Aicha Evans: Your self-driving robotaxi is almost here | TED

المترجم: Mohamed Salem المدقّق: omar idmassaoud

I’m Aicha Evans,

أنا عائشة إيفانس،

I am from Senegal, West Africa,

من السنغال، في غرب إفريقيا

and I fell in love with technology, science and engineering

وقعت في حب التكنولوجيا، والعلم، والهندسة

at a very young age.

في سن صغيرة للغاية.

Three things happened.

حدثت ثلاثة أمور.

I was studying in Paris,

كنت أدرس في باريس،

and starting at seven years old,

وبدأت في سن السابعة،

flying back and forth between Dakar, Senegal and Paris

بالسفر جيئةً وذهاباً بين دكار في السنغال ومدينة باريس

as an unaccompanied minor.

كقاصر دون مرافق.

So it wasn't just about the travel.

لذا لم يكن الأمر حول السفر فحسب.

It was really about a portal to knowledge,

في الحقيقة كان بوابة للمعرفة،

different environments

بيئتين مختلفتين

and adapting.

والتأقلم.

Second thing that happened

أما الأمر الثاني الذي حدث

was every time I was at home in Senegal,

عندما أكون في بيتي في السنغال،

I wanted to talk to my friends in Paris.

كنت أود التحدث إلى أصدقائي في باريس.

So my dad got tired of the long-distance bills,

ضجر والدي من فواتير المكالمات الهاتفية الخارجية

so he put a little lock on the phone --

لذا ثبت قفلاً صغيراً على الهاتف..

the rotary phone.

الهاتف الدوار.

I said, OK, no problem,

فرددت أنا: حسناً، لا مشكلة،

hacked it,

ثم اخترقته،

and he kept getting the bills.

واستمر في تلقي الفواتير.

Sorry again, Dad, if you’re watching this someday.

آسفة مرة أخرى، والدي إذا كنت تشاهد هذا يوماً ما.

And then, obviously, the internet was also emerging.

والآن من الواضح أن الإنترنت كان في طور الظهور.

So what really happened was that, in terms of technology,

ما حدث حقًا هو أنه، فيما يتعلق بالتكنولوجيا

I really saw it as something that shaped your experiences,

لقد رأيتها حقًا كشيء قام بتشكيل خبراتك

how you understand the world

وكيف تفهم العالم

and wanting to be part of it.

وترغب في أن تكون جزءًا منه.

And for me,

وبالنسبة لي

the common thread is that physical and virtual transportation --

فإن الخيط المشترك هو أن النقل المادي والافتراضي -

because that’s really what that rotary phone was for me --

لأن هذا حقًا ما كان هذا الهاتف الدوار بالنسبة لي -

are at the center of the innovation flywheel.

هو في صميم دولاب الموازنة للابتكار.

Now, fast-forward.

الآن، بالتقدم سريعاً.

I’m here today,

أنا هنا اليوم،

I’m part of a movement and an industry

أنا جزء من حركة وصناعة

that is working on bringing transportation and technology together.

تعمل على الجمع بين وسائل النقل والتكنولوجيا.

Huh.

هااا.

It’s not just about your commutes.

الأمر لا يقتصر فقط على تنقلاتك.

It’s really about changing everything

يتعلق الأمر حقًا بتغيير كل شيء

in terms of how we move people, goods and services, eventually.

من حيث كيفية نقل الأشخاص والسلع والخدمات في النهاية.

That transformation involves robotaxis.

يتضمن هذا التحول روبوتاكسي.

Driverless cars again, really?

سيارات ذاتية القيادة مرة أخرى، حقًا؟

Yeah, yeah, yeah, I’ve heard it before.

أجل، لقد سمعت هذا من قبل.

And by the way, they are always coming the next decade,

وبالمناسبة هم يأتون دائمًا في العقد القادم

and oh, by the way,

وبالمناسبة

there’s an alphabet soup of companies working on it

هناك مجموعة كبيرة من الشركات التي تعمل على ذلك

and we can’t even remember who’s who and who’s doing what.

ولا يمكننا حتى أن نتذكر من هو من ومن يفعل ماذا.

Yeah?

نعم؟

Audience: Yeah.

الجمهور: نعم

AE: Yeah, OK, well, this is not about personal, self-driving cars.

عائشة: نعم، حسنًا، لا يتعلق الأمر بالسيارات الشخصية ذاتية القيادة.

Sorry to disappoint you.

آسفة لأنني أحبطك.

This is really about a few things.

هذا حقا عن بعض الأشياء.

First of all,

بادئ الأمر

personally and individually owned cars are a wasteful expense,

تعتبر السيارات الشخصية والمملوكة للأفراد تكلفة مهدرة

and they contribute to, basically, a lot of pollution

وهي تساهم بشكل أساسي في حدوث الكثير من التلوث

and also traffic in urban areas.

وحركة المرور في المناطق الحضرية.

Second of all, there’s this notion of self-driving shuttles,

ثانيًا هناك فكرة عن المكوكات ذاتية القيادة

but frankly, they are optimized for many.

ولكن بصراحة تم تحسينها للكثيرين.

They can’t take you specifically from point A to point B.

لا يمكنهم أن يأخذوك على وجه التحديد من النقطة أ إلى النقطة ب.

OK, now we have --

حسنًا، لدينا الآن -

hm, how am I going to say this --

كيف سأقول هذا -

the so-called “personal, self-driving” cars of today.

ما يسمى بالسيارات “الشخصية ذاتية القيادة” اليوم.

Well, the reality is that those cars still require a human behind the wheel.

حسنًا، الحقيقة هي أن تلك السيارات لا تزال بحاجة إلى إنسان خلف عجلة القيادة.

A safety driver.

سائق آمن.

Make no mistake about it.

لا ترتكب خطأ بهذا الشأن.

I own one of those,

أنا أملك واحدة من هؤلاء

and when I’m in it,

وعندما أكون فيها

I am a safety driver.

أكون سائق مان.

So the question now becomes, What do we do with this?

لذا يصبح السؤال الآن ماذا سنفعل بهذا؟

Well, we think that robotaxis,

حسنًا، نعتقد أن محور الروبوت

first of all, they will take you specifically from point A to point B.

أولاً وقبل كل شيء ، سوف يأخذك تحديدًا من النقطة أ إلى النقطة ب.

Second of all, when you're not using them,

ثانيًا ، عندما لا تستخدمها

somebody else will be using them.

سيستخدمها شخص آخر.

And they are being tested today.

ويتم اختبارها اليوم.

When I say that we’re on the cusp of finally delivering that vision,

عندما أقول إننا على أعتاب تحقيق هذه الرؤية أخيرًا

there's actually reason to believe it.

فهناك سبب حقيقي لتصديق هذا.

At the core of self-driving technology is computer vision.

تعد رؤية الكمبيوتر من صميم تقنية القيادة الذاتية.

Computer vision is a real-time representation,

رؤية الكمبيوتر هي تمثيل للوقت الفعلي

digital representation, of the world and the interactions within it.

وتمثيل رقمي، للعالم والتفاعلات داخله.

It has benefited from leaps and bounds of advancements

لقد استفادت من قفزات كبيرة في التقدم

thanks to computer, sensors, machine learning and software innovation.

بفضل الكمبيوتر وأجهزة الاستشعار والتعلم الآلي وابتكار البرامج.

At the core of computer vision are camera systems.

تعد أنظمة الكاميرا من صميم رؤية الكمبيوتر.

Cameras basically help you see agents such as cars,

تساعدك الكاميرات بشكل أساسي على رؤية وكلاء مثل السيارات

their locations and their actions,

ومواقعهم وأفعالهم

pedestrians,

والمشاة

their locations,

ومواقعهم

their actions and their gestures.

وأفعالهم وإيماءاتهم.

In addition, there's also been a lot of advancements.

بالإضافة إلى ذلك، كان هناك أيضًا الكثير من التطورات.

So one example is our vehicle can see the skeleton framework

إذن أحد الأمثلة على ذلك هو أن سيارتنا يمكنها رؤية الهيكل

to show you the direction of travel;

لتظهر لك اتجاه السفر؛

also to give you details, like, are you dealing with a construction worker

أيضًا لإعطائك تفاصيل مثل هل تتعامل مع عامل بناء

in a construction zone

في منطقة بناء

or are you dealing with a pedestrian that’s probably distracted

أم أنك تتعامل مع أحد المشاة الذي ربما يكون مشتتًا

because they are looking on their phone?

لأنهم ينظرون على هواتفهم؟

Now the reality, though --

لكن الواقع الآن -

and this is where it gets interesting --

وهذا هو المكان الذي يصبح مثيرًا للاهتمام -

is that the camera and the algorithms that help us really cannot yet match

هو أن الكاميرا والخوارزميات التي تساعدنا حقًا لا يمكنها حتى الآن مطابقة

the human brain’s ability to understand and interpret the environment.

قدرة الدماغ البشري على فهم البيئة وتفسيرها.

They just can’t.

هم لا يستطيعون قط.

Even though they provide you really high-resolution imaging

على الرغم من أنها توفر لك صورًا عالية الدقة حقًا

that really gives you continuous coverage,

تمنحك تغطية مستمرة

that doesn’t get fatigued, impaired

لا تتعب أو تضعف

or, you know, drunk or anything like that,

أو كما تعلم في حالة سكر أو أي شيء من هذا القبيل

at the end of the day,

في نهاية اليوم

there are still things that they can’t see and they can’t measure.

لا تزال هناك أشياء لا يمكنهم رؤيتها ولا قياسها.

So if we want autonomous-driving robotaxis soon,

لذلك إذا أردنا قريبًا روبوتاكسي للقيادة الذاتية

we have to supplement cameras.

فعلينا امداد الكاميرات.

Let me walk through some examples.

اسمحوا لي أن أتناول بعض الأمثلة.

So radar gives you the direction of travel

لذا يمنحك الرادار اتجاه السفر

and measures the agent’s movement within centimeters per second.

ويقيس حركة الوكيل في حدود سنتيمترات في الثانية.

Lidar gives you objects and shapes in the real world using depth perception

يمنحك Lidar أشياء وأشكال في العالم الحقيقي باستخدام إدراك العمق

as well as long-range and the all-important night vision.

بالإضافة إلى الرؤية بعيدة المدى والرؤية الليلية الأكثر أهمية.

And let me tell you about this,

واسمحوا لي أن أخبركم عن هذا

because this is important to me personally and people who look like me.

لأن هذا مهم بالنسبة لي شخصيًا والأشخاص الذين يشبهونني.

Then you have, also, long-wave infrared

ثم لديك أيضًا الأشعة تحت الحمراء طويلة الموجة

where you are able to see agents that are emitting heat,

حيث يمكنك رؤية العوامل التي تنبعث منها الحرارة

such as animals and humans.

مثل الحيوانات والبشر.

And that’s again,

وهذا مرة أخرى،

especially at night,

خاصة في الليل

super important.

في غاية الأهمية.

Now, every one of these sensors is very powerful by itself,

الآن كل واحدة من هذه المستشعرات قوية جدًا في حد ذاتها

but when you put them together is when the magic happens.

ولكن عندما تضعها معًا يحدث السحر.

If you see with this vehicle, for example,

إذا نظرت في هذه السيارة على سبيل المثال

you have these multiple sensor modalities

لديك طرق الاستشعار المتعددة هذه

at all top four corners of the vehicle

في جميع الزوايا الأربع العلوية للسيارة

that basically provide you a 360-degree field of vision,

والتي توفر لك مجال رؤية بزاوية 360 درجة

continuously,

بشكل مستمر

in a redundant manner,

بطريقة زائدة عن الحاجة

so that we don't miss anything.

حتى لا يفوتنا اى شى.

And this is that same thing

وهذا هو نفس الشيء

with all of the different outputs fused together.

مع دمج جميع المخرجات المختلفة معًا.

And looking at this, basically,

وبالنظر إلى هذا بشكل أساسي

and looking at what we see and how we are able to process the data,

والنظر إلى ما نراه وكيف يمكننا معالجة البيانات

then learn,

ثم التعلم

then continue to improve our driving,

ثم الاستمرار في تحسين قيادتنا

is what tells us that we have confidence,

هو ما يخبرنا بأننا نتمتع بالثقة،

this is the right approach

وهذا هو النهج الصحيح

and this time it’s actually coming.

وهذه المرة إنه قادم بالفعل.

Now, this is not, by the way, a brand new concept, OK?

الآن هذا ليس مفهومًا جديدًا، حسنًا؟

Humans have been basically using vision systems

يستخدم البشر أنظمة الرؤية بشكل أساسي

to assist them for a long time.

لمساعدتهم لفترة طويلة.

Let me back up the boat a little bit,

دعني أنسخ احتياطياً القارب

because I know there’s a question that everybody’s asking,

لأنني أعلم أن هناك سؤال يطرحه الجميع

which is, “Hey, how are you going to deal with all the scenarios

وهو ، “مرحبًا ، كيف ستتعامل مع جميع السيناريوهات

out there on the streets today?”

الموجودة في الشوارع اليوم؟”

Most of us are drivers,

معظمنا سائقون

and it’s complicated out there.

والأمر معقد بالخارج هنا.

Well, the truth is that there will always be edge scenarios

حسنًا، الحقيقة هي أنه ستكون هناك دائمًا سيناريوهات

that sit at the boundary of our real-world testing

متطرفة تقع على حدود اختبارات العالم الحقيقي

or that are just too dangerous to test on real streets.

أو تكون خطيرة للغاية بحيث لا يمكن اختبارها في الشوارع الحقيقية.

That is the truth,

هذه هي الحقيقة

and it will be the truth for a very long time.

وستظل الحقيقة لفترة طويلة جدًا.

Human beings are pretty underrated in their abilities.

يتم التقليل من شأن البشر في قدراتهم.

So what we do is we use simulation.

إذن ما نفعله هو أننا نستخدم المحاكاة.

And with simulation,

وباستخدام المحاكاة

we’re able to construct millions of scenarios

يمكننا إنشاء ملايين السيناريوهات

in a fabricated environment

في بيئة مُصطنعة

so that we can see how our software would react.

حتى نتمكن من رؤية كيفية تفاعل برنامجنا.

And that’s the simulation footage.

وهذه هي لقطات المحاكاة.

You can see we’re building the world,

يمكنك أن ترى أننا نبني العالم،

we’re putting in scenarios

ونضع سيناريوهات

and we can add things,

ويمكننا إضافة أشياء

remove things

وإزالة الأشياء

and see how we would react.

ومعرفة رد فعلنا.

In addition, we have what's called a human in the loop.

بالإضافة إلى ذلك، لدينا ما يسمى بالإنسان في الحلقة.

This is very similar to aviation systems today.

هذا مشابه جدًا لأنظمة الطيران اليوم.

We don’t want the vehicle to get stuck,

لا نريد أن تتعطل السيارة،

and there are rare times where it’s not going to know what to do.

وهناك أوقات نادرة لن تعرف فيها ما يجب القيام به.

So we have a team of teleguidance operators

لذلك لدينا فريق من المرشدين عن بعد

that are sitting at a control center,

يجلسون في مركز تحكم،

and if the vehicle knows that it’s going to be stuck

وإذا علمت السيارة أنها ستعلق

or it doesn’t know what to do,

أو لا تعرف ما يجب القيام به،

it asks for guidance and help

فإنها تطلب التوجيه والمساعدة

and it receives it remotely

وتتلقى ذلك عن بُعد

and then it proceeds.

ثم تستمر.

Now, none of these really are new concepts,

الآن ليس أي من هذه المفاهيم جديدة حقًا،

as I alluded to earlier.

كما أشرت سابقًا.

Vision systems have been assisting humans for a long time,

تساعد أنظمة الرؤية البشر لفترة طويلة،

especially with things that are not visible to the naked eye.

خاصة مع الأشياء التي لا يمكن رؤيتها بالعين المجردة.

So ...

إذن...

microscopes, right?

المجاهر ، أليس كذلك؟

We’ve been studying microbes and cells for a long time.

نحن ندرس الميكروبات والخلايا لفترة طويلة.

Telescopes:

التلسكوبات:

we’ve been studying and detecting galaxies millions of light-years away

نحن ندرس ونكتشف المجرات التي تبعد ملايين السنين الضوئية

for a long time.

لفترة طويلة.

And both of these have caused us,

وقد تسبب كلاهما

for example,

على سبيل المثال،

to transform industries like medicine,

في تحويل صناعات مثل الطب

farming,

والزراعة

astrophysics

والفلك

and much more.

وغير ذلك الكثير.

So when we talk about computer vision,

لذلك عندما نتحدث عن رؤية الكمبيوتر،

when it started,

عندما بدأت،

it was really a thought experiment

كانت حقًا تجربة فكرية

to see if we could replicate what humans see using cameras.

لمعرفة ما إذا كان بإمكاننا تكرار ما يراه البشر باستخدام الكاميرات.

It has now graduated with sensors,

لقد تخرج الآن مع أجهزة الاستشعار،

computers,

وأجهزة الكمبيوتر،

AI

والذكاء الاصطناعي،

and software innovation

وابتكار البرامج

to be about surpassing what humans can see and perceive.

لتتجاوز ما يمكن للبشر رؤيته وإدراكه.

We’ve made a lot of progress in this field,

لقد أحرزنا الكثير من التقدم في هذا المجال،

but at the end of the day,

ولكن في نهاية اليوم،

we have a lot more to do.

لدينا الكثير لنفعله.

And with an autonomous robotaxi,

ومع روبوتاكسي مستقل

you want it to be safe,

فأنت تريد أن تكون آمنة

right and reliable every single time,

وصحيحة وموثوقة في كل مرة،

which requires rigorous testing and optimization.

الأمر الذي يتطلب اختبارًا وتحسينًا صارمين.

And when that happens

وعندما يحدث ذلك

and we reach that state,

ونصل إلى هذه الحالة،

we will wonder how we ever accepted

سوف نتساءل كيف قبلنا

or tolerated

أو تحملنا

94 percent of crashes

94 في المائة من الحوادث

being caused by human [error].

الناجمة عن خطأ بشري.

So with computer vision,

لذلك مع رؤية الكمبيوتر

we have the opportunity

لدينا الفرصة

to move from problem-solving to problem-preventing.

للانتقال من حل المشكلات إلى منع المشكلات.

And I truly, truly believe

وأعتقد حقًا

that the next generation of scientists and technologists

أن الجيل القادم من العلماء والتقنيين

in, yes, Silicon Valley,

في وادي السيليكون -نعم-

but in Paris,

ولكن في باريس

in Senegal, West Africa

والسنغال وغرب إفريقيا

and all over the world,

وجميع أنحاء العالم

will be exposed to computer vision applied broadly.

سيتعرضون لتطبيق رؤية الكمبيوتر على نطاق واسع.

And with that,

ومع ذلك

all industries will be transformed,

ستتحول جميع الصناعات

and we will experience the world in a different way.

وسنختبر العالم بطريقة مختلفة.

I hope you can join me in agreeing that this is a gift

آمل أن تنضموا إلي في الموافقة على أن هذه نعمة

that we almost owe our next generation that is coming,

ندين بها تقريبًا لجيلنا القادم القادم

because there are a lot of things that computer vision will help us solve.

لأن هناك الكثير من الأشياء التي ستساعدنا رؤية الكمبيوتر في حلها.

Thank you.

شكراً لكم.

(Applause)

(تصفيق)