The incredible inventions of intuitive AI | Maurice Conti

5,584,143 views ・ 2017-02-28

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

00:00
Translator: Leslie Gauthier Reviewer: Camille Martínez
0
0
7000
Traductor: Sebastian Betti Revisor: Lidia Cámara de la Fuente
00:12
How many of you are creatives,
1
12555
2289
¿Cuántos de Uds. son creativos?
00:14
designers, engineers, entrepreneurs, artists,
2
14868
3624
Diseñadores, ingenieros, emprendedores, artistas,
00:18
or maybe you just have a really big imagination?
3
18516
2387
o quizás solo tienen una gran imaginación.
00:20
Show of hands? (Cheers)
4
20927
1848
Muestren sus manos.
00:22
That's most of you.
5
22799
1181
La mayoría de Uds.
00:25
I have some news for us creatives.
6
25154
2294
Tengo algo que decir para nosotros los creativos.
00:28
Over the course of the next 20 years,
7
28534
2573
En los próximos 20 años,
00:33
more will change around the way we do our work
8
33291
2973
la manera de realizar nuestro trabajo va a cambiar
00:37
than has happened in the last 2,000.
9
37202
2157
más que en los últimos 2000 años.
00:40
In fact, I think we're at the dawn of a new age in human history.
10
40331
4628
De hecho, pienso que estamos ante una nueva era en nuestra historia.
00:45
Now, there have been four major historical eras defined by the way we work.
11
45465
4761
Hubo cuatro grandes eras históricas definidas por la manera de trabajar.
00:51
The Hunter-Gatherer Age lasted several million years.
12
51224
3275
La era cazadora-recolectora duró varios millones de años.
00:54
And then the Agricultural Age lasted several thousand years.
13
54983
3576
Luego, la era agrícola duró varios miles de años.
00:59
The Industrial Age lasted a couple of centuries.
14
59015
3490
La era industrial duró un par de siglos.
01:02
And now the Information Age has lasted just a few decades.
15
62529
4287
Y ahora la era de la información que lleva solo algunas décadas.
01:06
And now today, we're on the cusp of our next great era as a species.
16
66840
5220
Y hoy, estamos en presencia de una nueva gran era para nuestra especie.
01:13
Welcome to the Augmented Age.
17
73116
2680
Bienvenidos a la era aumentada.
01:15
In this new era, your natural human capabilities are going to be augmented
18
75820
3693
En esta era nueva, las capacidades del ser humano serán aumentadas
01:19
by computational systems that help you think,
19
79537
3068
por sistemas computarizados que nos ayudarán a pensar,
01:22
robotic systems that help you make,
20
82629
2186
sistemas robóticos que ayudarán a construir,
01:24
and a digital nervous system
21
84839
1648
y sistemas nerviosos digitales
01:26
that connects you to the world far beyond your natural senses.
22
86511
3690
que conectarán con el mundo más allá de los sentidos naturales.
01:31
Let's start with cognitive augmentation.
23
91257
1942
Comencemos con la aumentación cognitiva.
01:33
How many of you are augmented cyborgs?
24
93223
2200
¿Cuántos de Uds. son ciborgs aumentados?
01:35
(Laughter)
25
95953
2650
(Risas)
01:38
I would actually argue that we're already augmented.
26
98627
2821
En realidad yo aseguraría que ya estamos aumentados.
01:42
Imagine you're at a party,
27
102108
1504
Imagínense en una fiesta,
01:43
and somebody asks you a question that you don't know the answer to.
28
103636
3520
y alguien les hace una pregunta para la que no tienen respuesta.
01:47
If you have one of these, in a few seconds, you can know the answer.
29
107180
3760
Si tienen uno de estos, en algunos segundos, pueden saber la respuesta.
01:51
But this is just a primitive beginning.
30
111689
2299
Pero este es un comienzo primitivo.
01:54
Even Siri is just a passive tool.
31
114683
3331
Incluso Siri es una herramienta pasiva.
01:58
In fact, for the last three-and-a-half million years,
32
118480
3381
De hecho, en los últimos tres millones y medio de años,
02:01
the tools that we've had have been completely passive.
33
121885
3109
las herramientas que usamos fueron completamente pasivas.
02:06
They do exactly what we tell them and nothing more.
34
126023
3655
Hacen justo lo que les pedimos y nada más.
02:09
Our very first tool only cut where we struck it.
35
129702
3101
Nuestra primera herramienta cortaba donde la golpeábamos.
02:13
The chisel only carves where the artist points it.
36
133642
3040
El cincel solo talla donde el artista lo apunta.
02:17
And even our most advanced tools do nothing without our explicit direction.
37
137163
5641
E incluso las herramientas más avanzadas no hacen nada sin nuestra dirección.
02:22
In fact, to date, and this is something that frustrates me,
38
142828
3181
De hecho, al día de la fecha, y esto es algo que me frustra,
02:26
we've always been limited
39
146033
1448
siempre estuvimos limitados
02:27
by this need to manually push our wills into our tools --
40
147505
3501
por esta necesidad manual de ejercer nuestra voluntad en las herramientas
02:31
like, manual, literally using our hands,
41
151030
2297
literalmente, con las manos,
02:33
even with computers.
42
153351
1428
incluso con las computadoras.
02:35
But I'm more like Scotty in "Star Trek."
43
155892
2463
Pero yo soy más como Scotty de "Star Trek".
02:38
(Laughter)
44
158379
1850
(Risas)
02:40
I want to have a conversation with a computer.
45
160253
2146
Quiero conversar con la computadora.
02:42
I want to say, "Computer, let's design a car,"
46
162423
2970
Quiero decirle "Computadora, diseñemos un auto",
02:45
and the computer shows me a car.
47
165417
1539
y que me lo muestre.
02:46
And I say, "No, more fast-looking, and less German,"
48
166980
2608
Y yo diga "No, que parezca más rápido y menos alemán",
02:49
and bang, the computer shows me an option.
49
169612
2163
y pum, la computadora muestra una opción.
02:51
(Laughter)
50
171799
1865
(Risas)
02:54
That conversation might be a little ways off,
51
174028
2306
Esa conversación puede parecer lejana,
02:56
probably less than many of us think,
52
176358
2665
quizás menos de lo que pensamos,
02:59
but right now,
53
179047
1763
pero ahora,
03:00
we're working on it.
54
180834
1151
trabajamos en ello.
03:02
Tools are making this leap from being passive to being generative.
55
182009
4033
Las herramientas están haciendo el salto de pasivas a generativas.
03:06
Generative design tools use a computer and algorithms
56
186651
3308
Las herramientas generativas usan una computadora y algoritmos
03:09
to synthesize geometry
57
189983
2608
para sintetizar geometría,
03:12
to come up with new designs all by themselves.
58
192615
2754
para crear nuevos diseños por sí mismas.
03:15
All it needs are your goals and your constraints.
59
195816
2748
Solo necesita objetivos y restricciones.
03:18
I'll give you an example.
60
198588
1408
Les daré un ejemplo.
03:20
In the case of this aerial drone chassis,
61
200020
2788
En el caso de este chasis de dron aéreo,
03:22
all you would need to do is tell it something like,
62
202832
2626
solo es necesario decir algo como,
03:25
it has four propellers,
63
205482
1273
tiene cuatro hélices,
03:26
you want it to be as lightweight as possible,
64
206779
2131
que sea lo más liviano posible,
03:28
and you need it to be aerodynamically efficient.
65
208934
2270
y con aerodinámica eficiente.
03:31
Then what the computer does is it explores the entire solution space:
66
211228
4914
Luego la computadora explora todas las soluciones posibles.
03:36
every single possibility that solves and meets your criteria --
67
216166
3927
Cada posible solución que concuerda con los criterios,
03:40
millions of them.
68
220117
1442
millones.
03:41
It takes big computers to do this.
69
221583
1975
Se necesitan computadoras grandes.
03:43
But it comes back to us with designs
70
223582
1955
Pero nos devuelve diseños
03:45
that we, by ourselves, never could've imagined.
71
225561
3143
que por nuestros propios medios nunca podríamos imaginar.
03:49
And the computer's coming up with this stuff all by itself --
72
229146
2912
Y la computadora llega a esto por sus propios medios.
03:52
no one ever drew anything,
73
232082
1678
Nadie jamás dibujó nada,
03:53
and it started completely from scratch.
74
233784
2086
y comenzó de cero.
03:56
And by the way, it's no accident
75
236858
2387
Y por cierto, no es un accidente
03:59
that the drone body looks just like the pelvis of a flying squirrel.
76
239269
3481
que el cuerpo del dron se parezca a la pelvis de una ardilla voladora.
04:03
(Laughter)
77
243107
2007
(Risas)
04:05
It's because the algorithms are designed to work
78
245860
2302
Es porque los algoritmos trabajan
04:08
the same way evolution does.
79
248186
1637
igual que la evolución.
04:10
What's exciting is we're starting to see this technology
80
250535
2660
Es emocionante que estamos empezando a ver esta tecnología
04:13
out in the real world.
81
253219
1159
en el mundo real.
04:14
We've been working with Airbus for a couple of years
82
254402
2452
Trabajamos con Airbus durante un par de años
04:16
on this concept plane for the future.
83
256878
1909
en este concepto de avión para el futuro.
04:18
It's a ways out still.
84
258811
2070
Aunque todavía es muy lejano.
04:20
But just recently we used a generative-design AI
85
260905
3780
Pero hace poco usamos inteligencia artificial de diseño generativo
04:24
to come up with this.
86
264709
1807
para llegar a esto.
04:27
This is a 3D-printed cabin partition that's been designed by a computer.
87
267429
5153
Esta es una división de cabina impresa en 3D diseñada por una computadora.
04:32
It's stronger than the original yet half the weight,
88
272606
2824
Es más fuerte que la original y pesa la mitad,
04:35
and it will be flying in the Airbus A320 later this year.
89
275454
3146
y va a volar en el Airbus A320 más adelante en este año.
Ahora las computadoras pueden generar.
04:39
So computers can now generate;
90
279225
1559
04:40
they can come up with their own solutions to our well-defined problems.
91
280808
4595
Pueden brindar sus propias soluciones para nuestros problemas bien definidos.
04:46
But they're not intuitive.
92
286497
1310
Pero no son intuitivas.
04:47
They still have to start from scratch every single time,
93
287831
3086
Siempre tienen que comenzar de cero en cada oportunidad,
04:50
and that's because they never learn.
94
290941
2565
Y eso es porque nunca aprenden.
04:54
Unlike Maggie.
95
294188
1766
No como Maggie.
04:55
(Laughter)
96
295978
1581
(Risas)
04:57
Maggie's actually smarter than our most advanced design tools.
97
297583
3297
Maggie es más inteligente que nuestras herramientas más avanzadas.
05:01
What do I mean by that?
98
301287
1440
¿Qué quiero decir?
05:02
If her owner picks up that leash,
99
302751
1590
Si su dueño toma la correa,
05:04
Maggie knows with a fair degree of certainty
100
304365
2068
Maggie sabe con bastante seguridad
05:06
it's time to go for a walk.
101
306457
1404
que es hora de dar un paseo.
05:07
And how did she learn?
102
307885
1185
¿Y cómo lo aprendió?
05:09
Well, every time the owner picked up the leash, they went for a walk.
103
309094
3324
Bueno, cada vez que su dueño toma la correa, salen a pasear.
05:12
And Maggie did three things:
104
312442
1878
Maggie hizo tres cosas:
05:14
she had to pay attention,
105
314344
1869
tuvo que prestar atención,
05:16
she had to remember what happened
106
316237
2082
tuvo que recordar qué pasó,
05:18
and she had to retain and create a pattern in her mind.
107
318343
4017
y tuvo que retener y crear un patrón en su cabeza.
05:23
Interestingly, that's exactly what
108
323249
2095
Interesante, eso es justo
05:25
computer scientists have been trying to get AIs to do
109
325368
2523
lo que los científicos intentan hacer con la inteligencia artificial
05:27
for the last 60 or so years.
110
327915
1859
desde hace 60 años.
05:30
Back in 1952,
111
330503
1349
Allá en 1952,
05:31
they built this computer that could play Tic-Tac-Toe.
112
331876
3801
construyeron esta computadora que podía jugar a tres en raya.
05:36
Big deal.
113
336901
1160
Gran cosa.
05:38
Then 45 years later, in 1997,
114
338849
3000
Luego, 45 años más tarde en 1997,
05:41
Deep Blue beats Kasparov at chess.
115
341873
2472
Deep Blue ganó a Kasparov al ajedrez.
05:45
2011, Watson beats these two humans at Jeopardy,
116
345866
4968
2011, Watson le gana a estos dos humanos en Jeopardy,
05:50
which is much harder for a computer to play than chess is.
117
350858
2928
que, para una computadora, es mucho más difícil que el ajedrez.
05:53
In fact, rather than working from predefined recipes,
118
353810
3812
De hecho, más que trabajar con fórmulas predefinidas,
05:57
Watson had to use reasoning to overcome his human opponents.
119
357646
3323
Watson tuvo que razonar para vencer a sus oponentes humanos.
06:02
And then a couple of weeks ago,
120
362213
2439
Luego, algunas semanas atrás,
06:04
DeepMind's AlphaGo beats the world's best human at Go,
121
364676
4262
AlphaGo de DeepMind venció a los mejores en Go,
06:08
which is the most difficult game that we have.
122
368962
2212
que es más el juego más difícil que tenemos.
06:11
In fact, in Go, there are more possible moves
123
371198
2896
De hecho, en Go, hay más movimientos posibles
06:14
than there are atoms in the universe.
124
374118
2024
que átomos en el universo.
06:18
So in order to win,
125
378030
1826
Para ganar,
06:19
what AlphaGo had to do was develop intuition.
126
379880
2618
AlphaGo tuvo que desarrollar intuición.
06:22
And in fact, at some points, AlphaGo's programmers didn't understand
127
382918
4110
De hecho, en cierto punto, los programadores de AlphaGo no entendían
06:27
why AlphaGo was doing what it was doing.
128
387052
2286
por qué AlphaGo hacía lo que hacía.
06:31
And things are moving really fast.
129
391271
1660
Y todo avanza muy rápido.
06:32
I mean, consider -- in the space of a human lifetime,
130
392955
3227
Es decir, si pensamos que en el transcurso de una vida humana,
06:36
computers have gone from a child's game
131
396206
2233
las computadoras pasaron de ser juegos de niños
06:39
to what's recognized as the pinnacle of strategic thought.
132
399740
3048
a lo que se considera la cúspide del pensamiento estratégico.
06:43
What's basically happening
133
403819
2417
Lo que básicamente ocurre
06:46
is computers are going from being like Spock
134
406260
3310
es que las computadoras pasan de ser como Spock...
06:49
to being a lot more like Kirk.
135
409594
1949
a ser más como Kirk.
06:51
(Laughter)
136
411567
3618
(Risas)
06:55
Right? From pure logic to intuition.
137
415209
3424
De lógica pura a intuición.
07:00
Would you cross this bridge?
138
420004
1743
¿Uds. cruzarían ese puente?
07:02
Most of you are saying, "Oh, hell no!"
139
422429
2323
Muchos piensan, "¡ni loco!"
07:04
(Laughter)
140
424776
1308
(Risas)
07:06
And you arrived at that decision in a split second.
141
426108
2657
Y llegan a esa decisión en una fracción de segundo.
07:08
You just sort of knew that bridge was unsafe.
142
428789
2428
De alguna forma sabían que ese puente es inestable.
07:11
And that's exactly the kind of intuition
143
431241
1989
Y esa es justo el tipo de intuición
07:13
that our deep-learning systems are starting to develop right now.
144
433254
3568
que nuestros sistemas de aprendizaje profundo desarrollan ahora mismo.
07:17
Very soon, you'll literally be able
145
437542
1707
Muy pronto, podremos
07:19
to show something you've made, you've designed,
146
439273
2206
mostrarle algo que hayamos diseñado
07:21
to a computer,
147
441503
1153
a una computadora
07:22
and it will look at it and say,
148
442680
1489
y ésta lo mirará y dirá:
07:24
"Sorry, homie, that'll never work. You have to try again."
149
444193
2823
"Lo siento amigo, no va a funcionar. Inténtalo de nuevo".
07:27
Or you could ask it if people are going to like your next song,
150
447674
3070
O podrías saber si a la gente le va a gustar tu nueva canción,
07:31
or your next flavor of ice cream.
151
451593
2063
o tu nuevo sabor de helado.
07:35
Or, much more importantly,
152
455369
2579
O, mucho más importante,
07:37
you could work with a computer to solve a problem
153
457972
2364
te podría ayudar a resolver un problema
07:40
that we've never faced before.
154
460360
1637
que nunca hayamos enfrentado.
07:42
For instance, climate change.
155
462021
1401
Como el cambio climático.
07:43
We're not doing a very good job on our own,
156
463446
2020
No estamos haciendo un gran trabajo,
07:45
we could certainly use all the help we can get.
157
465490
2245
podríamos usar toda la ayuda posible sin dudas.
07:47
That's what I'm talking about,
158
467759
1458
De eso hablo,
07:49
technology amplifying our cognitive abilities
159
469241
2555
tecnología que mejora nuestras habilidades cognitivas
07:51
so we can imagine and design things that were simply out of our reach
160
471820
3552
para poder imaginar y diseñar más allá de nuestro alcance
07:55
as plain old un-augmented humans.
161
475396
2559
como simples humanos antiguos y no aumentados.
07:59
So what about making all of this crazy new stuff
162
479804
2941
¿Pero qué pasa con todas estas cosas alocadas nuevas
08:02
that we're going to invent and design?
163
482769
2441
que vamos a inventar y diseñar?
08:05
I think the era of human augmentation is as much about the physical world
164
485772
4093
Creo que la era del humano aumentado tiene que ver tanto con el mundo físico
08:09
as it is about the virtual, intellectual realm.
165
489889
3065
como con el virtual, el reino de lo intelectual.
08:13
How will technology augment us?
166
493653
1921
¿Cómo nos aumentará la tecnología?
08:16
In the physical world, robotic systems.
167
496081
2473
En el mundo físico, sistemas robóticos.
08:19
OK, there's certainly a fear
168
499440
1736
Bueno, igual existe un miedo latente
08:21
that robots are going to take jobs away from humans,
169
501200
2488
de que los robots asumirán nuestro trabajo,
08:23
and that is true in certain sectors.
170
503712
1830
y es verdad en ciertos sectores.
08:25
But I'm much more interested in this idea
171
505994
2878
Pero me interesa más esta idea
08:28
that humans and robots working together are going to augment each other,
172
508896
5010
de que humanos y robots trabajen juntos para aumentarse entre sí,
08:33
and start to inhabit a new space.
173
513930
2058
y empezar a habitar un espacio nuevo.
08:36
This is our applied research lab in San Francisco,
174
516012
2362
Este es nuestro laboratorio en San Francisco,
08:38
where one of our areas of focus is advanced robotics,
175
518398
3142
donde una de nuestras áreas de interés es robótica avanzada,
08:41
specifically, human-robot collaboration.
176
521564
2511
en especial, colaboración entre humanos y robots.
08:44
And this is Bishop, one of our robots.
177
524854
2759
Y este es Bishop, uno de nuestros robots.
08:47
As an experiment, we set it up
178
527637
1789
Como un experimento, lo configuramos
08:49
to help a person working in construction doing repetitive tasks --
179
529450
3460
para ayudar a una persona a hacer tareas repetitivas en construcción,
08:53
tasks like cutting out holes for outlets or light switches in drywall.
180
533804
4194
tareas como hacer agujeros para apliques o luces en una pared de yeso.
08:58
(Laughter)
181
538022
2466
(Risas)
09:01
So, Bishop's human partner can tell what to do in plain English
182
541697
3111
El compañero humano de Bishop puede decir qué hacer en inglés
09:04
and with simple gestures,
183
544832
1305
y con gestos simples,
09:06
kind of like talking to a dog,
184
546161
1447
como hablarle a un perro,
09:07
and then Bishop executes on those instructions
185
547632
2143
y luego Bishop ejecuta dichas instrucciones
09:09
with perfect precision.
186
549799
1892
con una precisión perfecta.
09:11
We're using the human for what the human is good at:
187
551715
2989
Usamos al humano para lo que es bueno:
09:14
awareness, perception and decision making.
188
554728
2333
conciencia, percepción y toma de decisiones.
09:17
And we're using the robot for what it's good at:
189
557085
2240
Y usamos al robot para lo que es bueno:
09:19
precision and repetitiveness.
190
559349
1748
precisión y repetición.
09:22
Here's another cool project that Bishop worked on.
191
562072
2367
Y otro buen proyecto en el que trabajó Bishop.
09:24
The goal of this project, which we called the HIVE,
192
564463
3075
El objetivo de este, al que denominamos HIVE,
09:27
was to prototype the experience of humans, computers and robots
193
567562
3851
fue experimentar con humanos, computadoras y robots
09:31
all working together to solve a highly complex design problem.
194
571437
3220
todos trabajando juntos para resolver un problema complejo de diseño.
09:35
The humans acted as labor.
195
575613
1451
Humanos como fuerza laboral.
09:37
They cruised around the construction site, they manipulated the bamboo --
196
577088
3473
Se movieron por la zona de construcción, manipulando el bambú,
09:40
which, by the way, because it's a non-isomorphic material,
197
580585
2756
el cual, al no ser un material isomorfo,
09:43
is super hard for robots to deal with.
198
583365
1874
es difícil de manipular por los robots.
09:45
But then the robots did this fiber winding,
199
585263
2022
Luego los robots hicieron un camino serpenteante
09:47
which was almost impossible for a human to do.
200
587309
2451
casi imposible de hacer para un humano.
09:49
And then we had an AI that was controlling everything.
201
589784
3621
Y luego teníamos una inteligencia artificial que controlaba todo.
09:53
It was telling the humans what to do, telling the robots what to do
202
593429
3290
Le decía a los humanos qué hacer, y a los robots qué hacer
09:56
and keeping track of thousands of individual components.
203
596743
2915
y llevaba registro de miles de componentes individuales.
09:59
What's interesting is,
204
599682
1180
Es interesante que,
10:00
building this pavilion was simply not possible
205
600886
3141
construir este pabellón era prácticamente imposible
10:04
without human, robot and AI augmenting each other.
206
604051
4524
sin humanos, robots e inteligencia artificial aumentándose entre sí.
10:09
OK, I'll share one more project. This one's a little bit crazy.
207
609710
3320
Les mostraré uno de mis proyectos. Es un poquito descabellado.
10:13
We're working with Amsterdam-based artist Joris Laarman and his team at MX3D
208
613054
4468
Trabajamos con un artista en Amsterdam, Joris Laarman y su equipo en MX3D,
10:17
to generatively design and robotically print
209
617546
2878
en un diseño generativo para imprimir con robots
10:20
the world's first autonomously manufactured bridge.
210
620448
2995
el primer puente creado de manera autónoma en el mundo.
10:24
So, Joris and an AI are designing this thing right now, as we speak,
211
624135
3685
Joris y una inteligencia artificial diseñan esto ahora, mientras hablamos,
10:27
in Amsterdam.
212
627844
1172
en Amsterdam.
10:29
And when they're done, we're going to hit "Go,"
213
629040
2321
Y cuando terminen, les daremos luz verde,
10:31
and robots will start 3D printing in stainless steel,
214
631385
3311
y los robots empezarán a imprimir en 3D el acero inoxidable,
10:34
and then they're going to keep printing, without human intervention,
215
634720
3283
y luego seguirán imprimiendo sin intervención humana,
10:38
until the bridge is finished.
216
638027
1558
hasta que el puente se termine.
10:40
So, as computers are going to augment our ability
217
640919
2928
Conforme las computadoras aumenten nuestra realidad
10:43
to imagine and design new stuff,
218
643871
2150
para imaginar y diseñar cosas nuevas,
10:46
robotic systems are going to help us build and make things
219
646045
2895
los sistemas robóticos nos ayudarán a crear cosas
10:48
that we've never been able to make before.
220
648964
2084
que nunca podríamos haber hecho antes.
10:52
But what about our ability to sense and control these things?
221
652167
4160
¿Y qué pasa con nuestra habilidad para sentir y controlar estas cosas?
10:56
What about a nervous system for the things that we make?
222
656351
4031
¿Y si usamos un sistema nervioso para controlar las cosas que hacemos?
11:00
Our nervous system, the human nervous system,
223
660406
2512
Nuestro sistema nervioso, el de los humanos,
11:02
tells us everything that's going on around us.
224
662942
2311
nos dice todo lo que pasa a nuestro alrededor.
11:06
But the nervous system of the things we make is rudimentary at best.
225
666006
3684
Pero el sistema nervioso de las cosas que creamos es rudimentario.
11:09
For instance, a car doesn't tell the city's public works department
226
669714
3563
Por ejemplo, un auto no le dice al departamento de obras públicas
11:13
that it just hit a pothole at the corner of Broadway and Morrison.
227
673301
3130
que acaba de pasar un bache en la esquina de Broadway y Morrison.
11:16
A building doesn't tell its designers
228
676455
2032
Un edificio no les dice a sus diseñadores
11:18
whether or not the people inside like being there,
229
678511
2684
si la gente que está dentro lo disfruta,
11:21
and the toy manufacturer doesn't know
230
681219
3010
y el fabricante de juguetes no sabe
11:24
if a toy is actually being played with --
231
684253
2007
si se juega con cierto juguete,
11:26
how and where and whether or not it's any fun.
232
686284
2539
cómo, dónde, y si es divertido o no.
11:29
Look, I'm sure that the designers imagined this lifestyle for Barbie
233
689440
3814
Miren, seguro que los diseñadores se imaginaron esta vida para la Barbie
11:33
when they designed her.
234
693278
1224
cuando la diseñaron.
11:34
(Laughter)
235
694526
1447
(Risas)
11:35
But what if it turns out that Barbie's actually really lonely?
236
695997
2906
¿Pero qué pasaría si en realidad la Barbie se siente muy sola?
11:38
(Laughter)
237
698927
3147
(Risas)
11:43
If the designers had known
238
703086
1288
Si los diseñadores supieran
11:44
what was really happening in the real world
239
704398
2107
qué pasa realmente en el mundo
11:46
with their designs -- the road, the building, Barbie --
240
706529
2583
con sus diseños: caminos, edificios, Barbies,
11:49
they could've used that knowledge to create an experience
241
709136
2694
podrían usar ese conocimiento para crear una experiencia
11:51
that was better for the user.
242
711854
1400
mejor para el usuario.
11:53
What's missing is a nervous system
243
713278
1791
Lo que falta es un sistema nervioso
11:55
connecting us to all of the things that we design, make and use.
244
715093
3709
que nos conecte a las cosas que diseñamos, creamos, y usamos.
11:59
What if all of you had that kind of information flowing to you
245
719735
3555
¿Qué pasaría si todos tuvieran ese tipo de información
12:03
from the things you create in the real world?
246
723314
2183
desde todas las cosas que creamos en el mundo?
12:07
With all of the stuff we make,
247
727252
1451
Con todo lo que hacemos,
12:08
we spend a tremendous amount of money and energy --
248
728727
2435
gastamos una cantidad inmensa de dinero y energías.
12:11
in fact, last year, about two trillion dollars --
249
731186
2376
De hecho, el último año, cerca de USD 2 billones
12:13
convincing people to buy the things we've made.
250
733586
2854
intentando que la gente compre lo que hacemos.
12:16
But if you had this connection to the things that you design and create
251
736464
3388
Pero si existiera esta conexión con las cosas que uno diseña y crea
12:19
after they're out in the real world,
252
739876
1727
después de que salen al mundo,
12:21
after they've been sold or launched or whatever,
253
741627
3614
después de vendidas, lanzadas o lo que sea,
12:25
we could actually change that,
254
745265
1620
podríamos en verdad cambiarlo,
12:26
and go from making people want our stuff,
255
746909
3047
e ir desde hacer que la gente quiera nuestras cosas,
12:29
to just making stuff that people want in the first place.
256
749980
3434
a hacer cosas que la gente quiere en primer lugar.
12:33
The good news is, we're working on digital nervous systems
257
753438
2787
La buena noticia es que trabajamos en sistemas nerviosos
12:36
that connect us to the things we design.
258
756249
2801
que nos conectan con lo que creamos.
12:40
We're working on one project
259
760185
1627
Estamos trabajando en un proyecto
12:41
with a couple of guys down in Los Angeles called the Bandito Brothers
260
761836
3712
con un par de personas en Los Ángeles llamados los Bandito Brothers
12:45
and their team.
261
765572
1407
y su equipo.
12:47
And one of the things these guys do is build insane cars
262
767003
3433
Y una de las cosas que hacen es crear autos delirantes
12:50
that do absolutely insane things.
263
770460
2873
que hacen cosas absolutamente delirantes.
12:54
These guys are crazy --
264
774725
1450
Estas personas están locas,
12:56
(Laughter)
265
776199
1036
(Risas)
12:57
in the best way.
266
777259
1403
de la mejor manera.
13:00
And what we're doing with them
267
780813
1763
Y lo que estamos haciendo juntos
13:02
is taking a traditional race-car chassis
268
782600
2440
es tomar el chasis tradicional de un auto
13:05
and giving it a nervous system.
269
785064
1585
y darle un sistema nervioso.
13:06
So we instrumented it with dozens of sensors,
270
786673
3058
Lo equipamos con decenas de sensores,
13:09
put a world-class driver behind the wheel,
271
789755
2635
pusimos un piloto de primer nivel al volante,
13:12
took it out to the desert and drove the hell out of it for a week.
272
792414
3357
lo llevamos al desierto, y lo manejó al máximo durante una semana.
13:15
And the car's nervous system captured everything
273
795795
2491
Y el sistema nervioso del auto capturó todo
13:18
that was happening to the car.
274
798310
1482
lo que pasaba en el auto.
13:19
We captured four billion data points;
275
799816
2621
Capturamos 4000 millones de datos,
13:22
all of the forces that it was subjected to.
276
802461
2310
todas las fuerzas a la que era sometido.
13:24
And then we did something crazy.
277
804795
1659
Y luego construimos algo alocado.
13:27
We took all of that data,
278
807088
1500
Tomamos esos datos y los pusimos
13:28
and plugged it into a generative-design AI we call "Dreamcatcher."
279
808612
3736
en una inteligencia artificial de diseño generativo que llamamos "Dreamcatcher".
13:33
So what do get when you give a design tool a nervous system,
280
813090
3964
¿Y qué obtienes cuando les das un sistema nervioso a una herramienta de diseño
13:37
and you ask it to build you the ultimate car chassis?
281
817078
2882
y le pides que te construya lo último en chasis de autos?
13:40
You get this.
282
820543
1973
Obtienes esto.
13:44
This is something that a human could never have designed.
283
824113
3713
Estos es algo que un humano nunca podría haber diseñado.
13:48
Except a human did design this,
284
828527
1888
Pero esto lo diseñó un humano,
13:50
but it was a human that was augmented by a generative-design AI,
285
830439
4309
un humano aumentado por una inteligencia de diseño generativo,
13:54
a digital nervous system
286
834772
1231
un sistema nervioso digital
13:56
and robots that can actually fabricate something like this.
287
836027
3005
y robots que realmente pueden fabricar algo así.
13:59
So if this is the future, the Augmented Age,
288
839500
3595
Si este es el futuro, la era aumentada,
14:03
and we're going to be augmented cognitively, physically and perceptually,
289
843119
4261
y aumentaremos nuestro nivel cognitivo, físico y perceptivo,
14:07
what will that look like?
290
847404
1408
¿a qué se parecerá?
14:09
What is this wonderland going to be like?
291
849396
3321
¿A qué se parecerá este país de las maravillas?
14:12
I think we're going to see a world
292
852741
1709
Creo que veremos un mundo
14:14
where we're moving from things that are fabricated
293
854474
3068
donde iremos de cosas que se fabrican
14:17
to things that are farmed.
294
857566
1445
a cosas que se cultivan.
14:19
Where we're moving from things that are constructed
295
859979
3453
De cosas que se construyen
14:23
to that which is grown.
296
863456
1704
a cosas que se cultivan.
14:25
We're going to move from being isolated
297
865954
2188
Iremos de estar aislados
14:28
to being connected.
298
868166
1610
a estar conectados.
14:30
And we'll move away from extraction
299
870454
2411
Iremos de la extracción
14:32
to embrace aggregation.
300
872889
1873
a adoptar la agregación.
14:35
I also think we'll shift from craving obedience from our things
301
875787
3767
Y también creo que pasaremos de ansiar la obediencia de nuestras cosas
14:39
to valuing autonomy.
302
879578
1641
a valorar su autonomía.
14:42
Thanks to our augmented capabilities,
303
882330
1905
Gracias a las capacidades aumentadas
14:44
our world is going to change dramatically.
304
884259
2377
nuestro mundo sufrirá un cambio drástico.
14:47
We're going to have a world with more variety, more connectedness,
305
887396
3246
Tendremos un mundo con más variedad, más conectividad,
14:50
more dynamism, more complexity,
306
890666
2287
más dinamismo, más complejidad,
14:52
more adaptability and, of course,
307
892977
2318
más adaptabilidad y, por supuesto,
14:55
more beauty.
308
895319
1217
más belleza.
14:57
The shape of things to come
309
897051
1564
La formas de las cosas por venir
14:58
will be unlike anything we've ever seen before.
310
898639
2290
será algo que jamás hemos visto antes.
15:00
Why?
311
900953
1159
¿Por qué?
15:02
Because what will be shaping those things is this new partnership
312
902136
3755
Porque nuestra nueva asociación le dará forma a estas cosas
15:05
between technology, nature and humanity.
313
905915
3670
entre tecnología, naturaleza y humanidad.
15:11
That, to me, is a future well worth looking forward to.
314
911099
3804
Eso, para mí, es un futuro que vale la pena anhelar.
15:14
Thank you all so much.
315
914927
1271
Muchas gracias a todos.
15:16
(Applause)
316
916222
5669
(Aplausos)
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7