig del av specifikationen.

  141. Jag hinner inte gå in mer på det här,
    men det utgör grunden för vårt system.

  142. Vi har nu ett ramverk
    för planering och delegering-

  143. -tämligen sofistikerat och testat.

  144. Man kan ta valfritt heterogent
    robotsystem - såväl Saab Gripen-

  145. -som något robotsystem
    byggt i Schweiz eller Linköping.

  146. System som har Linux och använder
    ROS, vilket robotsystem ofta gör nu-

  147. -kan man med en delegeringsmodul
    bli en del av teamet.

  148. Mjukvaran låter en kommunicera,
    delegera och agera-

  149. -med andra robotsystem och personer
    för att uppnå gemensamma mål.

  150. Det här har testats i...

  151. Man kan lägga till och ta bort system.

  152. Team kan ingå i större team.
    Det är också viktigt.

  153. Den formella specifikationen
    resulterar i en algoritm.

  154. Under delegeringsprocessen
    kodas den formella specifikationen in.

  155. Den gör allt möjligt intressant.
    Vi använder ju talakter-

  156. -men systemen upprättar också
    kontrakt med varandra och förhandlar.

  157. De löser restriktionsproblem
    för att besvara "Kan du göra det här?"

  158. Vid auktioner avgörs vilket robotsystem
    som bäst kan utföra en uppgift.

  159. Systemet har automatiserad planering,
    och vi har system för frågor och svar.

  160. Med backend-teknik kan vi ställa frågor
    om miljön omkring oss.

  161. Det här har testats i ett stort
    Sherpa-projekt de senaste åren.

  162. Sex universitet använder systemet-

  163. -för att skapa hjälpteam
    åt räddningspersonal i Alperna.

  164. I framtiden kan det användas
    i Wasp-programmet-

  165. -i en av de demonstrationsmodeller
    som utvecklas i dag.

  166. Vi tittar på ett uppdrag.
    Vi har ont om tid.

  167. Jag visar bara en eller två videor.

  168. Det här uppdraget genomförde vi
    för utvärderarna i Sherpa-projektet.

  169. Man är i ett område,
    och räddningspersonal är på väg.

  170. De vet lite om området.

  171. Man vill att ens team omedelbart får
    reda på vad som händer på platsen.

  172. En sak man kan vilja göra
    är att söka av ett stort område-

  173. -och identifiera
    påtagligt intressanta områden.

  174. Det kan vara skadade människor-

  175. -eller förstörda kraftverk,
    som ni såg i Florida i dag.

  176. Kanske vill man bara kartlägga
    ett område åt räddningsgruppen.

  177. Vi börjar med en människa
    som frågar vem som kan hjälpa till.

  178. Det är lite som ett anrop.
    "Vilka robotsystem kan hjälpa mig?"

  179. Vissa av dem svarar
    och man har en auktion.

  180. Man väljer det robotsystem
    som erbjuder den billigaste lösningen.

  181. I det här fallet
    vinner ett flygplan med fasta vingar.

  182. Flygplanet gör upp en plan
    för att utföra uppgiften-

  183. -med delegeringsmjukvara
    och uppgiftsspecifikationsträd.

  184. Medan systemet identifierar
    intressanta områden-

  185. -börjar det själv delegera
    till andra system-

  186. -för att få detaljer
    om de intressanta områdena-

  187. -av rotorbaserade system
    eller multirotorsystem.

  188. Det är väldigt proaktivt.
    Robotsystemen ber själva om hjälp.

  189. Det kom upp
    i det föregående föredraget.

  190. Uppdragets första del...

  191. Jag ska berätta om robotteamet.

  192. I de italienska Alperna
    använde vi ett RMAX-helikoptersystem.

  193. Det kanske nämndes i morse-

  194. -att det här systemet kommer från det
    tidigare Wallenberg-projektet Witas.

  195. Dekalen sitter kvar.

  196. Där tog vi tidiga steg
    mot ett autonomt rotorbaserat system.

  197. Vi uppnådde autonomin 2003
    eller 2004.

  198. Vi fortsatte utveckla de systemen
    och använder dem än.

  199. Det har en Sick-avståndsmätare
    för kartläggning-

  200. -CCD-kamera och infraröd kamera.

  201. Det väger 100 kg
    och kan flyga i över 100 km/h.

  202. Det kan bära 30 kg.

  203. Det andra systemet
    utvecklades av ETH i Zürich.

  204. De var en av våra samarbetspartner.

  205. Det är ett flygplan
    med en sensorkapsel.

  206. De kan sätta dit elektronik
    och olika sensorer.

  207. De hade också ett intressant
    solkraftsdrivet system.

  208. De här systemen samarbetade
    i de italienska Alperna.

  209. Techpoden flög omkring på hög höjd.

  210. Dess mjukvara utvecklades
    utifrån tidigare forskning vid ETH.

  211. Den tar bildsekvenser och kan göra
    ortofoton och generera punktmoln.

  212. Lågupplösta 3D-modeller.

  213. Det är det första
    räddningsstyrkan behöver.

  214. "Vad finns där ute? Vad ska jag göra?"

  215. Sen säger techpoden:
    "Den där trädsamlingen är intressant."

  216. "Vi vill ha mer information."

  217. Techpoden delegerar det till en RMAX -
    det rotorbaserade helikoptersystemet.

  218. Nu ska jag visa det.

  219. Det här är självstyrande.

  220. Först vill en människa ha något gjort.

  221. Sen tar robotsystemen över,
    interagerar och delegerar.

  222. Vi tittar på det här.

  223. Man hör våra operatörer.

  224. Här ser ni hur RMAX-systemet
    på egen hand skapar en färdväg.

  225. Med sina sensorer avgör den
    hur högt eller lågt den ska flyga-

  226. -och hur den ska färdas
    så att avsökningen täcker in all yta.

  227. Vid sidan ser ni CCD-kameran
    och den infraröda kameran.

  228. Det här ingick i delegeringsprocessen,
    och nu fortsätter den på egen hand.

  229. Den flyger till uppdragets startpunkt.

  230. Sen börjar den med avsökningen.

  231. Systemet arbetar självständigt-

  232. -samtidigt som ett flygplan
    letar efter fler intressanta områden.

  233. När systemet flyger...
    Det är en väldigt vacker syn.

  234. Det börja skapa punktmoln
    och en högupplöst modell.

  235. Det blir en modell av ett område
    som är intressant för räddningsstyrkan.

  236. Det här fortsätter.

  237. Rena slavgörat.

  238. Vi ser hur kartan utvecklas.

  239. Jag stoppar videon,
    eftersom vi har ont om tid.

  240. Det här är ett tämligen sofistikerat
    rotorbaserat system på 100 kg-

  241. -som är självstyrande och
    instrueras av ett annat robotsystem.

  242. Efteråt kan vi göra
    en semantisk klassificering-

  243. -i takt med att vi får mer data
    om området-

  244. -för att göra det säkrare att vara där.

  245. Här har vi färgkodat vegetation, terräng
    med mera.

  246. Vi vill ha
    en s.k. distribuerad världsmodell-

  247. -där alla räddningsarbetare
    och robotsystem kan nå informationen-

  248. -så att det blir lättare för dem
    att göra annat i området.

  249. Jag ska prata lite
    om human-in-the-loop-idén.

  250. Man vill bädda in mänsklig interaktion
    i planskapandet vid delegering.

  251. Här är ett väldigt enkelt scenario.

  252. Vi vet att vi kommer behöva
    mänsklig interaktion.

  253. Under planskapandet skriver vi in det
    i uppgiftsspecifikationsträdet.

  254. Tänk er, som ni såg i videon,
    att ett system söker av ett område.

  255. Efteråt vill systemet ha feedback
    från en människa.

  256. "Är det tillräckligt bra?"

  257. Det kan byggas in i planen.

  258. Operatören tar på sig att besvara frågor
    efter att systemets avsökning är färdig.

  259. Här ser ni att systemet kommer att
    fråga operatören och inleda en dialog.

  260. Om operatören vill något mer
    så gör man en ny avsökning-

  261. -eller söker av ett nytt område.

  262. Här måste operatören engagera sig,
    och det måste kommas ihåg.

  263. Man behöver delad intentionalitet
    för att lyckas.

  264. Därför tog jag upp det
    som något viktigt.

  265. Under utförandefasen
    svarar operatören.

  266. Det här är en enkel sorts interaktion.

  267. Jag avslutar
    med oplanerad mänsklig interaktion.

  268. Vi pratar alltid
    om robotsystem som hjälper oss-

  269. -men inom en överskådlig framtid
    kommer också vi hjälpa robotsystem.

  270. De är inte bra nog.

  271. Det uppstår en fascinerande
    mixed initiative-interaktion.

  272. Här var tanken att
    så fort en robot försöker göra något-

  273. -finns risken att planen går i stöpet.

  274. Vi ska använda en beprövad metod
    från programmeringsspråk-

  275. -som kallas "försök, fånga och kasta".

  276. Med programmeringsspråket
    kapslar man in kod i ett "försök"-block.

  277. Om något blir fel med koden
    kan man fånga upp den.

  278. Sen kan man kasta den åt ett håll
    för att få den reparerad.

  279. Det vi ville uppnå i det här fallet var:
    "Vi kastar det till människan."

  280. "Vi kan inte lösa det här själva.
    Vi frågar de smarta människorna."

  281. Här är en liten avslutande sekvens
    med en markrobot.

  282. Markroboten vill leverera ett paket-

  283. -till ett RMAX-system
    i en operativ miljö.

  284. Roboten rör sig långsamt
    av säkerhetsskäl.

  285. Den har en Universal Robots-arm.

  286. När den närmar sig
    märker den att armen inte fungerar.

  287. Den ska säga något.

  288. Jag behöver hjälp.
    Placera lådan så att jag kan ta den.

  289. Det hörs dåligt,
    men roboten ber om mänsklig hjälp.

  290. Den väntar och ser om någon kommer.

  291. En dialog inleds,
    och roboten kan fortsätta.

  292. Vi jobbar inte med taligenkänning.

  293. Andra lär jobba med det,
    men vi byggde in det i systemet.

  294. Roboten fick hjälp
    och kan fortsätta med planen.

  295. Något liknande händer
    när den kommer till RMAX-systemet.

  296. Den kan inte lasta saker
    på RMAX-systemet än.

  297. Kanske om ett par år.
    Den ber om hjälp igen.

  298. Det här visar något viktigt i samspelet
    mellan robot och människa.

  299. Vi jobbar på lika villkor.

  300. Saker blir fel, och man behöver
    interaktion för att komma vidare.

  301. Så här gör vi som människor,
    och så borde robotar också göra.

  302. Jag avslutar där och tackar för mig.

  303. Vi kan göra det vi gör
    tack vare våra kollegors forskning.

  304. Dem ser ni här uppe. Tack.

  305. Översättning: Per Lundgren
    www.btistudios.com

Hjälp

Stäng

Skapa klipp

Klippets starttid

Ange tiden som sekunder, mm:ss eller hh:mm:ss.

Klippets sluttid

Ange tiden som sekunder, mm:ss eller hh:mm:ss.Sluttiden behöver vara efter starttiden.

Bädda in ditt klipp:

Bädda in programmet

Du som arbetar som lärare får bädda in program från UR om programmet ska användas för utbildning. Godkänn användarvillkoren för att fortsätta din inbäddning.

tillbaka

Bädda in programmet

tillbaka

Robotar som samarbetar

Produktionsår:
Längd:
Tillgängligt till:

Kan robotar bli lika bra som människor på att arbeta i team? För detta arbetar Patrick Doherty, professor i datavetenskap vid Linköpings universitet, som berättar att han redan har kommit en bra bit på vägen. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Ämnen:
Teknik
Ämnesord:
Maskinteknik, Robotar, Teknik
Utbildningsnivå:
Högskola

Alla program i UR Samtiden - Material och teknik i en digital framtid

Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

KWA-Stipendiater på Linköpings universitet

Mille Millnert, före detta vice rektor vid Linköpings universitet, berättar om tidigare forskningsprojekt som fått stöd av Knut och Alice Wallenbergs stiftelse. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Organisk elektronik inspirerad av hud

Elektronisk hud som berättar för dig hur du mår? Enligt Zhenan Bao, professor i kemiteknik vid Stanford University, är detta snart verklighet. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Organisk elektrooptik

Hur lågt kan man pressa vikten i ett fotovoltaiskt material, det vill säga material som omvandlar ljusenergi från solen till elektrisk energi? Feng Gao och Olle Inganäs, båda forskare i biomolekylär och organisk elektronik vid Linköpings universitet, arbetar bland annat med perovskit som är ett mineral. De berättar att man snart har ett material där en kvadratkilometer väger lika mycket som två vuxna män. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Bioelektronik och elektroniska växter

Kan bioelektronik förlänga livet? Magnus Berggren, professor i fysik och elektroteknik, och Eleni Stavrinidou, forskare i fysik och elektroteknik, båda vid Linköpings universitet, berättar om hur de arbetar med att få elektronik att kunna kommunicera med nervsystemet. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Sociala robotar

Kan robotar bli mänsklighetens nya bästa vänner? Nadia Magnenat Thalmann, NTU i Singapore samt Miralab, är en av världens ledande forskare inom utvecklingen av sociala, interagerande robotar. Hon menar att den bild av robotar som förmedlas i underhållningsindustrin är felaktig. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Robotar som samarbetar

Kan robotar bli lika bra som människor på att arbeta i team? För detta arbetar Patrick Doherty, professor i datavetenskap vid Linköpings universitet, som berättar att han redan har kommit en bra bit på vägen. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Att visualisera framtiden

Hur kan vi ta oss an mer komplexa data? Chris R Johnson, forskare i datavetenskap och visualisering vid Universitetet i Utah, USA, menar att visualisering kommer att vara ett av våra viktigaste verktyg för detta. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Biomolekylär programmering med dna

Vilka trender råder inom biotekniken? Professor Richard M Murray från Caltech redogör för vad som är hett just nu. Murray hoppas att man inom tio-femton år kommer att ha framställt genetiskt programmerade celler och maskiner som kan utföra meningsfulla sysslor. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Material och teknik i en digital framtid

Ljus, materia och volym

Hur skapar man fotorealistiska bilder av syntetiska miljöer? Jonas Unger, forskare i datorgrafik och bildbehandling, och Anders Ynnerman, professor i vetenskaplig visualisering, båda vid Linköpings universitet, berättar om sina arbeten med ljus, materia och volymer. Inspelat den 13 september 2017 på Linköpings universitet. Arrangörer: Knut och Alice Wallenbergs stiftelse, Kungliga Vetenskapsakademien och Linköpings universitet.

Produktionsår:
2017
Utbildningsnivå:
Högskola
Beskrivning
Visa fler

Mer högskola & teknik

Spelbarhet:
UR Skola
Längd
Titta UR Samtiden - Nobel Week Dialogue 2015

Hur förändras världen av artificiell intelligens?

När artificiell intelligens diskuteras handlar det nästan alltid om innovationer och tekniska framsteg. I detta panelsamtal ligger fokus istället på hur människor som lever i botten av pyramiden påverkas. Medverkande: Joel Mokyr, professor i ekonomisk historia, Cynthia Breazeal, professor i datavetenskap, Michael Levitt, professor i strukturell biologi, och Dzulkifli Abdul Razak, International Association of Universities. Moderator: Leila Janah. Inspelat på Svenska mässan, Göteborg, den 9 december 2015. Arrangör: Nobel Media.

Spelbarhet:
UR Skola
Längd
Titta UR Samtiden - Robotdagen 2015

Var inte rädd

Vad kommer att hända med jobb, utbildning och arbetsliv i framtiden? Vilken påverkan har robotiseringen och digitaliseringen på arbetsmarknaden? Maja Fjaestad, statssekretare i Regeringskansliet, talar om digitaliseringens demokratiserande funktion. Som exempel tar hon möjligheten att via smartphones och appar starta företag, oavsett var du bor i världen. I mindre demokratiserade länder har teknikutvecklingen varit viktig då människor har fått tillgång till utbildning, upplysning och nyheter via internet. Moderatorer: Helle Klein och Patrik Hadenius. Inspelat den 9 oktober 2015 på Clarion Sign Hotell i Stockholm. Arrangörer: Institutet för framtidsstudier, Dagens Arbete och Forskning och framsteg.