The incredible inventions of intuitive AI | Maurice Conti

5,573,255 views ・ 2017-02-28

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

00:00
Translator: Leslie Gauthier Reviewer: Camille Martínez
0
0
7000
Μετάφραση: Eleni Tziafa Επιμέλεια: Maria Pericleous
00:12
How many of you are creatives,
1
12555
2289
Πόσοι από εσάς είστε δημιουργοί,
00:14
designers, engineers, entrepreneurs, artists,
2
14868
3624
σχεδιαστές, μηχανικοί, επιχειρηματίες, καλλιτέχνες,
00:18
or maybe you just have a really big imagination?
3
18516
2387
ή έχετε απλώς πολύ μεγάλη φαντασία;
00:20
Show of hands? (Cheers)
4
20927
1848
Σηκώστε τα χέρια! (Επευφημίες)
00:22
That's most of you.
5
22799
1181
Οι περισσότεροι από σας.
00:25
I have some news for us creatives.
6
25154
2294
Έχω νέα για εμάς τους δημιουργούς.
00:28
Over the course of the next 20 years,
7
28534
2573
Μέσα στα επόμενα 20 χρόνια
00:33
more will change around the way we do our work
8
33291
2973
ο τρόπος με τον οποίο δουλεύουμε θα αλλάξει πολύ περισσότερο
00:37
than has happened in the last 2,000.
9
37202
2157
απ' ό,τι άλλαξε μέσα στα τελευταία 2.000 χρόνια.
00:40
In fact, I think we're at the dawn of a new age in human history.
10
40331
4628
Πράγματι, νομίζω ότι ανατέλλει μια νέα εποχή της ανθρώπινης ιστορίας.
00:45
Now, there have been four major historical eras defined by the way we work.
11
45465
4761
Ο τρόπος που δουλεύουμε ορίζεται σε τέσσερις περιόδους.
00:51
The Hunter-Gatherer Age lasted several million years.
12
51224
3275
Η εποχή του Κυνηγού-Τροφοσυλλέκτη διήρκεσε αρκετά εκατομμύρια χρόνια.
00:54
And then the Agricultural Age lasted several thousand years.
13
54983
3576
Και μετά η εποχή της Γεωργοκαλλιέργειας διήρκεσε αρκετές χιλιάδες χρόνια.
00:59
The Industrial Age lasted a couple of centuries.
14
59015
3490
Η Βιομηχανική εποχή διήρκεσε κάνα δυο αιώνες.
01:02
And now the Information Age has lasted just a few decades.
15
62529
4287
Τώρα πλέον, η εποχή της Πληροφορίας έχει διάρκεια μόλις μερικών δεκαετιών.
01:06
And now today, we're on the cusp of our next great era as a species.
16
66840
5220
Σήμερα, βρισκόμαστε στο μεταίχμιο της επομένης εποχής μας ως είδος.
01:13
Welcome to the Augmented Age.
17
73116
2680
Καλωσορίσατε στην Επαυξημένη Εποχή.
01:15
In this new era, your natural human capabilities are going to be augmented
18
75820
3693
Σε αυτή τη νέα εποχή, οι φυσικές σας ανθρώπινες δεξιότητες θα ενισχυθούν
01:19
by computational systems that help you think,
19
79537
3068
μέσω υπολογιστικών συστημάτων που θα σας βοηθούν να σκέφτεστε,
01:22
robotic systems that help you make,
20
82629
2186
ρομποτικά συστήματα θα σας επιτρέπουν να κατασκευάζετε,
01:24
and a digital nervous system
21
84839
1648
και ένα ψηφιακό νευρικό σύστημα
01:26
that connects you to the world far beyond your natural senses.
22
86511
3690
θα σας συνδέει με τον κόσμο πολύ πέρα από τις φυσικές σας αισθήσεις.
01:31
Let's start with cognitive augmentation.
23
91257
1942
Ας ξεκινήσουμε με τη γνωστική ενίσχυση.
01:33
How many of you are augmented cyborgs?
24
93223
2200
Πόσοι από εσάς είστε επαυξημένα σάιμποργκ;
01:35
(Laughter)
25
95953
2650
(Γέλια)
01:38
I would actually argue that we're already augmented.
26
98627
2821
Θα έλεγα ότι στην πραγματικότητα ήδη είμαστε επαυξημένοι.
Φανταστείτε ότι είστε σε ένα πάρτι
01:42
Imagine you're at a party,
27
102108
1504
01:43
and somebody asks you a question that you don't know the answer to.
28
103636
3520
και κάποιος σας κάνει μια ερώτηση που δεν ξέρετε να απαντήσετε.
01:47
If you have one of these, in a few seconds, you can know the answer.
29
107180
3760
Αν έχετε ένα από αυτά, σε μερικά δεύτερα θα γνωρίζετε την απάντηση.
01:51
But this is just a primitive beginning.
30
111689
2299
Αυτό είναι μόνο η αρχή.
01:54
Even Siri is just a passive tool.
31
114683
3331
Ακόμη και η Σίρι είναι απλώς ένα παθητικό εργαλείο.
01:58
In fact, for the last three-and-a-half million years,
32
118480
3381
Στην πραγματικότητα, τα τελευταία τρεισήμισι εκατομμύρια χρόνια
02:01
the tools that we've had have been completely passive.
33
121885
3109
τα εργαλεία που είχαμε ήταν εντελώς παθητικά.
02:06
They do exactly what we tell them and nothing more.
34
126023
3655
Κάνουν ακριβώς ό,τι τους λέμε και τίποτα παραπάνω.
02:09
Our very first tool only cut where we struck it.
35
129702
3101
Το πρώτο πρώτο μας εργαλείο απλώς έκοβε εκεί που το χτυπούσαμε.
02:13
The chisel only carves where the artist points it.
36
133642
3040
Η σμίλη σμιλεύει εκεί που την οδηγεί ο καλλιτέχνης.
Ακόμη και τα πιο εξελιγμένα μας εργαλεία
02:17
And even our most advanced tools do nothing without our explicit direction.
37
137163
5641
δεν κάνουν τίποτα χωρίς τις ακριβείς μας οδηγίες.
02:22
In fact, to date, and this is something that frustrates me,
38
142828
3181
Στην πραγματικότητα, ως σήμερα, και αυτό είναι κάτι που με απελπίζει,
ήμασταν πάντα περιορισμένοι
02:26
we've always been limited
39
146033
1448
02:27
by this need to manually push our wills into our tools --
40
147505
3501
από αυτή την ανάγκη να επιβάλουμε τη θέλησή μας στα εργαλεία μας
χειρωνακτικά, κυριολεκτικά με τα ίδια μας τα χέρια,
02:31
like, manual, literally using our hands,
41
151030
2297
02:33
even with computers.
42
153351
1428
ακόμη και με τους υπολογιστές.
02:35
But I'm more like Scotty in "Star Trek."
43
155892
2463
Εγώ είμαι όμως πιο πολύ σαν τον Σκότι στο Σταρ Τρεκ.
02:38
(Laughter)
44
158379
1850
(Γέλια)
02:40
I want to have a conversation with a computer.
45
160253
2146
Θέλω να μπορώ να συζητάω με έναν υπολογιστή.
02:42
I want to say, "Computer, let's design a car,"
46
162423
2970
Να λέω: «Υπολογιστή, ας σχεδιάσουμε ένα αυτοκίνητο»,
02:45
and the computer shows me a car.
47
165417
1539
και ο υπολογιστής να μου το δείχνει.
02:46
And I say, "No, more fast-looking, and less German,"
48
166980
2608
Να λέω: «Όχι, να είναι πιο γρήγορο και λιγότερο γερμανικό»
02:49
and bang, the computer shows me an option.
49
169612
2163
και μπαμ, να μου δείχνει ένα τέτοιο.
02:51
(Laughter)
50
171799
1865
(Γέλια)
02:54
That conversation might be a little ways off,
51
174028
2306
Η συζήτηση μπορεί να είναι λίγο παρατραβηγμένη,
02:56
probably less than many of us think,
52
176358
2665
πιθανόν λιγότερο απ' όσο πολλοί από εμάς νομίζουμε,
02:59
but right now,
53
179047
1763
αυτή τη στιγμή όμως δουλεύουμε πάνω σ' αυτό.
03:00
we're working on it.
54
180834
1151
Τα εργαλεία μας θα κάνουν αυτό το άλμα και από παθητικά θα γίνουν δημιουργικά.
03:02
Tools are making this leap from being passive to being generative.
55
182009
4033
03:06
Generative design tools use a computer and algorithms
56
186651
3308
Τα δημιουργικά σχεδιαστικά εργαλεία,
με έναν υπολογιστή και αλγορίθμους συνθέτουν γεωμετρία,
03:09
to synthesize geometry
57
189983
2608
03:12
to come up with new designs all by themselves.
58
192615
2754
και εφευρίσκουν νέα σχέδια εντελώς από μόνα τους.
03:15
All it needs are your goals and your constraints.
59
195816
2748
Το μόνο που μένει είναι να θέσετε στόχους και περιορισμούς.
03:18
I'll give you an example.
60
198588
1408
Θα σας δώσω ένα παράδειγμα.
03:20
In the case of this aerial drone chassis,
61
200020
2788
Για τον σκελετό αυτού του ιπτάμενου τηλεκατευθυνόμενου
03:22
all you would need to do is tell it something like,
62
202832
2626
το μόνο που χρειάζεται είναι να του πείτε κάτι όπως:
03:25
it has four propellers,
63
205482
1273
θέλω να έχει τέσσερις προπέλες, να είναι όσο πιο ελαφρύ γίνεται
03:26
you want it to be as lightweight as possible,
64
206779
2131
03:28
and you need it to be aerodynamically efficient.
65
208934
2270
και να είναι αεροδυναμικό.
03:31
Then what the computer does is it explores the entire solution space:
66
211228
4914
Στη συνέχεια ο υπολογιστής μελετά όλο το φάσμα των πιθανών λύσεων:
03:36
every single possibility that solves and meets your criteria --
67
216166
3927
όλες τις πιθανές παραλλαγές που επιλύουν και ανταποκρίνονται στα κριτήρια,
03:40
millions of them.
68
220117
1442
δηλαδή εκατομμύρια επιλογές.
03:41
It takes big computers to do this.
69
221583
1975
Χρειάζονται μεγάλοι υπολογιστές γι' αυτό.
03:43
But it comes back to us with designs
70
223582
1955
Αλλά μας βγάζει σχέδια
03:45
that we, by ourselves, never could've imagined.
71
225561
3143
που εμείς από μόνοι μας ποτέ δεν θα είχαμε φανταστεί.
03:49
And the computer's coming up with this stuff all by itself --
72
229146
2912
Και ο υπολογιστής τα σκέφτεται όλα αυτά από μόνος του,
κανένας δεν σχεδίασε τίποτα και ξεκίνησε εντελώς από το μηδέν.
03:52
no one ever drew anything,
73
232082
1678
03:53
and it started completely from scratch.
74
233784
2086
03:56
And by the way, it's no accident
75
236858
2387
Παρεμπιπτόντως, δεν είναι τυχαίο
03:59
that the drone body looks just like the pelvis of a flying squirrel.
76
239269
3481
ότι το σώμα του τηλεκατευθυνόμενου μοιάζει με την πύελο ενός ιπτάμενου σκίουρου.
04:03
(Laughter)
77
243107
2007
(Γέλια)
04:05
It's because the algorithms are designed to work
78
245860
2302
Είναι γιατί οι αλγόριθμοι σχεδιάστηκαν για να λειτουργούν όπως η εξέλιξη.
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
Το συναρπαστικό είναι ότι αυτή η τεχνολογία υπάρχει,
04:13
out in the real world.
81
253219
1159
εκεί έξω στον πραγματικό κόσμο.
04:14
We've been working with Airbus for a couple of years
82
254402
2452
Συνεργαζόμαστε με την Airbus εδώ και λίγα χρόνια
04:16
on this concept plane for the future.
83
256878
1909
πάνω σε μια ιδέα για ένα αεροπλάνο του μέλλοντος.
04:18
It's a ways out still.
84
258811
2070
Έχουμε πολύ δρόμο ακόμα.
04:20
But just recently we used a generative-design AI
85
260905
3780
Πρόσφατα όμως χρησιμοποιήσαμε μια δημιουργική τεχνητή νοημοσύνη
04:24
to come up with this.
86
264709
1807
που σκέφτηκε αυτό.
04:27
This is a 3D-printed cabin partition that's been designed by a computer.
87
267429
5153
Αυτό είναι ένα διαχωριστικό καμπίνας από τρισδιάστατο εκτυπωτή
το οποίο σχεδιάστηκε από έναν υπολογιστή.
04:32
It's stronger than the original yet half the weight,
88
272606
2824
Είναι ανθεκτικότερο από το πρωτότυπο αλλά με το μισό βάρος
04:35
and it will be flying in the Airbus A320 later this year.
89
275454
3146
και θα πετάει με το Airbus A320 αργότερα εντός του έτους.
04:39
So computers can now generate;
90
279225
1559
Οι υπολογιστές μπορούν πια να δημιουργούν,
04:40
they can come up with their own solutions to our well-defined problems.
91
280808
4595
να βρίσκουν τις δικές τους λύσεις σε δικά μας σαφώς καθορισμένα προβλήματα.
04:46
But they're not intuitive.
92
286497
1310
Αλλά δεν έχουν διαίσθηση.
04:47
They still have to start from scratch every single time,
93
287831
3086
Ακόμη πρέπει να αρχίζουν κάθε φορά από το μηδέν,
04:50
and that's because they never learn.
94
290941
2565
επειδή ποτέ δεν μαθαίνουν.
04:54
Unlike Maggie.
95
294188
1766
Σε αντίθεση με τη Μάγκι.
04:55
(Laughter)
96
295978
1581
(Γέλια)
04:57
Maggie's actually smarter than our most advanced design tools.
97
297583
3297
Η Μάγκι είναι πράγματι πιο έξυπνη από τα πιο προχωρημένα σχεδιαστικά εργαλεία.
05:01
What do I mean by that?
98
301287
1440
Τι εννοώ με αυτό;
05:02
If her owner picks up that leash,
99
302751
1590
Αν ο ιδιοκτήτης πιάσει αυτό το λουρί,
05:04
Maggie knows with a fair degree of certainty
100
304365
2068
η Μάγκι ξέρει, με αρκετά μεγάλη βεβαιότητα, ότι είναι ώρα για βόλτα.
05:06
it's time to go for a walk.
101
306457
1404
05:07
And how did she learn?
102
307885
1185
Πώς το έμαθε αυτό;
05:09
Well, every time the owner picked up the leash, they went for a walk.
103
309094
3324
Λοιπόν, κάθε φορά που ο ιδιοκτήτης έπαιρνε το λουρί, πήγαιναν βόλτα.
05:12
And Maggie did three things:
104
312442
1878
Η Μάγκι έκανε τρια πράγματα:
05:14
she had to pay attention,
105
314344
1869
έδινε προσοχή, θυμόταν τι είχε γίνει την προηγούμενη φορά,
05:16
she had to remember what happened
106
316237
2082
05:18
and she had to retain and create a pattern in her mind.
107
318343
4017
και δημιουργούσε και κράταγε τη φόρμουλα στο μυαλό της.
05:23
Interestingly, that's exactly what
108
323249
2095
Το ενδιαφέρον είναι πως σε αυτό ακριβώς προσπαθούν οι επιστήμονες
05:25
computer scientists have been trying to get AIs to do
109
325368
2523
να εκπαιδεύσουν την τεχνητή νοημοσύνη για τα τελευταία 60 χρόνια.
05:27
for the last 60 or so years.
110
327915
1859
05:30
Back in 1952,
111
330503
1349
Το 1952 έφτιαξαν έναν υπολογιστή που μπορούσε να παίζει τρίλιζα.
05:31
they built this computer that could play Tic-Tac-Toe.
112
331876
3801
05:36
Big deal.
113
336901
1160
Σιγά το πράγμα.
05:38
Then 45 years later, in 1997,
114
338849
3000
Έπειτα, 45 χρόνια αργότερα, το 1997,
05:41
Deep Blue beats Kasparov at chess.
115
341873
2472
ο Deep Blue νίκησε τον Κασπάροφ στο σκάκι.
05:45
2011, Watson beats these two humans at Jeopardy,
116
345866
4968
Το 2011 ο Γουάτσον κέρδισε δύο ανθρώπους στο παιχνίδι ερωτήσεων Jeopardy,
05:50
which is much harder for a computer to play than chess is.
117
350858
2928
που είναι πολύ πιο δύσκολο από το σκάκι για έναν υπολογιστή.
05:53
In fact, rather than working from predefined recipes,
118
353810
3812
Και αυτό γιατί, αντί να δουλεύει με προκαθορισμένες απαντήσεις,
05:57
Watson had to use reasoning to overcome his human opponents.
119
357646
3323
ο Γουάτσον έπρεπε να νικήσει με τη λογική τους ανθρώπους αντιπάλους του.
06:02
And then a couple of weeks ago,
120
362213
2439
Λίγες εβδομάδες πριν, ο AlphaGo της DeepMind
06:04
DeepMind's AlphaGo beats the world's best human at Go,
121
364676
4262
νίκησε τον καλύτερο παίκτη στο παιχνίδι Go,
06:08
which is the most difficult game that we have.
122
368962
2212
το πιο δύσκολο παιχνίδι που υπάρχει.
Στο Go υπάρχουν περισσότερες πιθανές κινήσεις
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
απ' ό,τι άτομα στο σύμπαν.
06:18
So in order to win,
125
378030
1826
Προκειμένου λοιπόν να νικήσει,
06:19
what AlphaGo had to do was develop intuition.
126
379880
2618
ο AlphaGo έπρεπε να αναπτύξει διαίσθηση.
06:22
And in fact, at some points, AlphaGo's programmers didn't understand
127
382918
4110
Και μάλιστα, σε κάποια σημεία, οι προγραμματιστές του AlphaGo
δεν καταλάβαιναν καν γιατί ο AlphaGo έκανε αυτό που έκανε.
06:27
why AlphaGo was doing what it was doing.
128
387052
2286
06:31
And things are moving really fast.
129
391271
1660
Άρα όλα εξελίσσονται πολύ γρήγορα.
06:32
I mean, consider -- in the space of a human lifetime,
130
392955
3227
Σκεφτείτε ότι, στη διάρκεια της ζωής ενός ανθρώπου,
06:36
computers have gone from a child's game
131
396206
2233
οι υπολογιστές εξελίχθηκαν από παιδικό παιχνίδι
06:39
to what's recognized as the pinnacle of strategic thought.
132
399740
3048
σε αυτό που αναγνωρίζεται ως το αποκορύφωμα της στρατηγικής σκέψης.
06:43
What's basically happening
133
403819
2417
Αυτό που ουσιαστικά συμβαίνει
06:46
is computers are going from being like Spock
134
406260
3310
είναι ότι οι υπολογιστές εξελίσσονται από Σποκ...
06:49
to being a lot more like Kirk.
135
409594
1949
σε Κάπτεν Κερκ.
06:51
(Laughter)
136
411567
3618
(Γέλια)
06:55
Right? From pure logic to intuition.
137
415209
3424
Έτσι; Από την καθαρή λογική στη διαίσθηση.
07:00
Would you cross this bridge?
138
420004
1743
Θα περνούσατε αυτή τη γέφυρα;
07:02
Most of you are saying, "Oh, hell no!"
139
422429
2323
Οι περισσότεροι από σας θα λέγατε: «Όχι βέβαια!»
07:04
(Laughter)
140
424776
1308
(Γέλια)
Χρειάστηκε ένα δευτερόλεπτο για να πάρετε αυτή την απόφαση.
07:06
And you arrived at that decision in a split second.
141
426108
2657
07:08
You just sort of knew that bridge was unsafe.
142
428789
2428
Κατά κάποιο τρόπο ήδη ξέρατε ότι η γέφυρα δεν ήταν ασφαλής.
07:11
And that's exactly the kind of intuition
143
431241
1989
Αυτό ακριβώς το είδος της διαίσθησης
07:13
that our deep-learning systems are starting to develop right now.
144
433254
3568
αναπτύσσουν αυτή τη στιγμή τα συστήματά μας που μαθαίνουν.
07:17
Very soon, you'll literally be able
145
437542
1707
Πολύ σύντομα θα μπορείτε
να δείξετε σε έναν υπολογιστή κάτι που φτιάξατε, που σχεδιάσατε,
07:19
to show something you've made, you've designed,
146
439273
2206
07:21
to a computer,
147
441503
1153
κι αυτός θα το κοιτάει και θα σας λέει:
07:22
and it will look at it and say,
148
442680
1489
«Λυπάμαι μάγκα, δεν θα λειτουργήσει, πρέπει να προσπαθήσεις ξανά».
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
Θα μπορείτε να ρωτήσετε αν θα αρέσει στον κόσμο το νέο σας τραγούδι,
07:31
or your next flavor of ice cream.
151
451593
2063
ή η καινούρια γεύση παγωτού που φτιάξατε.
07:35
Or, much more importantly,
152
455369
2579
Ακόμη πιο σημαντικό, θα μπορούσατε να συνεργαστείτε με έναν υπολογιστή,
07:37
you could work with a computer to solve a problem
153
457972
2364
για να επιλύσετε ένα εντελώς καινούριο πρόβλημα.
07:40
that we've never faced before.
154
460360
1637
Για παράδειγμα, η κλιματική αλλαγή: δεν τα καταφέρνουμε μόνοι μας,
07:42
For instance, climate change.
155
462021
1401
07:43
We're not doing a very good job on our own,
156
463446
2020
07:45
we could certainly use all the help we can get.
157
465490
2245
όσο περισσότερη βοήθεια έχουμε, τόσο το καλύτερο για μας.
07:47
That's what I'm talking about,
158
467759
1458
Γι' αυτό ακριβώς μιλάω,
07:49
technology amplifying our cognitive abilities
159
469241
2555
πώς η τεχνολογία ενισχύει τις γνωστικές μας ικανότητες
07:51
so we can imagine and design things that were simply out of our reach
160
471820
3552
ώστε να μπορούμε να φανταστούμε και να σχεδιάσουμε πράγματα απλησίαστα ως τώρα
07:55
as plain old un-augmented humans.
161
475396
2559
σαν απλοί μη-επαυξημένοι άνθρωποι.
07:59
So what about making all of this crazy new stuff
162
479804
2941
Γιατί να μη φτιάξουμε λοιπόν όλα αυτά τα τρελά καινούρια πράγματα
08:02
that we're going to invent and design?
163
482769
2441
που πρόκειται να εφεύρουμε και να σχεδιάσουμε;
08:05
I think the era of human augmentation is as much about the physical world
164
485772
4093
Η εποχή της επαύξησης του ανθρώπου τόσο για τον πραγματικό κόσμο
08:09
as it is about the virtual, intellectual realm.
165
489889
3065
όσο και για τον εικονικό ανήκει στη σφαίρα της διανόησης.
08:13
How will technology augment us?
166
493653
1921
Πώς θα μας επαυξήσει η τεχνολογία;
08:16
In the physical world, robotic systems.
167
496081
2473
Στον πραγματικό κόσμο, ρομποτικά συστήματα.
08:19
OK, there's certainly a fear
168
499440
1736
Εντάξει, σίγουρα υπάρχει ένας φόβος
08:21
that robots are going to take jobs away from humans,
169
501200
2488
ότι τα ρομπότ θα πάρουν τις δουλειές των ανθρώπων
08:23
and that is true in certain sectors.
170
503712
1830
και αυτό είναι αλήθεια για ορισμένους τομείς.
08:25
But I'm much more interested in this idea
171
505994
2878
Εμένα όμως μου αρέσει πολύ περισσότερο η ιδέα
08:28
that humans and robots working together are going to augment each other,
172
508896
5010
ότι άνθρωποι και ρομπότ σε συνεργασία θα επαυξήσουν ο ένας τον άλλον
08:33
and start to inhabit a new space.
173
513930
2058
και θα βρεθούν σε ένα νέο πεδίο.
Αυτό είναι το εργαστήρι εφαρμοσμένης έρευνας στο Σαν Φρανσίσκο.
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
Ένα από τα πεδία της έρευνάς μας είναι η εξελιγμένη ρομποτική
08:41
specifically, human-robot collaboration.
176
521564
2511
και ειδικότερα η συνεργασία ανθρώπων και ρομπότ.
08:44
And this is Bishop, one of our robots.
177
524854
2759
Αυτός είναι ο Μπίσοπ, ένα από τα ρομπότ μας.
08:47
As an experiment, we set it up
178
527637
1789
Σε ένα πείραμα τον βάλαμε να βοηθήσει έναν άνθρωπο
08:49
to help a person working in construction doing repetitive tasks --
179
529450
3460
που δούλευε στις οικοδομές και έκανε επαναλαμβανόμενες κινήσεις,
08:53
tasks like cutting out holes for outlets or light switches in drywall.
180
533804
4194
κινήσεις όπως να ανοίγει τρύπες για πρίζες ή διακόπτες πάνω σε γυψοσανίδες.
08:58
(Laughter)
181
538022
2466
(Γέλια)
09:01
So, Bishop's human partner can tell what to do in plain English
182
541697
3111
Ο άνθρωπος-συνεργάτης του Μπίσοπ του λέει τι να κάνει
09:04
and with simple gestures,
183
544832
1305
σε απλά Αγγλικά και με απλές χειρονομίες, κάπως σαν να μιλά σε σκύλο,
09:06
kind of like talking to a dog,
184
546161
1447
09:07
and then Bishop executes on those instructions
185
547632
2143
και μετά ο Μπίσοπ εκτελεί αυτές τις οδηγίες με απόλυτη ακρίβεια.
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
Χρησιμοποιούμε τον άνθρωπο σ' αυτό που ο άνθρωπος είναι καλός:
09:14
awareness, perception and decision making.
188
554728
2333
επαγρύπνηση, αντίληψη και λήψη αποφάσεων.
09:17
And we're using the robot for what it's good at:
189
557085
2240
Χρησιμοποιούμε το ρομπότ εκεί που είναι καλό:
09:19
precision and repetitiveness.
190
559349
1748
ακρίβεια και επανάληψη.
Να άλλο ένα άλλο ωραίο πρότζεκτ στο οποίο δούλεψε ο Μπίσοπ.
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
Ο στόχος αυτού του πρότζεκτ που το λέμε HIVE, κυψέλη,
09:27
was to prototype the experience of humans, computers and robots
193
567562
3851
είναι να αναπαραστήσουμε την εμπειρία ανθρώπων, υπολογιστών και ρομπότ
09:31
all working together to solve a highly complex design problem.
194
571437
3220
που δουλεύουν όλοι μαζί για να λύσουν ένα ιδιαίτερα πολύπλοκο πρόβλημα σχεδιασμού.
09:35
The humans acted as labor.
195
575613
1451
Ο άνθρωποι ενέργησαν ως εργάτες.
09:37
They cruised around the construction site, they manipulated the bamboo --
196
577088
3473
Κινήθηκαν στο εργοτάξιο, επεξεργάστηκαν το μπαμπού,
09:40
which, by the way, because it's a non-isomorphic material,
197
580585
2756
το οποίο, επειδή είναι ένα μη-ισοφορμικό υλικό
είναι πολύ δύσκολο για τα ρομπότ να το χειριστούν.
09:43
is super hard for robots to deal with.
198
583365
1874
09:45
But then the robots did this fiber winding,
199
585263
2022
Αλλά μετά τα ρομπότ έκαναν αυτό το δέσιμο με τις ίνες
09:47
which was almost impossible for a human to do.
200
587309
2451
που ήταν σχεδόν αδύνατο να το κάνει άνθρωπος.
09:49
And then we had an AI that was controlling everything.
201
589784
3621
Είχαμε και μια τεχνητή νοημοσύνη που έλεγχε τα πάντα.
09:53
It was telling the humans what to do, telling the robots what to do
202
593429
3290
Έλεγε στους ανθρώπους τι να κάνουν, έλεγε στα ρομπότ τι να κάνουν,
09:56
and keeping track of thousands of individual components.
203
596743
2915
και κρατούσε λογαριασμό για χιλιάδες συστατικά στοιχεία.
09:59
What's interesting is,
204
599682
1180
Το πιο ενδιαφέρον είναι
10:00
building this pavilion was simply not possible
205
600886
3141
ότι το να χτίσουμε αυτό το περίπτερο ήταν απλά αδύνατο
10:04
without human, robot and AI augmenting each other.
206
604051
4524
χωρίς τους ανθρώπους, τα ρομπότ και την τεχνητή νοημοσύνη
να επαυξάνουν το ένα το άλλο.
10:09
OK, I'll share one more project. This one's a little bit crazy.
207
609710
3320
Εντάξει, θα μοιραστώ μαζί σας ένα ακόμη πρότζεκτ, λίγο τρελό.
10:13
We're working with Amsterdam-based artist Joris Laarman and his team at MX3D
208
613054
4468
Μαζί με έναν καλλιτέχνη στο Άμστερνταμ, τον Γιόρις Λάρμαν και την ομάδα του MX3D
10:17
to generatively design and robotically print
209
617546
2878
για να σχεδιάσουμε και να εκτυπώσουμε ρομποτικά
10:20
the world's first autonomously manufactured bridge.
210
620448
2995
την πρώτη αυτοκατασκευαζόμενη γέφυρα στον κόσμο.
10:24
So, Joris and an AI are designing this thing right now, as we speak,
211
624135
3685
Έτσι, ο Γιόρις και μια τεχνητή νοημοσύνη τη σχεδιάζουν τώρα στο Άμστερνταμ.
10:27
in Amsterdam.
212
627844
1172
10:29
And when they're done, we're going to hit "Go,"
213
629040
2321
Ακολούθως θα πατήσουμε το κουμπί και τα ρομπότ θα αρχίσουν την εκτύπωση
10:31
and robots will start 3D printing in stainless steel,
214
631385
3311
τρισδιάστατα, σε ανοξείδωτο ατσάλι, και θα συνεχίσουν να εκτυπώνουν,
10:34
and then they're going to keep printing, without human intervention,
215
634720
3283
χωρίς ανθρώπινη παρέμβαση, μέχρι η γέφυρα να τελειώσει.
10:38
until the bridge is finished.
216
638027
1558
10:40
So, as computers are going to augment our ability
217
640919
2928
Καθώς λοιπόν οι υπολογιστές θα επαυξήσουν την ικανότητά μας
10:43
to imagine and design new stuff,
218
643871
2150
να φανταζόμαστε και να σχεδιάζουμε καινούρια πράγματα,
10:46
robotic systems are going to help us build and make things
219
646045
2895
τα ρομποτικά συστήματα θα μας βοηθήσουν να κατασκευάσουμε πράγματα
10:48
that we've never been able to make before.
220
648964
2084
που δεν θα μπορούσαμε να κάνουμε πριν.
10:52
But what about our ability to sense and control these things?
221
652167
4160
Τι θα γίνει όμως με την ικανότητά μας να αισθανόμαστε και να τα ελέγχουμε αυτά;
10:56
What about a nervous system for the things that we make?
222
656351
4031
Τι θα λέγατε για ένα νευρικό σύστημα για τα πράγματα που θα φτιάξουμε;
11:00
Our nervous system, the human nervous system,
223
660406
2512
Το νευρικό μας σύστημα, το ανθρώπινο νευρικό σύστημα,
11:02
tells us everything that's going on around us.
224
662942
2311
μας ενημερώνει για όλα όσα συμβαίνουν γύρω μας.
11:06
But the nervous system of the things we make is rudimentary at best.
225
666006
3684
Αλλά το νευρικό σύστημα των πραγμάτων που φτιάχνουμε είναι το πολύ υποτυπώδες.
11:09
For instance, a car doesn't tell the city's public works department
226
669714
3563
Για παράδειγμα, ένα αυτοκίνητο δεν λέει στο τμήμα δημοσίων έργων μιας πόλης
11:13
that it just hit a pothole at the corner of Broadway and Morrison.
227
673301
3130
ότι μόλις βρήκε μια λακκούβα στη γωνία Μπροντγουέι και Μόρισον.
11:16
A building doesn't tell its designers
228
676455
2032
Ένα κτίριο δεν λέει στους σχεδιαστές του
11:18
whether or not the people inside like being there,
229
678511
2684
αν αρέσει ή όχι στους ανθρώπους να ζούνε μέσα του,
11:21
and the toy manufacturer doesn't know
230
681219
3010
και ο κατασκευαστής παιχνιδιών
δεν ξέρει αν πραγματικά παίζουν με κάποιο παιχνίδι,
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
πώς και πού και αν είναι διασκεδαστικό.
11:29
Look, I'm sure that the designers imagined this lifestyle for Barbie
233
689440
3814
Σίγουρα οι δημιουργοί της Μπάρμπι ήξεραν πώς θα ήταν η ζωή της,
11:33
when they designed her.
234
693278
1224
όταν την έφτιαξαν.
11:34
(Laughter)
235
694526
1447
(Γέλια)
11:35
But what if it turns out that Barbie's actually really lonely?
236
695997
2906
Αλλά τι γίνεται αν τελικά η Μπάρμπι νοιώθει μοναξιά;
11:38
(Laughter)
237
698927
3147
(Γέλια)
Αν οι δημιουργοί της είχαν γνώσεις για τον πραγματικό κόσμο των σχεδίων τους
11:43
If the designers had known
238
703086
1288
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
- τον δρόμο, το σπίτι, την Μπάρμπι - θα μπορούσαν να τις χρησιμοποιήσουν
11:49
they could've used that knowledge to create an experience
241
709136
2694
για να δημιουργήσουν μια καλύτερη εμπειρία για τον χρήστη.
11:51
that was better for the user.
242
711854
1400
Αυτό που λείπει είναι ένα νευρικό σύστημα
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
που να μας ενώνει με όλα τα πράγματα που σχεδιάζουμε, κάνουμε και χρησιμοποιούμε.
11:59
What if all of you had that kind of information flowing to you
245
719735
3555
Πώς θα ήταν αν όλοι εσείς είχατε αυτή την πληροφορία να ρέει προς εσάς,
12:03
from the things you create in the real world?
246
723314
2183
από τα πράγματα που δημιουργείτε στον πραγματικό κόσμο;
12:07
With all of the stuff we make,
247
727252
1451
Για όλα τα πράγματα που φτιάχνουμε ξοδεύουμε άπειρα χρήματα και ενέργεια,
12:08
we spend a tremendous amount of money and energy --
248
728727
2435
πέρυσι δύο τρις δολάρια,
12:11
in fact, last year, about two trillion dollars --
249
731186
2376
προσπαθώντας να πείσουμε τους ανθρώπους να αγοράσουν τα πράγματα που φτιάξαμε.
12:13
convincing people to buy the things we've made.
250
733586
2854
12:16
But if you had this connection to the things that you design and create
251
736464
3388
Αν όμως είχαμε αυτή τη σύνδεση με τα πράγματα που δημιουργούμε
12:19
after they're out in the real world,
252
739876
1727
αφότου βρεθούν έξω στον πραγματικό κόσμο, αφότου πουληθούν ή κυκλοφορήσουν,
12:21
after they've been sold or launched or whatever,
253
741627
3614
12:25
we could actually change that,
254
745265
1620
θα μπορούσαμε να το αλλάξουμε αυτό:
12:26
and go from making people want our stuff,
255
746909
3047
αντί να κάνουμε τους ανθρώπους να θέλουν αυτά που φτιάχνουμε,
12:29
to just making stuff that people want in the first place.
256
749980
3434
να φτιάχνουμε πράγματα που οι άνθρωποι θα ήθελαν έτσι κι αλλιώς.
12:33
The good news is, we're working on digital nervous systems
257
753438
2787
Τα καλά νέα είναι ότι δουλεύουμε σε ψηφιακά νευρικά συστήματα
12:36
that connect us to the things we design.
258
756249
2801
που μας συνδέουν με τα πράγματα που σχεδιάζουμε.
12:40
We're working on one project
259
760185
1627
Δουλεύουμε σε ένα πρότζεκτ
12:41
with a couple of guys down in Los Angeles called the Bandito Brothers
260
761836
3712
με κάποιους εκεί στο Λος Άντζελες, τους αδερφούς Μπαντίτο και την ομάδα τους.
12:45
and their team.
261
765572
1407
Ένα από αυτά που κάνουν αυτοί οι τύποι είναι να φτιάχνουν κάτι τρελά αυτοκίνητα
12:47
And one of the things these guys do is build insane cars
262
767003
3433
12:50
that do absolutely insane things.
263
770460
2873
που κάνουν απολύτως τρελά πράγματα.
12:54
These guys are crazy --
264
774725
1450
Είναι τρελοί αυτοί οι τύποι
12:56
(Laughter)
265
776199
1036
(Γέλια)
12:57
in the best way.
266
777259
1403
με την καλή την έννοια.
13:00
And what we're doing with them
267
780813
1763
Αυτό που κάνουμε μαζί τους
είναι να πάρουμε το κανονικό σασί ενός αγωνιστικού αυτοκινήτου
13:02
is taking a traditional race-car chassis
268
782600
2440
και να του βάζουμε ένα νευρικό σύστημα.
13:05
and giving it a nervous system.
269
785064
1585
13:06
So we instrumented it with dozens of sensors,
270
786673
3058
Το κατασκευάσαμε λοιπόν με ένα σωρό αισθητήρες,
13:09
put a world-class driver behind the wheel,
271
789755
2635
βάλαμε έναν οδηγό παγκοσμίου κλάσης πίσω από το τιμόνι,
13:12
took it out to the desert and drove the hell out of it for a week.
272
792414
3357
το βγάλαμε στην έρημο και το οδηγήσαμε όσο δεν παίρνει επί μία εβδομάδα.
13:15
And the car's nervous system captured everything
273
795795
2491
Το νευρικό σύστημα του αυτοκινήτου κατέγραψε τα πάντα,
13:18
that was happening to the car.
274
798310
1482
όλα όσα συνέβαιναν στο αυτοκίνητο.
13:19
We captured four billion data points;
275
799816
2621
Καταγράψαμε τέσσερα δισεκατομμύρια στοιχεία δεδομένων
13:22
all of the forces that it was subjected to.
276
802461
2310
και όλες τις δυνάμεις που υπέστη.
13:24
And then we did something crazy.
277
804795
1659
Μετά κάναμε κάτι τρελό.
13:27
We took all of that data,
278
807088
1500
Πήραμε όλα αυτά τα δεδομένα
13:28
and plugged it into a generative-design AI we call "Dreamcatcher."
279
808612
3736
και τα κατεβάσαμε σε μια τεχνητή νοημοσύνη σχεδιασμού που τη λέμε Ονειροπαγίδα.
13:33
So what do get when you give a design tool a nervous system,
280
813090
3964
Τι παίρνει κανείς λοιπόν όταν δίνει σε ένα σχεδιαστικό εργαλείο ένα νευρικό σύστημα,
13:37
and you ask it to build you the ultimate car chassis?
281
817078
2882
και του ζητά να του φτιάξει το τέλειο σασί αυτοκινήτου.
13:40
You get this.
282
820543
1973
Παίρνει αυτό.
13:44
This is something that a human could never have designed.
283
824113
3713
Αυτό είναι κάτι που ο άνθρωπος δεν θα μπορούσε ποτέ να σχεδιάσει.
13:48
Except a human did design this,
284
828527
1888
Άνθρωπος όμως το σχεδίασε αυτό,
13:50
but it was a human that was augmented by a generative-design AI,
285
830439
4309
μόνο που ήταν ένας άνθρωπος επαυξημένος από μια τεχνητή νοημοσύνη σχεδιασμού,
13:54
a digital nervous system
286
834772
1231
ένα ψηφιακό νευρικό σύστημα
και ρομπότ που μπορούν να φτιάξουν κάτι τέτοιο.
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
Αν αυτό είναι το μέλλον, η Επαυξημένη Εποχή,
14:03
and we're going to be augmented cognitively, physically and perceptually,
289
843119
4261
και πρόκειται να επαυξηθούν οι γνώσεις, οι φυσικές και διανοητικές μας ικανότητες,
14:07
what will that look like?
290
847404
1408
πώς θα μοιάζει αυτό;
14:09
What is this wonderland going to be like?
291
849396
3321
Πώς θα είναι αυτή η χώρα των θαυμάτων;
14:12
I think we're going to see a world
292
852741
1709
Νομίζω πως θα δούμε έναν κόσμο
14:14
where we're moving from things that are fabricated
293
854474
3068
όπου θα περάσουμε από τα πράγματα που κατασκευάζονται
14:17
to things that are farmed.
294
857566
1445
στα πράγματα που καλλιεργούνται.
14:19
Where we're moving from things that are constructed
295
859979
3453
Περνάμε από τα πράγματα που χτίζονται
14:23
to that which is grown.
296
863456
1704
σε πράγματα που αναπτύσσονται.
14:25
We're going to move from being isolated
297
865954
2188
Περνάμε από την απομόνωση στη σύνδεση.
14:28
to being connected.
298
868166
1610
14:30
And we'll move away from extraction
299
870454
2411
Απομακρυνόμαστε από την εξαγωγή
14:32
to embrace aggregation.
300
872889
1873
και αποδεχόμαστε την ενσωμάτωση.
14:35
I also think we'll shift from craving obedience from our things
301
875787
3767
Νομίζω επίσης ότι δεν θα απαιτούμε πια υπακοή από τα πράγματά μας
14:39
to valuing autonomy.
302
879578
1641
αλλά θα εκτιμούμε την αυτονομία.
14:42
Thanks to our augmented capabilities,
303
882330
1905
Χάρη στις επαυξημένες μας δεξιότητες,
14:44
our world is going to change dramatically.
304
884259
2377
ο κόσμος μας θα αλλάξει δραματικά.
14:47
We're going to have a world with more variety, more connectedness,
305
887396
3246
Θα έχουμε έναν κόσμο με μεγαλύτερη ποικιλία, μεγαλύτερη συνδεσιμότητα,
14:50
more dynamism, more complexity,
306
890666
2287
πιο δυναμικό, πιο πολύπλοκο,
14:52
more adaptability and, of course,
307
892977
2318
πιο προσαρμόσιμο, και φυσικά πιο όμορφο.
14:55
more beauty.
308
895319
1217
Το μέλλον δε θα μοιάζει καθόλου με αυτά που έχουμε δει μέχρι τώρα.
14:57
The shape of things to come
309
897051
1564
14:58
will be unlike anything we've ever seen before.
310
898639
2290
15:00
Why?
311
900953
1159
Γιατί; Γιατί αυτό που θα διαμορφώσει όλα αυτά
15:02
Because what will be shaping those things is this new partnership
312
902136
3755
είναι η νέα συνεργασία της τεχνολογίας με τη φύση και τον άνθρωπο.
15:05
between technology, nature and humanity.
313
905915
3670
15:11
That, to me, is a future well worth looking forward to.
314
911099
3804
Αυτό, κατά τη γνώμη μου, είναι ένα μέλλον που αξίζει να το περιμένει κανείς.
15:14
Thank you all so much.
315
914927
1271
Σας ευχαριστώ όλους πάρα πολύ.
15:16
(Applause)
316
916222
5669
(Χειροκρότημα)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7