The incredible inventions of intuitive AI | Maurice Conti

5,584,143 views ・ 2017-02-28

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

00:00
Translator: Leslie Gauthier Reviewer: Camille Martínez
0
0
7000
Překladatel: Vladimír Harašta Korektor: Kateřina Jabůrková
00:12
How many of you are creatives,
1
12555
2289
Kolik je mezi vámi kreativců, návrhářů, techniků, podnikatelů, umělců,
00:14
designers, engineers, entrepreneurs, artists,
2
14868
3624
00:18
or maybe you just have a really big imagination?
3
18516
2387
anebo máte prostě jen úžasnou fantazii?
00:20
Show of hands? (Cheers)
4
20927
1848
Zvedli byste ruce? (ohlasy z publika)
00:22
That's most of you.
5
22799
1181
To je většina.
00:25
I have some news for us creatives.
6
25154
2294
Pro nás kreativce mám novinky.
00:28
Over the course of the next 20 years,
7
28534
2573
V průběhu příštích 20 let
00:33
more will change around the way we do our work
8
33291
2973
se změní způsob naší práce víc
00:37
than has happened in the last 2,000.
9
37202
2157
než za předchozích 2 000 let.
00:40
In fact, I think we're at the dawn of a new age in human history.
10
40331
4628
Vlastně si myslím, že zažíváme úsvit nového věku lidské historie.
00:45
Now, there have been four major historical eras defined by the way we work.
11
45465
4761
Zažili jsme už čtyři hlavní historické epochy definované stylem práce.
00:51
The Hunter-Gatherer Age lasted several million years.
12
51224
3275
Éra lovců a sběračů trvala několik milionů let.
00:54
And then the Agricultural Age lasted several thousand years.
13
54983
3576
Éra zemědělců trvala několik tisíc let.
00:59
The Industrial Age lasted a couple of centuries.
14
59015
3490
Industriální éra trvala pár století.
01:02
And now the Information Age has lasted just a few decades.
15
62529
4287
A éra informací trvala jen několik desetiletí.
01:06
And now today, we're on the cusp of our next great era as a species.
16
66840
5220
A dnes se jako druh ocitáme na prahu další velké éry.
01:13
Welcome to the Augmented Age.
17
73116
2680
Vítejte ve věku „zdokonalených schopností“.
01:15
In this new era, your natural human capabilities are going to be augmented
18
75820
3693
V této nové éře budou vaše přirozené lidské schopnosti dokonalejší
01:19
by computational systems that help you think,
19
79537
3068
díky výpočetním systémům, které vám pomohou přemýšlet,
01:22
robotic systems that help you make,
20
82629
2186
robotickým systémům, které vám pomohou v práci,
01:24
and a digital nervous system
21
84839
1648
a digitálnímu nervovému systému,
01:26
that connects you to the world far beyond your natural senses.
22
86511
3690
který vás propojí se světem dokonaleji, než to dokážou vaše přirozené smysly.
01:31
Let's start with cognitive augmentation.
23
91257
1942
Začněme u kognitivních schopností. Kolik je mezi vámi vylepšených kyborgů?
01:33
How many of you are augmented cyborgs?
24
93223
2200
01:35
(Laughter)
25
95953
2650
(smích)
01:38
I would actually argue that we're already augmented.
26
98627
2821
Vlastně bych mohl tvrdit, že už některá vylepšení máme.
01:42
Imagine you're at a party,
27
102108
1504
Představte si, že jste na večírku
01:43
and somebody asks you a question that you don't know the answer to.
28
103636
3520
a někdo vám položí otázku, na kterou neznáte odpověď.
01:47
If you have one of these, in a few seconds, you can know the answer.
29
107180
3760
Vlastníte-li něco takového, dozvíte se to během několika sekund.
01:51
But this is just a primitive beginning.
30
111689
2299
Ale to je jen úplný začátek.
01:54
Even Siri is just a passive tool.
31
114683
3331
I Siri je jen pasivním nástrojem.
01:58
In fact, for the last three-and-a-half million years,
32
118480
3381
Vlastně všechny nástroje, které jsme používali
02:01
the tools that we've had have been completely passive.
33
121885
3109
posledních tři a půl milionu let, byly zcela pasivní.
02:06
They do exactly what we tell them and nothing more.
34
126023
3655
Dělají přesně to, co řekneme, a nic víc.
02:09
Our very first tool only cut where we struck it.
35
129702
3101
Náš úplně první nástroj usekl jen to, do čeho jsme jím udeřili.
02:13
The chisel only carves where the artist points it.
36
133642
3040
Dláto vyřezává jen tam, kudy ho umělec vede.
02:17
And even our most advanced tools do nothing without our explicit direction.
37
137163
5641
A dokonce i naše nejvyspělejší nástroje neudělají nic bez našeho jasného pokynu.
02:22
In fact, to date, and this is something that frustrates me,
38
142828
3181
Vlastně až doteď, a to je něco, co mě frustruje,
02:26
we've always been limited
39
146033
1448
jsme vždy byli limitováni potřebou vnucovat ručně naši vůli nástrojům ‒
02:27
by this need to manually push our wills into our tools --
40
147505
3501
02:31
like, manual, literally using our hands,
41
151030
2297
tím ručně myslím doslova rukama, dokonce i počítačům.
02:33
even with computers.
42
153351
1428
02:35
But I'm more like Scotty in "Star Trek."
43
155892
2463
Ale já jsem spíš jako Scotty ze „Star Treku“.
02:38
(Laughter)
44
158379
1850
(smích)
02:40
I want to have a conversation with a computer.
45
160253
2146
Chci s počítačem konverzovat.
02:42
I want to say, "Computer, let's design a car,"
46
162423
2970
Chci mu říct: „Počítači, pojďme navrhnout auto“
02:45
and the computer shows me a car.
47
165417
1539
a na obrazovce se objeví auto.
02:46
And I say, "No, more fast-looking, and less German,"
48
166980
2608
A já řeknu: „Ne, spíš závodní a ne tak německé“
02:49
and bang, the computer shows me an option.
49
169612
2163
a prásk, počítač mi ukáže další variantu.
02:51
(Laughter)
50
171799
1865
(smích)
02:54
That conversation might be a little ways off,
51
174028
2306
K takové konverzaci nám možná ještě něco chybí,
02:56
probably less than many of us think,
52
176358
2665
možná méně, než si mnozí z nás myslí,
02:59
but right now,
53
179047
1763
ale na tom právě teď pracujeme.
03:00
we're working on it.
54
180834
1151
03:02
Tools are making this leap from being passive to being generative.
55
182009
4033
Nástroje se skokem mění z pasivních na generativní.
03:06
Generative design tools use a computer and algorithms
56
186651
3308
Nástroje pro generativní design používají počítač a algoritmy ke slučování geometrie
03:09
to synthesize geometry
57
189983
2608
03:12
to come up with new designs all by themselves.
58
192615
2754
a úplně samy přichází s novými konstrukcemi.
03:15
All it needs are your goals and your constraints.
59
195816
2748
Vše, co k tomu od vás potřebují, je určit cíle a kritéria.
03:18
I'll give you an example.
60
198588
1408
Dám vám příklad.
03:20
In the case of this aerial drone chassis,
61
200020
2788
V případě tohoto šasi pro dron
03:22
all you would need to do is tell it something like,
62
202832
2626
vám jen postačí říct: má to mít čtyři vrtule,
03:25
it has four propellers,
63
205482
1273
03:26
you want it to be as lightweight as possible,
64
206779
2131
chci, aby to bylo co nejlehčí a potřebuji, aby to nekladlo odpor vzduchu.
03:28
and you need it to be aerodynamically efficient.
65
208934
2270
03:31
Then what the computer does is it explores the entire solution space:
66
211228
4914
Počítač pak prozkoumá všechna prostorová řešení:
03:36
every single possibility that solves and meets your criteria --
67
216166
3927
každou variantu, která odpovídá vašemu zadání a splňuje vaše kritéria ‒
03:40
millions of them.
68
220117
1442
miliony možností.
03:41
It takes big computers to do this.
69
221583
1975
Vyžaduje to výkonné počítače.
03:43
But it comes back to us with designs
70
223582
1955
Ale výsledkem jsou konstrukce, na které bychom my sami nikdy nepřišli.
03:45
that we, by ourselves, never could've imagined.
71
225561
3143
03:49
And the computer's coming up with this stuff all by itself --
72
229146
2912
A počítač na takové věci přijde úplně sám ‒
nikdo nemusel nic kreslit
03:52
no one ever drew anything,
73
232082
1678
03:53
and it started completely from scratch.
74
233784
2086
a začíná s tím úplně od nuly.
03:56
And by the way, it's no accident
75
236858
2387
A mimochodem, není náhoda,
03:59
that the drone body looks just like the pelvis of a flying squirrel.
76
239269
3481
že tělo dronu vypadá podobně jako pánevní kostra poletuchy.
04:03
(Laughter)
77
243107
2007
(smích)
04:05
It's because the algorithms are designed to work
78
245860
2302
Je to proto, že algoritmy fungují stejným způsobem jako evoluce.
04:08
the same way evolution does.
79
248186
1637
04:10
What's exciting is we're starting to see this technology
80
250535
2660
Je úžasné, že tuto technologii už můžeme vidět v praxi.
04:13
out in the real world.
81
253219
1159
04:14
We've been working with Airbus for a couple of years
82
254402
2452
Nějaký ten rok už s Airbusem pracujeme na tomto konceptu letadla budoucnosti.
04:16
on this concept plane for the future.
83
256878
1909
04:18
It's a ways out still.
84
258811
2070
Pořád je to jen model.
04:20
But just recently we used a generative-design AI
85
260905
3780
Ale teprve nedávno jsme použili AI pro generativní design a navrhli tohle.
04:24
to come up with this.
86
264709
1807
04:27
This is a 3D-printed cabin partition that's been designed by a computer.
87
267429
5153
Toto je přepážka vytištěná 3D tiskem, která byla navržena pomocí počítače.
04:32
It's stronger than the original yet half the weight,
88
272606
2824
Je pevnější než ta původní, přestože má poloviční hmotnost,
04:35
and it will be flying in the Airbus A320 later this year.
89
275454
3146
a letos bude létat v Airbusech A320.
04:39
So computers can now generate;
90
279225
1559
Takže počítače teď umí generovat;
04:40
they can come up with their own solutions to our well-defined problems.
91
280808
4595
dokážou nacházet vlastní řešení, když jim zadáme přesně definované úkoly.
04:46
But they're not intuitive.
92
286497
1310
Ale není to intuitivní.
04:47
They still have to start from scratch every single time,
93
287831
3086
Stále ještě musí začínat od nuly.
04:50
and that's because they never learn.
94
290941
2565
Protože se nikdy nic nenaučí.
04:54
Unlike Maggie.
95
294188
1766
Na rozdíl od Maggie.
04:55
(Laughter)
96
295978
1581
(smích)
04:57
Maggie's actually smarter than our most advanced design tools.
97
297583
3297
Maggie je vlastně chytřejší než naše nejvyspělejší nástroje.
05:01
What do I mean by that?
98
301287
1440
Co tím chci říct?
05:02
If her owner picks up that leash,
99
302751
1590
Pokud vezme její pán vodítko,
05:04
Maggie knows with a fair degree of certainty
100
304365
2068
Maggie dost přesně vytuší, že nastal čas jít na procházku.
05:06
it's time to go for a walk.
101
306457
1404
05:07
And how did she learn?
102
307885
1185
A jak se to naučila?
05:09
Well, every time the owner picked up the leash, they went for a walk.
103
309094
3324
Přece tak, že pokaždé, když si pán vzal vodítko, tak šli na procházku.
05:12
And Maggie did three things:
104
312442
1878
A Maggie udělala tři věci:
05:14
she had to pay attention,
105
314344
1869
musela dávat pozor,
05:16
she had to remember what happened
106
316237
2082
musela si vzpomenout, co se pak stalo,
05:18
and she had to retain and create a pattern in her mind.
107
318343
4017
a musela si vytvořit a zapamatovat model chování.
05:23
Interestingly, that's exactly what
108
323249
2095
Je zajímavé, že přesně tohle programátoři nutili dělat AI posledních asi 60 let.
05:25
computer scientists have been trying to get AIs to do
109
325368
2523
05:27
for the last 60 or so years.
110
327915
1859
05:30
Back in 1952,
111
330503
1349
Už v roce 1952 postavili tento počítač, který uměl hrát Piškvorky.
05:31
they built this computer that could play Tic-Tac-Toe.
112
331876
3801
05:36
Big deal.
113
336901
1160
Fakt pecka.
05:38
Then 45 years later, in 1997,
114
338849
3000
Pak o 45 let později, v roce 1997, porazil Deep Blue Kasparova v šachu.
05:41
Deep Blue beats Kasparov at chess.
115
341873
2472
05:45
2011, Watson beats these two humans at Jeopardy,
116
345866
4968
V roce 2011 porazil Watson tyhle dva lidi v soutěži Riskuj,
05:50
which is much harder for a computer to play than chess is.
117
350858
2928
která je pro počítače mnohem obtížnější než šachy.
05:53
In fact, rather than working from predefined recipes,
118
353810
3812
Aby překonal své lidské protivníky, musel Watson spíše uvažovat,
05:57
Watson had to use reasoning to overcome his human opponents.
119
357646
3323
namísto toho, aby použil dopředu daný postup,
06:02
And then a couple of weeks ago,
120
362213
2439
A před pár týdny AlphaGo, vyvinutý v DeepMind,
06:04
DeepMind's AlphaGo beats the world's best human at Go,
121
364676
4262
porazil nejlepšího hráče Go na světě,
06:08
which is the most difficult game that we have.
122
368962
2212
což je nejobtížnější hra, jakou známe.
Ve skutečnosti je v Go možné zahrát více tahy,
06:11
In fact, in Go, there are more possible moves
123
371198
2896
06:14
than there are atoms in the universe.
124
374118
2024
než kolik existuje atomů ve vesmíru.
06:18
So in order to win,
125
378030
1826
Takže aby mohl AlphaGo vyhrát, musel si vybudovat určitou intuici.
06:19
what AlphaGo had to do was develop intuition.
126
379880
2618
06:22
And in fact, at some points, AlphaGo's programmers didn't understand
127
382918
4110
A programátoři AlphaGo vlastně v určitých chvílích ani nevěděli,
06:27
why AlphaGo was doing what it was doing.
128
387052
2286
proč zahrál právě tak, jak zahrál.
06:31
And things are moving really fast.
129
391271
1660
A k pokroku dochází velmi rychle.
06:32
I mean, consider -- in the space of a human lifetime,
130
392955
3227
Jen si vzpomeňte ‒ během jednoho lidského života
06:36
computers have gone from a child's game
131
396206
2233
ušly počítače cestu od dětských her až k tomu,
06:39
to what's recognized as the pinnacle of strategic thought.
132
399740
3048
co považujeme za vrchol strategického myšlení.
06:43
What's basically happening
133
403819
2417
V podstatě se děje to,
06:46
is computers are going from being like Spock
134
406260
3310
že se teď počítače mnohem víc podobají spíš Kirkovi než Spockovi.
06:49
to being a lot more like Kirk.
135
409594
1949
06:51
(Laughter)
136
411567
3618
(smích)
06:55
Right? From pure logic to intuition.
137
415209
3424
Že ano? Namísto čisté logiky intuice.
07:00
Would you cross this bridge?
138
420004
1743
Vydali byste se přes tento most?
07:02
Most of you are saying, "Oh, hell no!"
139
422429
2323
Většina z vás řekne: "Ani za nic!"
07:04
(Laughter)
140
424776
1308
(smích)
07:06
And you arrived at that decision in a split second.
141
426108
2657
Dospěli jste k tomu ve zlomku sekundy.
07:08
You just sort of knew that bridge was unsafe.
142
428789
2428
Prostě jste nějak odhadli, že most není bezpečný.
07:11
And that's exactly the kind of intuition
143
431241
1989
A to je přesně ten druh intuice,
07:13
that our deep-learning systems are starting to develop right now.
144
433254
3568
který si zrovna teď začínají naše systémy hlubokého učení rozvíjet.
07:17
Very soon, you'll literally be able
145
437542
1707
Velmi brzy budete moci počítači ukázat něco, co jste vyrobili a navrhli,
07:19
to show something you've made, you've designed,
146
439273
2206
07:21
to a computer,
147
441503
1153
ten se na to podívá a řekne:
07:22
and it will look at it and say,
148
442680
1489
"Hmm, je mi líto kámo, to nebude nikdy fungovat. Musíš to zkusit znovu."
07:24
"Sorry, homie, that'll never work. You have to try again."
149
444193
2823
07:27
Or you could ask it if people are going to like your next song,
150
447674
3070
Nebo byste se ho mohli zeptat, jak se lidem bude líbit vaše nová píseň
07:31
or your next flavor of ice cream.
151
451593
2063
nebo nová příchuť zmrzliny.
07:35
Or, much more importantly,
152
455369
2579
Nebo něco mnohem důležitějšího,
07:37
you could work with a computer to solve a problem
153
457972
2364
mohli byste s počítačem spolupracovat na problému, který jste ještě neřešili.
07:40
that we've never faced before.
154
460360
1637
07:42
For instance, climate change.
155
462021
1401
Třeba na změně klimatu.
07:43
We're not doing a very good job on our own,
156
463446
2020
Kvalitní práci sami nesvedeme,
mohli bychom využít veškerou dostupnou pomoc.
07:45
we could certainly use all the help we can get.
157
465490
2245
07:47
That's what I'm talking about,
158
467759
1458
Mluvím o technologii, která umocní naše kognitivní schopnosti tak,
07:49
technology amplifying our cognitive abilities
159
469241
2555
07:51
so we can imagine and design things that were simply out of our reach
160
471820
3552
že si dokážeme představit a navrhnout věci,
na které prostě jako obyčejní lidé let minulých nestačíme.
07:55
as plain old un-augmented humans.
161
475396
2559
07:59
So what about making all of this crazy new stuff
162
479804
2941
A proč třeba nevyrobit všechny ty bláznivé nové věci,
08:02
that we're going to invent and design?
163
482769
2441
které vymyslíme a navrhneme?
08:05
I think the era of human augmentation is as much about the physical world
164
485772
4093
Myslím, že éra zdokonalování lidí se týká stejně tak fyzického světa
08:09
as it is about the virtual, intellectual realm.
165
489889
3065
jako toho virtuálního, intelektuální sféry.
08:13
How will technology augment us?
166
493653
1921
Čím nás technologie dokážou obohatit?
08:16
In the physical world, robotic systems.
167
496081
2473
Ve fyzickém světě robotickými systémy.
08:19
OK, there's certainly a fear
168
499440
1736
OK, určitě se všichni obáváme, že roboti vezmou lidem pracovní místa,
08:21
that robots are going to take jobs away from humans,
169
501200
2488
08:23
and that is true in certain sectors.
170
503712
1830
a v některých odvětvích se tak skutečně stane.
08:25
But I'm much more interested in this idea
171
505994
2878
Ale mě mnohem víc zajímá myšlenka,
08:28
that humans and robots working together are going to augment each other,
172
508896
5010
že při společné práci lidí a robotů obohatí jedni druhé
08:33
and start to inhabit a new space.
173
513930
2058
a začnou obsazovat nový prostor.
Tohle je náš aplikovaný výzkum v San Francisku,
08:36
This is our applied research lab in San Francisco,
174
516012
2362
08:38
where one of our areas of focus is advanced robotics,
175
518398
3142
kde je jednou z oblastí našeho zájmu pokročilá robotika,
08:41
specifically, human-robot collaboration.
176
521564
2511
zvláště pak spolupráce lidí a robotů.
08:44
And this is Bishop, one of our robots.
177
524854
2759
A toto je Bishop, jeden z našich robotů.
08:47
As an experiment, we set it up
178
527637
1789
Experimentálně jsme ho nastavili tak,
08:49
to help a person working in construction doing repetitive tasks --
179
529450
3460
aby lidem ve stavebnictví pomáhal s opakujícími se úkoly ‒
08:53
tasks like cutting out holes for outlets or light switches in drywall.
180
533804
4194
jako je vyřezávání otvorů v sádrokartonu pro zásuvky a vypínače.
08:58
(Laughter)
181
538022
2466
(smích)
09:01
So, Bishop's human partner can tell what to do in plain English
182
541697
3111
Lidský partner umí Bishopovi jednoduchou řečí a gesty vysvětlit, co má dělat,
09:04
and with simple gestures,
183
544832
1305
asi tak, jako když mluvíte na psa,
09:06
kind of like talking to a dog,
184
546161
1447
09:07
and then Bishop executes on those instructions
185
547632
2143
a Bishop pak podle těchto instrukcí s dokonalou přesností postupuje.
09:09
with perfect precision.
186
549799
1892
09:11
We're using the human for what the human is good at:
187
551715
2989
Lidi využíváme na to, v čem vynikají:
09:14
awareness, perception and decision making.
188
554728
2333
jsou informovaní, mají postřeh a rozhodují se.
09:17
And we're using the robot for what it's good at:
189
557085
2240
A robota používáme na to, v čem vyniká zase on: v přesnosti a opakování úkolů.
09:19
precision and repetitiveness.
190
559349
1748
Zde je další super projekt, na kterém Bishop pracuje.
09:22
Here's another cool project that Bishop worked on.
191
562072
2367
09:24
The goal of this project, which we called the HIVE,
192
564463
3075
Cílem tohoto projektu, který jsme nazvali HIVE,
09:27
was to prototype the experience of humans, computers and robots
193
567562
3851
bylo namodelovat zkušenosti lidí, počítačů a robotů,
09:31
all working together to solve a highly complex design problem.
194
571437
3220
kteří všichni spolupracují při řešení velmi složitého konstrukčního problému.
09:35
The humans acted as labor.
195
575613
1451
Lidé hráli roli dělníků.
09:37
They cruised around the construction site, they manipulated the bamboo --
196
577088
3473
Pohybovali se kolem staveniště, manipulovali s bambusem ‒
09:40
which, by the way, because it's a non-isomorphic material,
197
580585
2756
což je mimochodem pro roboty velmi těžké, protože to není izomorfní materiál.
09:43
is super hard for robots to deal with.
198
583365
1874
Roboti pak toto vlákno navíjeli, což je pro člověka téměř nemožné.
09:45
But then the robots did this fiber winding,
199
585263
2022
09:47
which was almost impossible for a human to do.
200
587309
2451
09:49
And then we had an AI that was controlling everything.
201
589784
3621
Měli jsme AI, která to všechno řídila.
09:53
It was telling the humans what to do, telling the robots what to do
202
593429
3290
Říkala lidem i robotům, co mají dělat,
09:56
and keeping track of thousands of individual components.
203
596743
2915
a sledovala přitom tisíce jednotlivých komponent.
09:59
What's interesting is,
204
599682
1180
Zajímavé je,
10:00
building this pavilion was simply not possible
205
600886
3141
že vybudování tohoto pavilonu není jednoduše možné bez toho,
10:04
without human, robot and AI augmenting each other.
206
604051
4524
aby se člověk, robot a AI vzájemně nedoplňovali.
10:09
OK, I'll share one more project. This one's a little bit crazy.
207
609710
3320
Povím vám ještě o jednom projektu. Je to tak trochu šílenost.
10:13
We're working with Amsterdam-based artist Joris Laarman and his team at MX3D
208
613054
4468
Spolupracujeme s umělcem Jorisem Laarmanem z Amsterdamu a jeho týmem z MX3D
10:17
to generatively design and robotically print
209
617546
2878
na generativním návrhu a robotickém tisku
10:20
the world's first autonomously manufactured bridge.
210
620448
2995
prvního samostatně vyrobeného mostu na světě.
10:24
So, Joris and an AI are designing this thing right now, as we speak,
211
624135
3685
Takže, Joris a AI právě teď tuhle věc v Amsterdamu navrhují.
10:27
in Amsterdam.
212
627844
1172
10:29
And when they're done, we're going to hit "Go,"
213
629040
2321
A až to budou mít, stiskneme tlačítko „Start“
10:31
and robots will start 3D printing in stainless steel,
214
631385
3311
a roboti začnou most tisknout z nerezové oceli
10:34
and then they're going to keep printing, without human intervention,
215
634720
3283
a bez zásahu lidí v tom budou pokračovat, dokud nebude most hotov.
10:38
until the bridge is finished.
216
638027
1558
10:40
So, as computers are going to augment our ability
217
640919
2928
Takže s tím, jak počítače umocňují naši schopnost
10:43
to imagine and design new stuff,
218
643871
2150
představit si a navrhnout nové věci,
10:46
robotic systems are going to help us build and make things
219
646045
2895
pomáhají nám robotické systémy stavět a vytvářet věci,
10:48
that we've never been able to make before.
220
648964
2084
které jsme až dosud nebyli schopni vytvořit.
10:52
But what about our ability to sense and control these things?
221
652167
4160
Ale jak je to s naší schopností umět tyto věci vnímat a řídit?
10:56
What about a nervous system for the things that we make?
222
656351
4031
A jaký mají ty věci, které děláme, nervový systém?
11:00
Our nervous system, the human nervous system,
223
660406
2512
Náš nervový systém, lidský nervový systém,
11:02
tells us everything that's going on around us.
224
662942
2311
nám říká o všem, co se kolem nás děje.
11:06
But the nervous system of the things we make is rudimentary at best.
225
666006
3684
Ale jejich nervový systém je přinejlepším primitivní.
11:09
For instance, a car doesn't tell the city's public works department
226
669714
3563
Například, auto neřekne městskému oddělení veřejných prací,
11:13
that it just hit a pothole at the corner of Broadway and Morrison.
227
673301
3130
že právě vymetlo výmol na rohu Broadwaye a Morrisonovy.
11:16
A building doesn't tell its designers
228
676455
2032
Budova neřekne svému návrháři,
11:18
whether or not the people inside like being there,
229
678511
2684
zda se lidem uvnitř líbí či nikoliv,
11:21
and the toy manufacturer doesn't know
230
681219
3010
a výrobce hraček neví,
jestli si s hračkou opravdu někdo hraje ‒
11:24
if a toy is actually being played with --
231
684253
2007
11:26
how and where and whether or not it's any fun.
232
686284
2539
jak a kde si hraje a zda se s ní baví.
11:29
Look, I'm sure that the designers imagined this lifestyle for Barbie
233
689440
3814
Vím, že si návrhář takový životní styl pro Barbie představoval, když ji navrhoval.
11:33
when they designed her.
234
693278
1224
11:34
(Laughter)
235
694526
1447
(smích)
11:35
But what if it turns out that Barbie's actually really lonely?
236
695997
2906
Ale co když se ukáže, že je Barbie ve skutečnosti osamělá?
11:38
(Laughter)
237
698927
3147
(smích)
11:43
If the designers had known
238
703086
1288
Pokud by dopředu věděl, co se bude v reálném světě skutečně dít ‒
11:44
what was really happening in the real world
239
704398
2107
11:46
with their designs -- the road, the building, Barbie --
240
706529
2583
s navrženými cestami, budovami, s Barbie ‒
mohl by tu znalost využít k vytvoření lepšího zážitku pro uživatele.
11:49
they could've used that knowledge to create an experience
241
709136
2694
11:51
that was better for the user.
242
711854
1400
Chybí zde nervový systém,
11:53
What's missing is a nervous system
243
713278
1791
11:55
connecting us to all of the things that we design, make and use.
244
715093
3709
který by spojoval všechny ty věci, které navrhujeme, vytváříme a používáme.
11:59
What if all of you had that kind of information flowing to you
245
719735
3555
Co kdyby k vám všem, kteří tyto věci v reálném světě tvoříte,
12:03
from the things you create in the real world?
246
723314
2183
takové informace proudily?
12:07
With all of the stuff we make,
247
727252
1451
Kvůli všem našim produktům utrácíme obrovské množství peněz a energie ‒
12:08
we spend a tremendous amount of money and energy --
248
728727
2435
jen v loňském roce to byly asi dvě miliardy dolarů ‒
12:11
in fact, last year, about two trillion dollars --
249
731186
2376
12:13
convincing people to buy the things we've made.
250
733586
2854
abychom lidi přesvědčili, že si mají koupit, co jsme vyrobili.
12:16
But if you had this connection to the things that you design and create
251
736464
3388
Ale abyste to propojení na věci, které navrhujete a vytváříte, měli i poté,
12:19
after they're out in the real world,
252
739876
1727
kdy se dostanou do reálného světa, kdy už budou prodány nebo spuštěny,
12:21
after they've been sold or launched or whatever,
253
741627
3614
12:25
we could actually change that,
254
745265
1620
mohli bychom to změnit a místo toho, abychom lidi nutili naše věci chtít,
12:26
and go from making people want our stuff,
255
746909
3047
12:29
to just making stuff that people want in the first place.
256
749980
3434
bychom prostě dělali věci, o které lidi v prvé řadě stojí.
12:33
The good news is, we're working on digital nervous systems
257
753438
2787
Je dobré, že už pracujeme na digitálních nervových systémech,
12:36
that connect us to the things we design.
258
756249
2801
které nás propojí s tím, co navrhujeme.
12:40
We're working on one project
259
760185
1627
O kus dál, v Los Angeles,
12:41
with a couple of guys down in Los Angeles called the Bandito Brothers
260
761836
3712
spolupracujeme s několika lidmi z Bandito Brothers a jejich týmem
12:45
and their team.
261
765572
1407
na jednom projektu.
12:47
And one of the things these guys do is build insane cars
262
767003
3433
A jednou z věcí, jež tito lidé dělají, je stavění šílených aut,
12:50
that do absolutely insane things.
263
770460
2873
která dělají naprosto šílené věci.
12:54
These guys are crazy --
264
774725
1450
Tihle chlapi jsou blázni ‒
12:56
(Laughter)
265
776199
1036
(smích)
12:57
in the best way.
266
777259
1403
v nejlepším slova smyslu.
13:00
And what we're doing with them
267
780813
1763
Děláme s nimi na autu,
13:02
is taking a traditional race-car chassis
268
782600
2440
které má tradiční závodní podvozek,
13:05
and giving it a nervous system.
269
785064
1585
a k němu dostane nervový systém.
13:06
So we instrumented it with dozens of sensors,
270
786673
3058
Vybavili jsme ho přístroji se spoustou senzorů,
13:09
put a world-class driver behind the wheel,
271
789755
2635
za volant posadili prvotřídního řidiče,
13:12
took it out to the desert and drove the hell out of it for a week.
272
792414
3357
vzali auto do pouště a týden jsme ho tam týrali.
13:15
And the car's nervous system captured everything
273
795795
2491
A nervový systém zaznamenával vše, co se s autem dělo.
13:18
that was happening to the car.
274
798310
1482
13:19
We captured four billion data points;
275
799816
2621
Zaznamenali jsme čtyři miliardy měření;
13:22
all of the forces that it was subjected to.
276
802461
2310
všechny síly, které na auto působily.
13:24
And then we did something crazy.
277
804795
1659
A pak jsme udělali něco šíleného.
13:27
We took all of that data,
278
807088
1500
Vzali jsme všechna ta data
13:28
and plugged it into a generative-design AI we call "Dreamcatcher."
279
808612
3736
a napojili je do generativní AI, které říkáme „Dreamcatcher“.
13:33
So what do get when you give a design tool a nervous system,
280
813090
3964
A co dostanete, když dáte nástroji pro design k dispozici nervový systém
13:37
and you ask it to build you the ultimate car chassis?
281
817078
2882
a zadáte mu, aby sestavil hotový podvozek?
13:40
You get this.
282
820543
1973
Dostanete tohle.
13:44
This is something that a human could never have designed.
283
824113
3713
Je to něco, čeho by člověk nikdy nebyl schopen.
13:48
Except a human did design this,
284
828527
1888
Až na to, že to člověk navrhnul,
13:50
but it was a human that was augmented by a generative-design AI,
285
830439
4309
ale schopnosti člověka byly umocněny díky generativní AI,
13:54
a digital nervous system
286
834772
1231
digitálnímu nervovému systému a robotům, kteří něco takového umí skutečně vyrobit.
13:56
and robots that can actually fabricate something like this.
287
836027
3005
13:59
So if this is the future, the Augmented Age,
288
839500
3595
Takže pokud je tohle budoucnost, věk zdokonalených schopností,
14:03
and we're going to be augmented cognitively, physically and perceptually,
289
843119
4261
a pokud budeme kognitivně, fyzicky i perceptuálně dokonalejší,
14:07
what will that look like?
290
847404
1408
jak to bude vypadat?
14:09
What is this wonderland going to be like?
291
849396
3321
Jak bude vypadat ta pohádková země?
14:12
I think we're going to see a world
292
852741
1709
Myslím, že zažijeme svět, ve kterém věci budeme nechávat vyrůstat,
14:14
where we're moving from things that are fabricated
293
854474
3068
14:17
to things that are farmed.
294
857566
1445
namísto toho, abychom je vyráběli.
14:19
Where we're moving from things that are constructed
295
859979
3453
Kde namísto věcí, které je nutné zkonstruovat,
14:23
to that which is grown.
296
863456
1704
přejdeme k tomu, že nám vyrostou.
14:25
We're going to move from being isolated
297
865954
2188
Už nebudeme izolovaní, ale propojení.
14:28
to being connected.
298
868166
1610
14:30
And we'll move away from extraction
299
870454
2411
A od obrábění materiálu přejdeme k jeho slučování.
14:32
to embrace aggregation.
300
872889
1873
14:35
I also think we'll shift from craving obedience from our things
301
875787
3767
Také si myslím, že se od našich věcí už nebudeme dožadovat poslušnosti,
14:39
to valuing autonomy.
302
879578
1641
ale že oceníme jejich samostatnost.
14:42
Thanks to our augmented capabilities,
303
882330
1905
Díky našim zdokonaleným schopnostem se náš svět dramaticky změní.
14:44
our world is going to change dramatically.
304
884259
2377
14:47
We're going to have a world with more variety, more connectedness,
305
887396
3246
Svět bude pestřejší a propojenější, dynamičtější, komplexnější,
14:50
more dynamism, more complexity,
306
890666
2287
14:52
more adaptability and, of course,
307
892977
2318
přizpůsobivější a samozřejmě krásnější.
14:55
more beauty.
308
895319
1217
14:57
The shape of things to come
309
897051
1564
Tvary budoucích věcí se nebudou podobat ničemu, co jsme až doteď viděli.
14:58
will be unlike anything we've ever seen before.
310
898639
2290
15:00
Why?
311
900953
1159
Proč? Protože těmhle věcem dá tvar tohle nové partnerství
15:02
Because what will be shaping those things is this new partnership
312
902136
3755
15:05
between technology, nature and humanity.
313
905915
3670
mezi technologií, přírodou a lidmi.
15:11
That, to me, is a future well worth looking forward to.
314
911099
3804
To je pro mě budoucnost, na kterou stojí za to se těšit.
15:14
Thank you all so much.
315
914927
1271
Děkuji mnohokrát.
15:16
(Applause)
316
916222
5669
(potlesk)
O tomto webu

Tato stránka vám představí videa na YouTube, která jsou užitečná pro výuku angličtiny. Uvidíte lekce angličtiny vedené špičkovými učiteli z celého světa. Dvojklikem na anglické titulky zobrazené na každé stránce s videem si video přehrajete přímo odtud. Titulky se posouvají synchronizovaně s přehráváním videa. Pokud máte nějaké připomínky nebo požadavky, kontaktujte nás prosím pomocí tohoto kontaktního formuláře.

https://forms.gle/WvT1wiN1qDtmnspy7