The incredible inventions of intuitive AI | Maurice Conti

5,584,143 views ・ 2017-02-28

TED


يرجى النقر نقرًا مزدوجًا فوق الترجمة الإنجليزية أدناه لتشغيل الفيديو.

00:00
Translator: Leslie Gauthier Reviewer: Camille Martínez
0
0
7000
المترجم: Eman Shahen المدقّق: Sarah Shahid
00:12
How many of you are creatives,
1
12555
2289
كم مبدع بينكم،
00:14
designers, engineers, entrepreneurs, artists,
2
14868
3624
كم مهندس، مصمم، رجل أعمال، فنان،
أو قد يكون لديكم مخيلة عظيمة بحق؟
00:18
or maybe you just have a really big imagination?
3
18516
2387
00:20
Show of hands? (Cheers)
4
20927
1848
هل ترفعون أيديكم؟ (هتاف)
00:22
That's most of you.
5
22799
1181
أغلبكم.
00:25
I have some news for us creatives.
6
25154
2294
عندي بعض الأخبار لنا كمبدعين.
00:28
Over the course of the next 20 years,
7
28534
2573
على مدى 20 عامًا القادمة،
00:33
more will change around the way we do our work
8
33291
2973
سيتغيرالكثير في ما يخُص الطريقة التي نقوم بها بعملنا
00:37
than has happened in the last 2,000.
9
37202
2157
خلافًا لما حدث في 2000 عام الأخيرة.
00:40
In fact, I think we're at the dawn of a new age in human history.
10
40331
4628
في الحقيقة، أعتقد أننا في فجر عصر جديد من تاريخ البشرية.
00:45
Now, there have been four major historical eras defined by the way we work.
11
45465
4761
حاليًا، هناك أربعة عصور رئيسية تاريخية تمّ تصنيفها وفقًا لطريقة عملنا.
00:51
The Hunter-Gatherer Age lasted several million years.
12
51224
3275
استمر عصر الصيد وجمع الثمار لملايين السنين.
00:54
And then the Agricultural Age lasted several thousand years.
13
54983
3576
ثم دام العصر الزراعي لآلاف السنين.
00:59
The Industrial Age lasted a couple of centuries.
14
59015
3490
ودام العصر الصناعي لبضع قرون.
01:02
And now the Information Age has lasted just a few decades.
15
62529
4287
وحاليًا لقد دام عصر المعلومات لبضع عقود.
01:06
And now today, we're on the cusp of our next great era as a species.
16
66840
5220
واليوم نحن على أعتاب عصرنا العظيم القادم كأجناس بشرية.
01:13
Welcome to the Augmented Age.
17
73116
2680
أهلًا بكم في عصرالتطور.
01:15
In this new era, your natural human capabilities are going to be augmented
18
75820
3693
في هذا العصرالجديد، ستتطور قدراتكم البشرية
01:19
by computational systems that help you think,
19
79537
3068
بفضل الأنظمة الحاسوبية التي تساعدكم على التفكير،
01:22
robotic systems that help you make,
20
82629
2186
والأنظمة الآلية التي تساعدكم على التنفيذ،
01:24
and a digital nervous system
21
84839
1648
وجهاز عصبي رقمي
01:26
that connects you to the world far beyond your natural senses.
22
86511
3690
يربطك بالعالم أبعد من حواسك الطبيعية.
01:31
Let's start with cognitive augmentation.
23
91257
1942
لنبدأ بالتطور المعرفي.
01:33
How many of you are augmented cyborgs?
24
93223
2200
من بينكم انسان آلي ذو قدرات قابلة للتطور؟
01:35
(Laughter)
25
95953
2650
(ضحك)
01:38
I would actually argue that we're already augmented.
26
98627
2821
سأقيم الحجة بأننا بالفعل قابلون للتطور.
01:42
Imagine you're at a party,
27
102108
1504
تخيل أنك في حفلة،
01:43
and somebody asks you a question that you don't know the answer to.
28
103636
3520
ويسألك أحدهم سؤالًا لا تعرف إجابته.
01:47
If you have one of these, in a few seconds, you can know the answer.
29
107180
3760
إذا كان لديك إحدى هذه، خلال ثوانِ، يمكنك معرفة الإجابة.
01:51
But this is just a primitive beginning.
30
111689
2299
ولكن هذه مجرد بداية أولية.
01:54
Even Siri is just a passive tool.
31
114683
3331
حتى سيري مجرد آلة غير واعية.
01:58
In fact, for the last three-and-a-half million years,
32
118480
3381
في الواقع، لمدة الثلاث ونصف مليون سنة الأخيرة،
02:01
the tools that we've had have been completely passive.
33
121885
3109
كانت الأدوات التي لدينا غير واعية تمامًا.
02:06
They do exactly what we tell them and nothing more.
34
126023
3655
كانت تقوم بما نخبرها به ولا شيء أكثر.
02:09
Our very first tool only cut where we struck it.
35
129702
3101
كانت أداتُنا الأولى تقطع حيثما نضربها
02:13
The chisel only carves where the artist points it.
36
133642
3040
يقطع المِنْقاش حيثما يصوبه الفنان.
02:17
And even our most advanced tools do nothing without our explicit direction.
37
137163
5641
وحتى أدواتنا الأكثرتقدمًا، لا تقوم بشيء من دون توجيهنا المحدد.
02:22
In fact, to date, and this is something that frustrates me,
38
142828
3181
في الحقيقة، حتى هذا التاريخ، وهذا شئ يُحبطني،
02:26
we've always been limited
39
146033
1448
لقد كنا دائمًا مقيدين
02:27
by this need to manually push our wills into our tools --
40
147505
3501
بالحاجة إلى الدفع يدويًا بإرادتنا إلى أداوتنا
02:31
like, manual, literally using our hands,
41
151030
2297
مثل، يدويًا، استعمال أيدينا حرفيًا،
02:33
even with computers.
42
153351
1428
حتى مع الحواسيب.
02:35
But I'm more like Scotty in "Star Trek."
43
155892
2463
ولكني أشبه كثيرًا سكوتي في "ستار تريك."
02:38
(Laughter)
44
158379
1850
(ضحك)
02:40
I want to have a conversation with a computer.
45
160253
2146
أريد إجراء محادثة مع حاسوب.
02:42
I want to say, "Computer, let's design a car,"
46
162423
2970
أريد أن أقول، "أيها الحاسوب، لنصمم سيارة،"
02:45
and the computer shows me a car.
47
165417
1539
ويظهر الحاسوب لي سيارة.
02:46
And I say, "No, more fast-looking, and less German,"
48
166980
2608
وأقول، "لا، ذات مظهر سريع أكثر، وغير ألمانية.
02:49
and bang, the computer shows me an option.
49
169612
2163
فرقعة، ويقدم لي الحاسوب خيارًا.
02:51
(Laughter)
50
171799
1865
(ضحك)
02:54
That conversation might be a little ways off,
51
174028
2306
قد تكون تلك محادثة غير ممكنة بعض الشيء،
02:56
probably less than many of us think,
52
176358
2665
ربما أقل مما يعتقد الكثير منا،
02:59
but right now,
53
179047
1763
لكن الآن،
03:00
we're working on it.
54
180834
1151
نحن نعمل على ذلك.
03:02
Tools are making this leap from being passive to being generative.
55
182009
4033
تقوم الأدوات بهذه القفزة من كونها غير واعية إلى كونها منتجة.
03:06
Generative design tools use a computer and algorithms
56
186651
3308
تستخدم أدوات التصميم المُنتجة حاسوب وخوارزميات
03:09
to synthesize geometry
57
189983
2608
لتشكيل هندسة
03:12
to come up with new designs all by themselves.
58
192615
2754
تأتي بتصاميم ذاتية جديدة.
03:15
All it needs are your goals and your constraints.
59
195816
2748
كل ما تحتاجه هو أهدافك وتعليماتك.
03:18
I'll give you an example.
60
198588
1408
سأعطيكم مثالًا.
03:20
In the case of this aerial drone chassis,
61
200020
2788
في حالة هيكل الطائرة بدون طيار هذه،
03:22
all you would need to do is tell it something like,
62
202832
2626
كل ما عليك فعله هو أن تخبره شيئًا مثل،
03:25
it has four propellers,
63
205482
1273
أن لديه أربع أعمدة،
03:26
you want it to be as lightweight as possible,
64
206779
2131
تريدها أن تكون خفيفة الوزن قدر الإمكان،
03:28
and you need it to be aerodynamically efficient.
65
208934
2270
وتريدها أن تكون ذات فاعلية ديناميكية هوائية.
03:31
Then what the computer does is it explores the entire solution space:
66
211228
4914
ما يقوم به الحاسوب هو استكشاف نطاق الحل كاملًا:
03:36
every single possibility that solves and meets your criteria --
67
216166
3927
كل إمكانية ستحل وتلبي معاييرك --
03:40
millions of them.
68
220117
1442
الملايين منهم.
03:41
It takes big computers to do this.
69
221583
1975
يتطلب هذا حواسيب كبيرة.
03:43
But it comes back to us with designs
70
223582
1955
لكن الأمر يعود إلينا بالنسبة للتصاميم
03:45
that we, by ourselves, never could've imagined.
71
225561
3143
التي لم نكن، بأنفسنا، نتخيلها.
03:49
And the computer's coming up with this stuff all by itself --
72
229146
2912
وتقوم الحواسيب بذلك الأمر بذاتها بشكل كامل --
03:52
no one ever drew anything,
73
232082
1678
لم يرسم أحد أي شيء.
03:53
and it started completely from scratch.
74
233784
2086
وبدأت تمامًا من الصفر.
03:56
And by the way, it's no accident
75
236858
2387
وبالمناسبة، ليست صدفة
03:59
that the drone body looks just like the pelvis of a flying squirrel.
76
239269
3481
أن يشبه هيكل الطائرة بدون طيار حوض السنجاب الطائر.
04:03
(Laughter)
77
243107
2007
(ضحك)
04:05
It's because the algorithms are designed to work
78
245860
2302
ذلك لأن الخوارزميات صُمّمت للعمل
04:08
the same way evolution does.
79
248186
1637
بنفس طريقة التطور.
04:10
What's exciting is we're starting to see this technology
80
250535
2660
المثير أننا بدأنا نرى هذه التكنولوجيا
04:13
out in the real world.
81
253219
1159
جَلية في العالم الواقعي.
04:14
We've been working with Airbus for a couple of years
82
254402
2452
لقد عملنا مع أيرباص لعدة سنوات
04:16
on this concept plane for the future.
83
256878
1909
على مفهوم الطائرة هذا للمستقبل.
04:18
It's a ways out still.
84
258811
2070
لم ترَ النور بعد.
04:20
But just recently we used a generative-design AI
85
260905
3780
لكن مؤخرًا، استخدمنا تصميم ذو ذكاء اصطناعي مُنتج.
04:24
to come up with this.
86
264709
1807
ليأتي بهذا.
04:27
This is a 3D-printed cabin partition that's been designed by a computer.
87
267429
5153
هذا قسم مقصورة ذات صورة ثلاثية أبعاد صممها حاسوب.
04:32
It's stronger than the original yet half the weight,
88
272606
2824
إنها أقوى من الحقيقية و تزن نصف الوزن الحقيقي،
04:35
and it will be flying in the Airbus A320 later this year.
89
275454
3146
وستطير في إيرباص A320 لاحقًا هذا العام.
04:39
So computers can now generate;
90
279225
1559
لذا يمكن للحواسيب أن تنتج الآن؛
04:40
they can come up with their own solutions to our well-defined problems.
91
280808
4595
يمكنها تقديم حلولها الخاصة لمشاكلنا المحددة.
04:46
But they're not intuitive.
92
286497
1310
ولكنها ليست بديهية.
04:47
They still have to start from scratch every single time,
93
287831
3086
فلا يزال عليها البدء من الصفر كل مرّة،
04:50
and that's because they never learn.
94
290941
2565
ذلك لأنها لا تتعلم أبدًا.
04:54
Unlike Maggie.
95
294188
1766
على عكس ماجي.
04:55
(Laughter)
96
295978
1581
(ضحك)
04:57
Maggie's actually smarter than our most advanced design tools.
97
297583
3297
ماجي في الحقيقة أذكى من أدواتنا التصمّيمة الأكثر تقدمًا.
05:01
What do I mean by that?
98
301287
1440
ما الذي أعنيه بذلك؟
05:02
If her owner picks up that leash,
99
302751
1590
إذا التقط صاحبها الرسن،
05:04
Maggie knows with a fair degree of certainty
100
304365
2068
تعرف ماجي بدرجة كبيرة من التأكد
05:06
it's time to go for a walk.
101
306457
1404
أنه حان وقت الذهاب للتنزه.
05:07
And how did she learn?
102
307885
1185
وكيف تعلمت ذلك؟
05:09
Well, every time the owner picked up the leash, they went for a walk.
103
309094
3324
حسنًا، كلما يلتقط صاحبها الرسن، يذهبان للتنزه.
05:12
And Maggie did three things:
104
312442
1878
وقامت ماجي بثلاثة أشياء:
05:14
she had to pay attention,
105
314344
1869
كانت لابد أن تنتبه،
05:16
she had to remember what happened
106
316237
2082
وكانت لابد أن تتذكر ما حدث
05:18
and she had to retain and create a pattern in her mind.
107
318343
4017
وكان عليها أن تحفظ مسارًا في رأسها وتحدده.
05:23
Interestingly, that's exactly what
108
323249
2095
والمثير للاهتمام، هذا هو بالضبط
05:25
computer scientists have been trying to get AIs to do
109
325368
2523
يحاول علماء الحاسوب جَعل الذكاء الإصطناعي يقوم بذلك
05:27
for the last 60 or so years.
110
327915
1859
لمدة 60 سنة الأخيرة أو ما يُقارب ذلك.
05:30
Back in 1952,
111
330503
1349
بالعودة لعام 1952،
05:31
they built this computer that could play Tic-Tac-Toe.
112
331876
3801
صنعوا هذا الحاسوب الذي يصدر صوت تيك-تاك-تو
05:36
Big deal.
113
336901
1160
أمر عظيم.
05:38
Then 45 years later, in 1997,
114
338849
3000
ثم بعد 45 سنة، في عام 1997،
05:41
Deep Blue beats Kasparov at chess.
115
341873
2472
هزم ديب بلو كاسباروف في لعبة الشطرنج.
05:45
2011, Watson beats these two humans at Jeopardy,
116
345866
4968
في 2011، هزم واتسون هذان البشريان في جاباردي،
05:50
which is much harder for a computer to play than chess is.
117
350858
2928
وهو شيء أصعب للحاسوب في اللعب من الشطرنج.
05:53
In fact, rather than working from predefined recipes,
118
353810
3812
في الحقيقة،
05:57
Watson had to use reasoning to overcome his human opponents.
119
357646
3323
احتاج وتسون لاستخدام المنطق حتى يتغلب على خصومه البشريين.
06:02
And then a couple of weeks ago,
120
362213
2439
ومن ثم منذ بضعة أسابيع،
06:04
DeepMind's AlphaGo beats the world's best human at Go,
121
364676
4262
هزم ديب ميند التابع لألفاجو أفضل بشري في جو،
06:08
which is the most difficult game that we have.
122
368962
2212
والتى تعد أصعب لعبة لدينا.
06:11
In fact, in Go, there are more possible moves
123
371198
2896
في الحقيقة، في جو، هناك المزيد من التغيرات الممكنة
06:14
than there are atoms in the universe.
124
374118
2024
أكثر من الذرات الموجودة في الكون.
06:18
So in order to win,
125
378030
1826
لذا للفوز،
06:19
what AlphaGo had to do was develop intuition.
126
379880
2618
يجب على الفاجو أن يقوم بتطوير البديهة.
06:22
And in fact, at some points, AlphaGo's programmers didn't understand
127
382918
4110
وفي الواقع، في بعض النقاط، لم يفهم مبرمجو الفاجو
06:27
why AlphaGo was doing what it was doing.
128
387052
2286
لما كان يقوم ألفاجو بما قام به.
06:31
And things are moving really fast.
129
391271
1660
وتمضي الأشياء بسرعة كبيرة.
06:32
I mean, consider -- in the space of a human lifetime,
130
392955
3227
أعني، فكروا في -- في نطاق العمر البشري،
06:36
computers have gone from a child's game
131
396206
2233
فقد انتقلت الحواسيب من كونها لعبة أطفال
06:39
to what's recognized as the pinnacle of strategic thought.
132
399740
3048
إلى كونها رأس التفكير الاستراتيجي.
06:43
What's basically happening
133
403819
2417
ما يحدث أساسيًا
06:46
is computers are going from being like Spock
134
406260
3310
هو أن الحواسيب تنتقل من كونها شبه سبوك
06:49
to being a lot more like Kirk.
135
409594
1949
إلى كونها أكثر شبهًا بكيرك.
06:51
(Laughter)
136
411567
3618
(ضحك)
06:55
Right? From pure logic to intuition.
137
415209
3424
صحيح؟ من المنطق البحت إلى البديهة.
07:00
Would you cross this bridge?
138
420004
1743
هل ستعبرون هذا الجسر؟
07:02
Most of you are saying, "Oh, hell no!"
139
422429
2323
يقول معظمكم، "اوه، لا بحق الجحيم!"
07:04
(Laughter)
140
424776
1308
(ضحك)
07:06
And you arrived at that decision in a split second.
141
426108
2657
وقد قررتم ذلك في جزء أقل من الثانية.
07:08
You just sort of knew that bridge was unsafe.
142
428789
2428
تعرفون نوعًا ما بأن هذا الجسر غير آمن.
07:11
And that's exactly the kind of intuition
143
431241
1989
وهذا بالتحديد هو البديهة
07:13
that our deep-learning systems are starting to develop right now.
144
433254
3568
التي بدأت أنظمتنا المعرفيّة المعقدة بتطويرها الآن.
07:17
Very soon, you'll literally be able
145
437542
1707
قريبًا، ستكونون حرفيًا قادرين على
07:19
to show something you've made, you've designed,
146
439273
2206
أن تظهروا شيء قد صنعتموه، أو صممتموه،
07:21
to a computer,
147
441503
1153
إلى حاسوب،
07:22
and it will look at it and say,
148
442680
1489
وسينظر إليه ويقول،
07:24
"Sorry, homie, that'll never work. You have to try again."
149
444193
2823
"آسف، يا صاح، لن يصلح هذا أبدًا. لابد أن تحاول مجددًا.
07:27
Or you could ask it if people are going to like your next song,
150
447674
3070
أو قد تساله إذا ما كان الناس سيحبون أُغنيتك التالية،
07:31
or your next flavor of ice cream.
151
451593
2063
او نكهتك التالية من الآيس كريم.
07:35
Or, much more importantly,
152
455369
2579
أو ما هو أكثر أهميةً من ذلك،
07:37
you could work with a computer to solve a problem
153
457972
2364
هو العمل مع حاسوب لحل مشكلة
07:40
that we've never faced before.
154
460360
1637
لم نواجهها من قبل.
07:42
For instance, climate change.
155
462021
1401
على سبيل المثال، تغير المناخ.
07:43
We're not doing a very good job on our own,
156
463446
2020
نحن لا نقوم بعمل جيد بمفردنا،
07:45
we could certainly use all the help we can get.
157
465490
2245
يمكننا بالتاكيد استخدام المساعدة التي يمكن أن نحصل عليها.
07:47
That's what I'm talking about,
158
467759
1458
هذا ما أتحدث عنه،
07:49
technology amplifying our cognitive abilities
159
469241
2555
تقوي التكنولوجيا قدراتنا الإدراكية
07:51
so we can imagine and design things that were simply out of our reach
160
471820
3552
بذلك يمكننا تخيل وتصميم أشياء لم تكن في متناولنا
07:55
as plain old un-augmented humans.
161
475396
2559
كبشر غير متطورين وبسطاء.
07:59
So what about making all of this crazy new stuff
162
479804
2941
إذاً ماذا عن هذا الشيء المجنون الجديد
08:02
that we're going to invent and design?
163
482769
2441
الذي سنخترعه وسنصممه؟
08:05
I think the era of human augmentation is as much about the physical world
164
485772
4093
أعتقد أن عصر التطور البشري بقدر ما هو حول العالم المادي
08:09
as it is about the virtual, intellectual realm.
165
489889
3065
بقدر ما هو حول العالم الإفتراضي الفكري.
08:13
How will technology augment us?
166
493653
1921
إذًا كيف ستتطورنا التكنولوجيا؟
08:16
In the physical world, robotic systems.
167
496081
2473
في العالم المادي، الأنظمة الآلية.
08:19
OK, there's certainly a fear
168
499440
1736
حسنًا، هناك بالتأكيد خوف من
08:21
that robots are going to take jobs away from humans,
169
501200
2488
أن الأنظمة الحاسوبية ستأخذ وظائف البشر،
08:23
and that is true in certain sectors.
170
503712
1830
وهذا حقيقي في بعض القطاعات.
08:25
But I'm much more interested in this idea
171
505994
2878
ولكني مهتم أكثر بهذه الفكرة
08:28
that humans and robots working together are going to augment each other,
172
508896
5010
أن عمل البشر والأنسان الآلي معًا سيطور من بعضهم البعض،
08:33
and start to inhabit a new space.
173
513930
2058
ويبدأون بشغل مجال جديد.
08:36
This is our applied research lab in San Francisco,
174
516012
2362
هذا معملنا للبحث التطبيقي في سان فرانسيسكو،
08:38
where one of our areas of focus is advanced robotics,
175
518398
3142
حيث أحدى مجالات اهتماماتنا هو علم الإنسان الآلي المتقدم،
08:41
specifically, human-robot collaboration.
176
521564
2511
وبالأخص، التعاون البشري الآلي.
08:44
And this is Bishop, one of our robots.
177
524854
2759
وهذا بيشوب، إنسان آلي لدينا.
08:47
As an experiment, we set it up
178
527637
1789
كتجربة، أعددناه
08:49
to help a person working in construction doing repetitive tasks --
179
529450
3460
لمساعدة شخص يعمل في البناء يقوم بمهام متكررة --
08:53
tasks like cutting out holes for outlets or light switches in drywall.
180
533804
4194
مهام مثل حفر ثقوب مأخذ التيار أو مفاتيح الإضاءة في حائط الجبس.
08:58
(Laughter)
181
538022
2466
(ضحك)
09:01
So, Bishop's human partner can tell what to do in plain English
182
541697
3111
فالشريك البشري لبيشوب بإمكانه إخباره بما يجب فعله بإنجليزية بسيطة
09:04
and with simple gestures,
183
544832
1305
وبإشارات بسيطة،
09:06
kind of like talking to a dog,
184
546161
1447
نوعًا ما مثل التحدث إلى كلب،
09:07
and then Bishop executes on those instructions
185
547632
2143
وبعدها ينفذ بيشوب وفقًا لتلك التعليمات
09:09
with perfect precision.
186
549799
1892
بإحكام تام.
09:11
We're using the human for what the human is good at:
187
551715
2989
نحن نستخدم البشر فيما هم جيدون فيه:
09:14
awareness, perception and decision making.
188
554728
2333
الوعي و الإدراك واتخاذ القررات،
09:17
And we're using the robot for what it's good at:
189
557085
2240
ونستخدم الإنسان الآلي فيما هو جيد فيه:
09:19
precision and repetitiveness.
190
559349
1748
الانضباط والتكرار.
09:22
Here's another cool project that Bishop worked on.
191
562072
2367
وهنا مشروع ممتاز آخر يعمل به بيشوب.
09:24
The goal of this project, which we called the HIVE,
192
564463
3075
إن هدف هذا المشروع، الذي نسميه ال "هايف"،
09:27
was to prototype the experience of humans, computers and robots
193
567562
3851
هو وضع تصميم أولي لتجربة البشر والحواسيب والإنسان الآلي
09:31
all working together to solve a highly complex design problem.
194
571437
3220
لعملهم معًا جميعًا لحل مشكلة تصميم معقدة جدًا.
09:35
The humans acted as labor.
195
575613
1451
يمثل البشر العمالة.
09:37
They cruised around the construction site, they manipulated the bamboo --
196
577088
3473
هم يتجولون حول موقع البناء، ويشكلون الخيزران --
09:40
which, by the way, because it's a non-isomorphic material,
197
580585
2756
والذي بسبب كونه مادة غير تَشاكُلية،
09:43
is super hard for robots to deal with.
198
583365
1874
صعب جدًا على الإنسان الآلي التعامل معها.
09:45
But then the robots did this fiber winding,
199
585263
2022
من ثم يقوم الإنسان الآلي بلف الألياف هذه،
09:47
which was almost impossible for a human to do.
200
587309
2451
والذي كان مستحيل تقريبًا علي البشر فعله.
09:49
And then we had an AI that was controlling everything.
201
589784
3621
ومن ثم كان لدينا الذكاء الصنعي الذي يتحكم في كل شيء.
09:53
It was telling the humans what to do, telling the robots what to do
202
593429
3290
كان يُملي على البشرما يجب عليهم فعله، والإنسان الآلي كذلك
09:56
and keeping track of thousands of individual components.
203
596743
2915
ويتتبع مسار آلاف المكونات الفردية.
09:59
What's interesting is,
204
599682
1180
المثير للاهتمام أن،
10:00
building this pavilion was simply not possible
205
600886
3141
بناء هذا الجناح لم يكن ممكنًا
10:04
without human, robot and AI augmenting each other.
206
604051
4524
بدون البشر والإنسان الآلي و الذكاء الصنعي بتطويرهم لبعضهم البعض.
10:09
OK, I'll share one more project. This one's a little bit crazy.
207
609710
3320
حسنًا، سأشارككم مشروع آخر. و هو مجنون قليلًا.
10:13
We're working with Amsterdam-based artist Joris Laarman and his team at MX3D
208
613054
4468
إننا نعمل مع فنان مقيم في أمستردام جوريس لارمان وفريقه في أم أكس ثري دي
10:17
to generatively design and robotically print
209
617546
2878
وذلك للتصميم بشكل إنتاجي والطباعة آليًا
10:20
the world's first autonomously manufactured bridge.
210
620448
2995
أول جسر في العالم مصنع بشكل استقلالي.
10:24
So, Joris and an AI are designing this thing right now, as we speak,
211
624135
3685
وبذلك، يصمم جوريس و الذكاء الصنعي هذا الشيء الآن، ونحن نتكلم،
10:27
in Amsterdam.
212
627844
1172
في أمستردام.
10:29
And when they're done, we're going to hit "Go,"
213
629040
2321
وعندما ينتهون، سنعطي "إشارة البدء"
10:31
and robots will start 3D printing in stainless steel,
214
631385
3311
وسيبدأ الإنسان الآلي برسم رسومات ثلاثية الأبعاد على فولاذ مقاوم للصدأ.
10:34
and then they're going to keep printing, without human intervention,
215
634720
3283
وبعدها سيواصلون الرسم من دون تدخل البشر،
10:38
until the bridge is finished.
216
638027
1558
حتي ينتهي الجسر.
10:40
So, as computers are going to augment our ability
217
640919
2928
لذا إن كانت الحواسيب ستطور من قدرتنا
10:43
to imagine and design new stuff,
218
643871
2150
على تخيل وتصمم أشياء جديدة،
10:46
robotic systems are going to help us build and make things
219
646045
2895
فستساعدنا النُظم الآلية على بناء وتصنيع أشياء جديدة
10:48
that we've never been able to make before.
220
648964
2084
لم نكن قادرين على القيام بها من قبل.
10:52
But what about our ability to sense and control these things?
221
652167
4160
ولكن ماذا عن قدرتنا على الإدراك والتحكم في هذه الأشياء؟
10:56
What about a nervous system for the things that we make?
222
656351
4031
ماذا عن جهاز عصبي للأشياء التى نصنعها؟
11:00
Our nervous system, the human nervous system,
223
660406
2512
جهازنا العصبي، الجهازي العصبي البشري،
11:02
tells us everything that's going on around us.
224
662942
2311
يخبرنا بالأشياء التى تجري من حولنا.
11:06
But the nervous system of the things we make is rudimentary at best.
225
666006
3684
لكن الجهاز العصبي للأشياء التي نصنعها بدائي في أحسن حالاته.
11:09
For instance, a car doesn't tell the city's public works department
226
669714
3563
مثلًا، السيارة لا تُخبر دائرة الأشغال العامة بالمدينة
11:13
that it just hit a pothole at the corner of Broadway and Morrison.
227
673301
3130
أنها قد اصطدمت في حفرة عند زاوية برودواي و إيمرسون.
11:16
A building doesn't tell its designers
228
676455
2032
وأن البناء لا يخبر مصمميه
11:18
whether or not the people inside like being there,
229
678511
2684
إن ما كان الناس بداخله يحبون التواجد فيه أم لا،
11:21
and the toy manufacturer doesn't know
230
681219
3010
ولايعرف مصمم لعُبة
11:24
if a toy is actually being played with --
231
684253
2007
إن كان يُلعب بها --
11:26
how and where and whether or not it's any fun.
232
686284
2539
كيف وأين وإذا ما كانت ممتعة أو لا.
11:29
Look, I'm sure that the designers imagined this lifestyle for Barbie
233
689440
3814
انظروا، أنا متأكد أن المصممين تخيلوا نظام الحياة هذا لباربي
11:33
when they designed her.
234
693278
1224
وهم يصممونها.
11:34
(Laughter)
235
694526
1447
(ضحك)
11:35
But what if it turns out that Barbie's actually really lonely?
236
695997
2906
لكن ماذا لو بدا أن باربي في الواقع وحيدة؟
11:38
(Laughter)
237
698927
3147
(ضحك)
11:43
If the designers had known
238
703086
1288
لو كان يعلم المصممون
11:44
what was really happening in the real world
239
704398
2107
ما كان يحدث في العالم الواقعي
11:46
with their designs -- the road, the building, Barbie --
240
706529
2583
مع تصميماتهم -- الطريق، البناء، باربي --
11:49
they could've used that knowledge to create an experience
241
709136
2694
لكانوا استخدموا هذه المعرفة لخلق تجربة
11:51
that was better for the user.
242
711854
1400
أفضل للمستخدم.
11:53
What's missing is a nervous system
243
713278
1791
ما ينقص هو جهاز عصبي
11:55
connecting us to all of the things that we design, make and use.
244
715093
3709
يربطنا بجميع الأشياء التي نُصممها ونصنعها ونستخدمها.
11:59
What if all of you had that kind of information flowing to you
245
719735
3555
ماذا لو كان لديكم هذا النوع من المعلومات التي تأتي اليكم
12:03
from the things you create in the real world?
246
723314
2183
من الأشياء التي تصنعونها في العالم الواقعي.
12:07
With all of the stuff we make,
247
727252
1451
مع كل هذه الأشياء التي نصنعها،
12:08
we spend a tremendous amount of money and energy --
248
728727
2435
قد أنفقنا كم هائل من المال والطاقة --
12:11
in fact, last year, about two trillion dollars --
249
731186
2376
فى الواقع، العام الماضي، حوالي 2 تريليون دولارًا --
12:13
convincing people to buy the things we've made.
250
733586
2854
لإقناع الناس بشراء الأشياء التي صنعناها .
12:16
But if you had this connection to the things that you design and create
251
736464
3388
لكن إن كان لديكم هذه العلاقة بين الأشياء التي تصممونها وتصنعونها
12:19
after they're out in the real world,
252
739876
1727
بعدما كانوا في العالم الخارجي،
12:21
after they've been sold or launched or whatever,
253
741627
3614
بعد بيعهم أو اطلاقهم أو أيًا كان،
12:25
we could actually change that,
254
745265
1620
بإمكاننا فعليًا تغيير ذلك،
12:26
and go from making people want our stuff,
255
746909
3047
ونتحول من جذب الناس لشراء أشياءنا،
12:29
to just making stuff that people want in the first place.
256
749980
3434
إلى تصنيع الأشياء التي يريدها الناس في المقام الأول.
12:33
The good news is, we're working on digital nervous systems
257
753438
2787
الأخبار الجيدة هى أننا نعمل على جهاز عصبي رقمي
12:36
that connect us to the things we design.
258
756249
2801
يربطنا بالأشياء التي نصممها.
12:40
We're working on one project
259
760185
1627
نعمل على مشروع
12:41
with a couple of guys down in Los Angeles called the Bandito Brothers
260
761836
3712
مع بعض الرفاق في لوس أنجلوس يسمون "بانديتو برازرز"
12:45
and their team.
261
765572
1407
وفريقهم.
12:47
And one of the things these guys do is build insane cars
262
767003
3433
وأحد الأشياء التي يقوم بها هؤلاء الرفاق هو تصميم سيارات مجنونة
12:50
that do absolutely insane things.
263
770460
2873
والتي تقوم بالطبع بأشياء مجنونة.
12:54
These guys are crazy --
264
774725
1450
هؤلاء الرفاق مجانين--
12:56
(Laughter)
265
776199
1036
(ضحك)
12:57
in the best way.
266
777259
1403
بأفضل حال.
13:00
And what we're doing with them
267
780813
1763
وما نفعله معهم
13:02
is taking a traditional race-car chassis
268
782600
2440
هو أخد هيكل سيارة سباق تقليدية
13:05
and giving it a nervous system.
269
785064
1585
وإعطاءه جهاز عصبي.
13:06
So we instrumented it with dozens of sensors,
270
786673
3058
وعليه فقد جهزها بعشرات من أجهزة الاستشعار،
13:09
put a world-class driver behind the wheel,
271
789755
2635
وجعلنا سائق ذو تصنيف عالمي يقودها،
13:12
took it out to the desert and drove the hell out of it for a week.
272
792414
3357
وأخذها خارجًا الى الصحراء وقادها لمدة أسبوع.
13:15
And the car's nervous system captured everything
273
795795
2491
والتقط الجهاز العصبي للسيارة كل شيء
13:18
that was happening to the car.
274
798310
1482
كان يحدث للسيارة.
13:19
We captured four billion data points;
275
799816
2621
لقد جمعنا 4 بليون نقطة معلومات؛
13:22
all of the forces that it was subjected to.
276
802461
2310
جميعها من القوى التي خضعت لها.
13:24
And then we did something crazy.
277
804795
1659
وبعدها قمنا بشيء مجنون.
13:27
We took all of that data,
278
807088
1500
أخذنا كل تلك المعلومات،
13:28
and plugged it into a generative-design AI we call "Dreamcatcher."
279
808612
3736
ووصلناها الى تصميم إنتاجي للذكاء الصنعي أسميناه " دريمكاتشر."
13:33
So what do get when you give a design tool a nervous system,
280
813090
3964
إذًأ ماذا يحدث عندما تعطي جهاز عصبي لآلة تصميم،
13:37
and you ask it to build you the ultimate car chassis?
281
817078
2882
وطلبت منها أن تصمم لك هيكل سيارة نهائي؟
13:40
You get this.
282
820543
1973
ستحصل على هذا.
13:44
This is something that a human could never have designed.
283
824113
3713
هذا شيء لم يمكن لإنسان أن يصممه أبدًا.
13:48
Except a human did design this,
284
828527
1888
باستثناء إنسان واحد قام بتصميمه،
13:50
but it was a human that was augmented by a generative-design AI,
285
830439
4309
لكنه كان إنسان قد تطورعن طريق تصميم إنتاجي للذكاء الصنعي،
13:54
a digital nervous system
286
834772
1231
و نظام عصبي رقمي
13:56
and robots that can actually fabricate something like this.
287
836027
3005
و إنسان آلي بإمكانه أن يصنع شيء مثل هذا.
13:59
So if this is the future, the Augmented Age,
288
839500
3595
لذا، إذا كان هذا هو المستقبل، والعصر المتطور
14:03
and we're going to be augmented cognitively, physically and perceptually,
289
843119
4261
وسنتطور معرفيًا وماديًا وإدراكيًا،
14:07
what will that look like?
290
847404
1408
كيف سيبدوا هذا؟
14:09
What is this wonderland going to be like?
291
849396
3321
كيف ستبدو أرض العجائب هذه؟
14:12
I think we're going to see a world
292
852741
1709
أعتقد أننا سنرى عالم
14:14
where we're moving from things that are fabricated
293
854474
3068
حيث سننتقل من الأشياء المصنعة
14:17
to things that are farmed.
294
857566
1445
الى الأشياء المزروعة.
14:19
Where we're moving from things that are constructed
295
859979
3453
وحيث سننتقل من الأشياء المبنية
14:23
to that which is grown.
296
863456
1704
إلى تلك النامية.
14:25
We're going to move from being isolated
297
865954
2188
سنتحول من كوننا منعزلين
14:28
to being connected.
298
868166
1610
إلى كوننا متواصلين.
14:30
And we'll move away from extraction
299
870454
2411
وسنبتعد عن الاستخراج
14:32
to embrace aggregation.
300
872889
1873
إلى قبول التجميع.
14:35
I also think we'll shift from craving obedience from our things
301
875787
3767
أعتقد أيضًا أننا سنغير من الرغبة في انقياد الأشياء لنا
14:39
to valuing autonomy.
302
879578
1641
إلى تقدير التحكم الذاتي.
14:42
Thanks to our augmented capabilities,
303
882330
1905
بفضل قدراتنا المطورة،
14:44
our world is going to change dramatically.
304
884259
2377
سيتغيرعالمنا بشكل كبير.
14:47
We're going to have a world with more variety, more connectedness,
305
887396
3246
سيكون لدينا عالم ذو تنوع أكثر، وذو اتصال أكبر،
14:50
more dynamism, more complexity,
306
890666
2287
وذو دينامكية أكثر، وتعقيد أكبر،
14:52
more adaptability and, of course,
307
892977
2318
وأكثر تكيفًا، وبالطبع،
14:55
more beauty.
308
895319
1217
أكثر جمالًا.
14:57
The shape of things to come
309
897051
1564
شكل الأشياء المستقبلية
14:58
will be unlike anything we've ever seen before.
310
898639
2290
سيكون مختلف عن الأشياء التي رأيناها من قبل.
15:00
Why?
311
900953
1159
لماذا؟
15:02
Because what will be shaping those things is this new partnership
312
902136
3755
لأن من سيشكل تلك الأشياء هي تلك الشراكة الجديدة
15:05
between technology, nature and humanity.
313
905915
3670
بين التكنولوجيا والطبيعة والإنسانية.
15:11
That, to me, is a future well worth looking forward to.
314
911099
3804
ذلك، بالنسبة لي، مستقبل جدير بأن يُتطلع إليه.
15:14
Thank you all so much.
315
914927
1271
الشكر لكم جميعًا.
15:16
(Applause)
316
916222
5669
(تصفيق)
حول هذا الموقع

سيقدم لك هذا الموقع مقاطع فيديو YouTube المفيدة لتعلم اللغة الإنجليزية. سترى دروس اللغة الإنجليزية التي يتم تدريسها من قبل مدرسين من الدرجة الأولى من جميع أنحاء العالم. انقر نقرًا مزدوجًا فوق الترجمة الإنجليزية المعروضة على كل صفحة فيديو لتشغيل الفيديو من هناك. يتم تمرير الترجمات بالتزامن مع تشغيل الفيديو. إذا كان لديك أي تعليقات أو طلبات ، يرجى الاتصال بنا باستخدام نموذج الاتصال هذا.

https://forms.gle/WvT1wiN1qDtmnspy7