Jennifer Healey: If cars could talk, accidents might be avoidable

جنيفر هيلى: اگر ماشين‌‌ها مى‌‌توانستند صحبت كنند، تصادفات ممكن بود اجتناب‌‌پذير شوند

48,736 views

2013-04-25 ・ TED


New videos

Jennifer Healey: If cars could talk, accidents might be avoidable

جنيفر هيلى: اگر ماشين‌‌ها مى‌‌توانستند صحبت كنند، تصادفات ممكن بود اجتناب‌‌پذير شوند

48,736 views ・ 2013-04-25

TED


لطفا برای پخش فیلم روی زیرنویس انگلیسی زیر دوبار کلیک کنید.

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Translator: Leila Ataei Reviewer: soheila Jafari
00:12
Let's face it:
1
12703
1914
بیایید اين واقعيت را بپذيريم كه
00:14
Driving is dangerous.
2
14617
2445
رانندگی كردن خطرناك است.
اين يكى از آن چيزهايى است كه دوست نداریم درباره‌اش فکر کنیم
00:17
It's one of the things that we don't like to think about,
3
17062
3098
00:20
but the fact that religious icons and good luck charms
4
20160
3652
اما وجود تمثال‌‌هاى مذهبى و نمادهاى خوش‌یمنى
00:23
show up on dashboards around the world
5
23812
4790
که در سراسر جهان روی داشبوردها دیده مى‌‌شوند
افشاگر اين واقعيت است که ما مى‌‌دانيم اين موضوع راست است.
00:28
betrays the fact that we know this to be true.
6
28602
4137
تصادفات رانندگى دليل اصلى مرگ و مير
00:32
Car accidents are the leading cause of death
7
32739
3594
در آدمهاى بين ١٩-١٦ سال در آمريكاست--
00:36
in people ages 16 to 19 in the United States --
8
36333
4170
دليل اصلى مرگ و مير--
00:40
leading cause of death --
9
40503
2843
و ٧٥درصد اين تصادفات هيچ ربطى
00:43
and 75 percent of these accidents have nothing to do
10
43346
3863
به الكل يا مواد ندارند.
00:47
with drugs or alcohol.
11
47209
2285
پس چه اتفاقى مى‌‌افتد؟
00:49
So what happens?
12
49494
2261
هيچكس با اطمينان در اين باره صحبت نمى‌‌كند، اما من اولين تصادفم را بخاطر مى‌‌آورم.
00:51
No one can say for sure, but I remember my first accident.
13
51755
4219
00:55
I was a young driver out on the highway,
14
55974
3803
راننده جوانى بودم كه در بزرگراه رانندگى مى‌‌كرد،
00:59
and the car in front of me, I saw the brake lights go on.
15
59777
2258
و ماشينى جلويم بود، ديدم چراغهاى ترمزش روشن شد.
01:02
I'm like, "Okay, all right, this guy is slowing down,
16
62035
1800
با خودم فكر كردم،" خوب، اشكالى نداره، حتمن اين يارو مى‌‌خواد يواش كنه،
01:03
I'll slow down too."
17
63835
1282
01:05
I step on the brake.
18
65117
1926
پس من بايد يواش كنم."
01:07
But no, this guy isn't slowing down.
19
67043
2254
اما نه، اين يارو قرار نيست يواش كند.
پا روى ترمز مى‌‌گذارم.
01:09
This guy is stopping, dead stop, dead stop on the highway.
20
69297
3178
اين يارو نگه مى‌‌داره، ایست کامل، وسط بزرگراه ایست کامل مى‌‌کنه.
01:12
It was just going 65 -- to zero?
21
72475
2540
از 65 تاسرعتی که داشت یکهويى به صفر رسيد؟
01:15
I slammed on the brakes.
22
75015
1520
روی ترمز زدم.
01:16
I felt the ABS kick in, and the car is still going,
23
76535
3059
لگد زدن ‌ای بی‌اس را حس کردم، ماشین همچنان داشت حرکت می‌ٰکرد،
01:19
and it's not going to stop, and I know it's not going to stop,
24
79594
2696
و نمی‌ایستاد، و می‌دونم که نمی‌خواست توقف کنه،
01:22
and the air bag deploys, the car is totaled,
25
82290
2939
و کیسه هوا باز شد، ماشین مچاله شد،
01:25
and fortunately, no one was hurt.
26
85229
3557
و خوشبختانه كسى آسيب نديد.
01:28
But I had no idea that car was stopping,
27
88786
4211
اما من ايده‌‌اى نداشتم كه آن ماشين داشت توقف مى‌‌كرد،
01:32
and I think we can do a lot better than that.
28
92997
3645
و فكر مى‌‌كنم كه ما مى‌‌تونيم عملكردى خيلى بهتر از آن را داشته باشيم.
01:36
I think we can transform the driving experience
29
96642
4145
فكر مى‌‌كنم ما قادر به انتقال تجربه رانندگى باشيم
01:40
by letting our cars talk to each other.
30
100787
3879
از اين طريق كه بگذاريم ماشين‌‌ها با هم صحبت كنند.
01:44
I just want you to think a little bit
31
104666
1424
فقط مى‌‌خوام شما الان كمى درباره اينكه
01:46
about what the experience of driving is like now.
32
106090
2888
تجربه‌ رانندگى چيست، فكر كنيد.
01:48
Get into your car. Close the door. You're in a glass bubble.
33
108978
4028
سوار ماشين‌‌تون مى‌‌شين. در را مى‌‌بنديد. توى يك حباب شيشه‌‌اى قرار داريد.
01:53
You can't really directly sense the world around you.
34
113006
2916
01:55
You're in this extended body.
35
115922
2181
واقعاً نمى‌‌تونيد بطور مستقيم جهانى كه پيرامونتون هست را حس كنيد.
01:58
You're tasked with navigating it down
36
118103
2163
در اين بدنه گسترش يافته هستيد.
02:00
partially-seen roadways,
37
120266
2056
شما وظيفه هدايت كردن آن را در مسيرهاى جاده‌‌اى داريد
02:02
in and amongst other metal giants, at super-human speeds.
38
122322
4424
كه ديد نصفه و نيمه است،
در ميان غولهاى فلزى ديگر، با سرعت‌‌هاى ابر انسانى.
02:06
Okay? And all you have to guide you are your two eyes.
39
126746
4480
درسته؟ و همه آنچه كه شما بايد هدايت كنيد چشماتون هستند.
02:11
Okay, so that's all you have,
40
131226
1762
بسيار خوب، پس همه آن چيزى كه داريد،
02:12
eyes that weren't really designed for this task,
41
132988
1735
02:14
but then people ask you to do things like,
42
134723
3751
چشمانى هستند كه واقعاً براى اين وظيفه ساخته نشده‌‌اند
اما خوب مردم از شما مى‌‌خواهند كه كارهايى مثل اين انجام دهيد،
02:18
you want to make a lane change,
43
138474
1549
مى‌‌خواين تغيير مسير بدين،
02:20
what's the first thing they ask you do?
44
140023
2321
02:22
Take your eyes off the road. That's right.
45
142344
3095
اولين چيزى كه از شما خواسته مى‌‌شه انجام بدين چيه؟
چشمهاتون رو از جاده برداريد. درست است.
02:25
Stop looking where you're going, turn,
46
145439
2096
دست از نگاه كردن بجايى كه مى‌رويد برداشته و بپيچيد‌‌،
02:27
check your blind spot,
47
147535
2018
02:29
and drive down the road without looking where you're going.
48
149553
3471
نقطه كورتون را بررسى كنيد‌‌،
و بدون نگاه كردن به جايى كه مى‌‌رويد رانندگى كنيد.
02:33
You and everyone else. This is the safe way to drive.
49
153024
3135
براى شما و هر كس ديگرى، اين بهترين روش براى رانندگى كردن است.
02:36
Why do we do this? Because we have to,
50
156159
2241
02:38
we have to make a choice, do I look here or do I look here?
51
158400
2579
چرا اين كار را مى‌‌كنيم؟ چون مجبوريم،
02:40
What's more important?
52
160979
1521
مجبوريم به انتخاب كردن، اين كه اينجا رو نگاه كنم يا اونجا رو؟
02:42
And usually we do a fantastic job
53
162500
2711
چى مهم‌‌تره؟
02:45
picking and choosing what we attend to on the road.
54
165211
3769
و معمولاً با تعيين و انتخاب اين كه حواسمون را در
جاده معطوف چه چيزى كنيم، كار فوق‌‌العاده‌‌اى را انجام مى‌‌دهيم.
02:48
But occasionally we miss something.
55
168980
3650
اما گهگاه متوجه چيزى نمى‌‌شيم.
02:52
Occasionally we sense something wrong or too late.
56
172630
4461
گهگاه حس مى‌‌كنيم جيزى اشتباه يا غلط است.
در تصادف‌‌هاى بى‌‌شمارى، راننده مى‌‌گويد،
02:57
In countless accidents, the driver says,
57
177091
1988
"نديدم كه داشت ميآمد."
02:59
"I didn't see it coming."
58
179079
2308
و من حرفشون را باور مى‌‌كنم. باور مى‌كنم.
03:01
And I believe that. I believe that.
59
181387
3281
ما تنهامى‌‌تونيم زياد تماشا كنيم.
03:04
We can only watch so much.
60
184668
2925
اما فناورى موجود در حال حاضر مى‌‌‌‌تواند به ما در بهبود آن كمك كند.
03:07
But the technology exists now that can help us improve that.
61
187593
5144
در آينده، با ماشين‌‌هايى كه با يكديگر داده رد و بدل مى‌‌كنند،
03:12
In the future, with cars exchanging data with each other,
62
192737
4296
ما نه تنها قادر به ديدن سه تا ماشين جلوتر و
03:17
we will be able to see not just three cars ahead
63
197033
3928
سه تا ماشين عقب‌‌تر و همين‌‌طور در چپ و راست خودمون
03:20
and three cars behind, to the right and left,
64
200961
1594
03:22
all at the same time, bird's eye view,
65
202555
3166
بطور هم زمان خواهيم بود و ديد چشم يك پرنده را خواهيم داشت،
03:25
we will actually be able to see into those cars.
66
205721
3128
بلكه در واقع قادر به ديدن آن ماشين‌‌ها خواهيم شد.
03:28
We will be able to see the velocity of the car in front of us,
67
208849
2371
خواهيم توانست سرعت ماشين جلويى‌‌مون رو ببينيم‌،
03:31
to see how fast that guy's going or stopping.
68
211220
3240
اين كه اون يارو با چه سرعتى حركت خواهد كرد يا متوقف خواهد شد.
03:34
If that guy's going down to zero, I'll know.
69
214460
4510
اگر اون يارو بخواهد سرعتش را صفر كند، من با خبر ميشم.
03:38
And with computation and algorithms and predictive models,
70
218970
3859
و به كمك الگوريتم‌‌ها و محاسبات كامپيوترى و الگوهاى پيشگويانه
03:42
we will be able to see the future.
71
222829
3273
قادر خواهيم بود آينده را ببينيم.
03:46
You may think that's impossible.
72
226102
1556
شايد فكر كنيد، غيرممكن باشه.
03:47
How can you predict the future? That's really hard.
73
227658
2731
چطور مى‌‌تونيد آينده را پيش‌‌گويى كنيد؟ واقعاً دشواره.
03:50
Actually, no. With cars, it's not impossible.
74
230389
3619
درواقع، اينطور نيست. با ماشين‌‌ها، كار غيرممكنى نيست.
03:54
Cars are three-dimensional objects
75
234008
2732
ماشين‌‌ها اشياء سه بعدى هستند
03:56
that have a fixed position and velocity.
76
236740
2332
كه موقعيت و سرعت ثابتى دارند.
03:59
They travel down roads.
77
239072
1631
در طول جاده‌‌ها سفر مى‌‌كنند.
04:00
Often they travel on pre-published routes.
78
240703
2412
اغلب در مسيرهاى از قبل چاپ شده بر روى نقشه سفر مى‌‌كنند.
04:03
It's really not that hard to make reasonable predictions
79
243115
3938
واقعاً اونقدر سخت نيست درباره اينكه يك ماشين در آينده نزديك كجا
04:07
about where a car's going to be in the near future.
80
247053
2864
04:09
Even if, when you're in your car
81
249917
2002
خواهد بود، پيشگويهاى منطقى كنيم.
04:11
and some motorcyclist comes -- bshoom! --
82
251919
1994
حتى اگر، وقتى ماشين‌‌تون هستيد
04:13
85 miles an hour down, lane-splitting --
83
253913
2296
و يك موتور سيكلت با سرعت ٨٥ مايل در ساعت
مى‌‌رسه و بين صفوف ماشين‌‌ها به حركتش ادامه مى‌‌ده--
04:16
I know you've had this experience --
84
256209
2547
مى‌‌دونم كه اين تجربه را داشته‌‌ايد--
04:18
that guy didn't "just come out of nowhere."
85
258756
2603
اون يارو يكهو از ناكجا آباد پيدايش نشد.--
04:21
That guy's been on the road probably for the last half hour.
86
261359
3643
اون يارو شايد نيم ساعت گذشته رو در آن جاده بوده است.
04:25
(Laughter)
87
265002
1190
(خنده)
04:26
Right? I mean, somebody's seen him.
88
266192
3589
اينطور نيست؟ منظورم اينه كه كسى او را ديده.
04:29
Ten, 20, 30 miles back, someone's seen that guy,
89
269781
2768
١٠، ٢٠، ٣٠ مايل عقب‌‌تر، كسى اين آدم را ديده است،
04:32
and as soon as one car sees that guy
90
272549
2384
و به محضى اين كه ماشينى فرد دیگری را ببيند
04:34
and puts him on the map, he's on the map --
91
274933
2231
و روى نقشه بگذاردش، اطلاعاتش روى نقشه‌‌ست--
04:37
position, velocity,
92
277164
2176
04:39
good estimate he'll continue going 85 miles an hour.
93
279340
2321
موقعيت، سرعت،
04:41
You'll know, because your car will know, because
94
281661
2184
با يك برآورد خوب، او با سرعت ٨٥ مايل در ساعت به رفتن ادامه خواهد داد.
04:43
that other car will have whispered something in his ear,
95
283845
2275
شما اينها رو خواهيد دانست، جون ماشين‌‌تون خواهد دانست، زيرا
آن يكى ماشين چيزيى مثل اين رو توى گوش ماشين شما
04:46
like, "By the way, five minutes,
96
286120
1923
پچ پچ كرده،" راستى براى پنج دقيقه
04:48
motorcyclist, watch out."
97
288043
2775
حواست به اون موتورسيكلت باشه. "
04:50
You can make reasonable predictions about how cars behave.
98
290818
2703
مى‌‌تونيد پيشگويى‌‌هاى منطقى درباره نحوه رفتار ماشين‌‌ها انجام دهيد.
04:53
I mean, they're Newtonian objects.
99
293521
1365
04:54
That's very nice about them.
100
294886
2909
منظورم اين است كه، اونها اشياء نيوتونى هستند.
اين نكته‌ در ارتباط با اونها بسيار خوبه.
04:57
So how do we get there?
101
297795
3034
خوب چطور مى‌‌تونيم به اونجا برسيم؟
05:00
We can start with something as simple
102
300829
2266
با يك چيز ساده مثل به اشتراك گذاشتن داده‌‌هاى موقعيت‌يمان
05:03
as sharing our position data between cars,
103
303095
2870
بين ماشين‌‌ها، تنها از طريق به اشتراك گذاشتن
05:05
just sharing GPS.
104
305965
1892
05:07
If I have a GPS and a camera in my car,
105
307857
2444
جى‌‌پى‌‌اس‌‌ها شروع كنيم.
من يك جى‌‌پى‌‌اس و دوربين توى ماشينم دارم.‌‌
05:10
I have a pretty precise idea of where I am
106
310301
2231
ايده تقريباً دقيقى از جايى كه درش هستم
05:12
and how fast I'm going.
107
312532
1732
05:14
With computer vision, I can estimate where
108
314264
1657
و با سرعتى كه در حال حركتم، دارم.
05:15
the cars around me are, sort of, and where they're going.
109
315921
3537
با ديدى كامپيوترى، مى‌‌تونم برآورد كنم ماشين‌‌هاى اطرافم
كجا هستند، و يك جورهايى هم بگويم كجا مى‌‌روند.
05:19
And same with the other cars.
110
319458
970
05:20
They can have a precise idea of where they are,
111
320428
1814
و در رابطه با ساير ماشينهاى‌‌ هم همينطور است.
05:22
and sort of a vague idea of where the other cars are.
112
322242
2146
مى‌‌تونند ايده دقيقى از جاييكه هستند، داشته باشند،
05:24
What happens if two cars share that data,
113
324388
3231
همراه با اين ايده مبهم از جاييكه ساير ماشين‌‌ها قرار دارند.
چطور مى‌‌شود اگر ماشين‌‌ها آن داده‌‌ها را به اشتراك بگذارند،
05:27
if they talk to each other?
114
327619
1955
05:29
I can tell you exactly what happens.
115
329574
2778
اگر با يكديگر حرف بزنند؟
مى‌‌تونم به شما بگم كه دقيقاً چه اتفاقى مى‌‌افتد.
05:32
Both models improve.
116
332352
2339
05:34
Everybody wins.
117
334691
2055
هر دوى الگوها اصلاح مى‌‌شوند.
05:36
Professor Bob Wang and his team
118
336746
2577
همه برنده‌‌اند.
پروفسور باب ونگ و تيم‌‌اش
05:39
have done computer simulations of what happens
119
339323
2738
به شبيه‌‌سازيهاى كامپيوترى اتفاقاتى پرداخته‌اند كه
05:42
when fuzzy estimates combine, even in light traffic,
120
342061
3431
با استنتاج به برآورد فازى حتى در ترافيك سبك رخ مى‌‌دهند،
05:45
when cars just share GPS data,
121
345492
2624
وقت كه ماشين‌‌ها فقط داده‌‌هاى جى‌‌پى‌‌اس را به اشتراك مى‌‌گذارند،
05:48
and we've moved this research out of the computer simulation
122
348116
2513
05:50
and into robot test beds that have the actual sensors
123
350629
3027
و ما اين تحقيق را به بيرون از شبيه ساز كامپيوترى منتقل كرده‌‌ايم
05:53
that are in cars now on these robots:
124
353656
3133
و در بسترهاى روباتى آزمايشى قرار داده‌‌ايم كه حسگرهاى واقعى دارند
05:56
stereo cameras, GPS,
125
356789
1838
و هم اكنون روى اين روباتها توى ماشين‌‌ها هستند:
05:58
and the two-dimensional laser range finders
126
358627
1874
06:00
that are common in backup systems.
127
360501
2240
دوربين‌‌هاى استريو، جى‌‌پى‌‌اس،
و يابنده‌‌هايى دو بعدى با برُد ليزرى
06:02
We also attach a discrete short-range communication radio,
128
362741
4484
كه در سيستم‌‌هاى پشتيبانى مرسوم هستند.
ما همچنين يك راديو ارتباطى را وصل مى‌‌كنيم كه بُرد كوتاه مشخصى دارد،
06:07
and the robots talk to each other.
129
367225
1909
06:09
When these robots come at each other,
130
369134
1539
و روباتها با هم صحبت مى‌‌كنند.
وقتى اين روباتها به همديگر مى‌‌رسند،
06:10
they track each other's position precisely,
131
370673
2971
موقعيت يكديگر را با دقت رديابى مى‌‌كنند،
06:13
and they can avoid each other.
132
373644
2737
و مى‌‌توانند از يگديگر اجتناب كنند.
06:16
We're now adding more and more robots into the mix,
133
376381
3226
ما اكنون مشغول افزودن روباتهاى بيشتر و بيشترى به اين تركيب هستيم،
06:19
and we encountered some problems.
134
379607
1471
06:21
One of the problems, when you get too much chatter,
135
381078
2359
06:23
it's hard to process all the packets, so you have to prioritize,
136
383437
3728
با برخى مشكلاتى مواجه مى‌‌شويم.
زمانى كه پچ‌‌پچ زياده از حد مى‌‌شوند، مشكلى كه داريد اين است كه
06:27
and that's where the predictive model helps you.
137
387165
2357
پردازش كردن كليه بسته‌‌هاى اطلاعاتى دشوارست، پس بايد اونها رو الويت بندى كنيد،
06:29
If your robot cars are all tracking the predicted trajectories,
138
389522
4372
و آنجايست كه الگوى پيشگويانه كمك مى‌كند.
اگر روبات ماشينهاى شما مدام مشغول رديابى گذرگاههاى پيش‌‌گويى شده باشند،
06:33
you don't pay as much attention to those packets.
139
393894
1767
06:35
You prioritize the one guy
140
395661
1703
توجه چندانى به آن بسته‌‌هاى اطلاعاتى نخواهيد كرد.
06:37
who seems to be going a little off course.
141
397364
1333
شما ياروى را الويت بندى مى‌‌كنيد
06:38
That guy could be a problem.
142
398697
2526
كه به نظر كمى خارج از مسير حركت مى‌‌كند.
آن يارو مى‌‌تونه مشكل‌‌ساز بشه.
06:41
And you can predict the new trajectory.
143
401223
3002
و شما مى‌‌‌‌توانيد گذرگاه تازه‌‌اى را پيش بينى كنيد.
06:44
So you don't only know that he's going off course, you know how.
144
404225
2763
06:46
And you know which drivers you need to alert to get out of the way.
145
406988
3725
پس نه فقط با خبر مى‌‌شين از اينكه او خارج از مسير حركت مى‌‌كنه، همچنين مى‌‌فهميد كه چطورى.
06:50
And we wanted to do -- how can we best alert everyone?
146
410713
2633
06:53
How can these cars whisper, "You need to get out of the way?"
147
413346
3183
و شما مى‌‌دونيد به كدام راننده‌‌ها بايد هشدار بدين كه از سر راه خارج شن.
و ما خواستيم اين كار رو انجام بديم-- چطور مى‌‌تونيم به بهترين نحو به يكديگر هشدار دهيم؟
06:56
Well, it depends on two things:
148
416529
1517
06:58
one, the ability of the car,
149
418046
2169
چطور ماشين‌‌ها مى‌‌تونند پچ پچ كنند كه:" بايد از سر راه خارج شى؟"
خوب، به دو چيز بستگى داره:
07:00
and second the ability of the driver.
150
420215
3217
يك، توانايى ماشين،
و دوم توانايى راننده.
اگر طرف ماشین خیلی خوبی داشته باشه،
07:03
If one guy has a really great car,
151
423432
1505
07:04
but they're on their phone or, you know, doing something,
152
424937
2925
اما با تلفنش مشغول باشه یا بدونید که کار دیگری انجام می‌ده،
07:07
they're not probably in the best position
153
427862
1930
07:09
to react in an emergency.
154
429792
2970
و احتمالا در بهترین وضعیت قرار نداره
07:12
So we started a separate line of research
155
432762
1665
تا در مواقع اضطراری واکنش نشان بده.
پس خط جدیدی از تحقیقات را شروع کردیم
07:14
doing driver state modeling.
156
434427
2551
که حالت راننده را طرح ریزی می‌کرد.
07:16
And now, using a series of three cameras,
157
436978
2329
و حالا، با استفاده کردن از سه سری دوربین،
07:19
we can detect if a driver is looking forward,
158
439307
2270
07:21
looking away, looking down, on the phone,
159
441577
2860
اگر بتونیم کشف کنیم آیا راننده جلویش را نگاه می‌کنه
07:24
or having a cup of coffee.
160
444437
3061
بغلش را نگاه می‌کنه، پایین را می‌بینه، با تلفن صحبت می‌کنه،
یا اینکه یک فنجون قهوه میخوره.
07:27
We can predict the accident
161
447498
2070
ما قادر به پیش‌بینی کردن تصادف هستیم
07:29
and we can predict who, which cars,
162
449568
3651
و می‌توانیم پیش‌بینی کنیم چه کسی، کدام ماشین‌ها
07:33
are in the best position to move out of the way
163
453219
3486
در بهترین وضعیت برای خارج شدن از مسیر قرار دارند تا
07:36
to calculate the safest route for everyone.
164
456705
3009
ایمن‌ترین راه برای همه محاسبه شود.
07:39
Fundamentally, these technologies exist today.
165
459714
4635
اساساً، این فناوریها امروزه وجود دارند.
07:44
I think the biggest problem that we face
166
464349
2824
فکر می‌کنم بزرگترین مشکلى که ما با آن روبرویم
07:47
is our own willingness to share our data.
167
467173
3013
تمایل ما در به اشتراک گذاشتن داده‌هایمان باشه
07:50
I think it's a very disconcerting notion,
168
470186
2631
فکر می‌کنم اين كار تصوری بسیار مشوش باشه،
07:52
this idea that our cars will be watching us,
169
472817
2386
07:55
talking about us to other cars,
170
475203
3371
این ایده که ماشین‌هامون ما رو تماشا می‌کنند،
درباره ما با سایر ماشین‌ها صحبت می‌کنند،
07:58
that we'll be going down the road in a sea of gossip.
171
478574
3427
این که ما در دریایی از غیبت غرق خواهیم شد.
08:02
But I believe it can be done in a way that protects our privacy,
172
482001
3897
اما به اعتقاد من این کار می‌تونه به طریقی انجام شود که حریم خصوصی‌مان را حفظ کنه،
08:05
just like right now, when I look at your car from the outside,
173
485898
3741
درست مثل همین حالا، وقتی به ماشین شما از بیرون نگاه می‌کنم،
08:09
I don't really know about you.
174
489639
2363
واقعاً چیزی درباره شما نمی‌دونم.
08:12
If I look at your license plate number,
175
492002
1137
08:13
I don't really know who you are.
176
493139
1886
اگر به شماره پلاکتون نگاه کنم،
واقعا نمی‌دونم شما کی هستید.
08:15
I believe our cars can talk about us behind our backs.
177
495025
4249
معتقدم ماشین‌هامون می‌توانند درباره ما پشت سرمون حرف بزنند.
08:19
(Laughter)
178
499274
2975
(خنده)
08:22
And I think it's going to be a great thing.
179
502249
3185
و فکر می‌کنم چیز فوق‌العاده‌ای بشه.
می‌خوام برای یک لحظه تصور کنید
08:25
I want you to consider for a moment
180
505434
1650
08:27
if you really don't want the distracted teenager behind you
181
507084
4118
آیا واقعاً نمی‌خواین نوجوان حواس‌‌پرت پشت سری‌تون
08:31
to know that you're braking,
182
511202
2120
بدونه که دارین ترمز می‌گیرین،
08:33
that you're coming to a dead stop.
183
513322
2924
که می‌خواين ایست کامل کنید.
08:36
By sharing our data willingly,
184
516246
2741
با به اشتراك گذاشتن خود خواسته داده‌‌هايمان
08:38
we can do what's best for everyone.
185
518987
2812
مى‌‌توانيم كارى را انجام دهيم كه براى همه بهترين است.
08:41
So let your car gossip about you.
186
521799
3076
پس بذارين ماشين‌‌تون درباره شما غيبت كند.
08:44
It's going to make the roads a lot safer.
187
524875
3038
باعث خواهد شد كه جاده‌‌ها خيلى امن‌‌تر بشن.
08:47
Thank you.
188
527913
1791
متشکرم
08:49
(Applause)
189
529704
4985
(تشويق)
درباره این وب سایت

این سایت ویدیوهای یوتیوب را به شما معرفی می کند که برای یادگیری زبان انگلیسی مفید هستند. دروس انگلیسی را خواهید دید که توسط معلمان درجه یک از سراسر جهان تدریس می شود. روی زیرنویس انگلیسی نمایش داده شده در هر صفحه ویدیو دوبار کلیک کنید تا ویدیو از آنجا پخش شود. زیرنویس‌ها با پخش ویدیو همگام می‌شوند. اگر نظر یا درخواستی دارید، لطفا با استفاده از این فرم تماس با ما تماس بگیرید.

https://forms.gle/WvT1wiN1qDtmnspy7