Chris Gerdes: The future race car -- 150mph, and no driver

63,313 views ・ 2012-07-11

TED


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

00:00
Translator: Morton Bast Reviewer: Thu-Huong Ha
0
0
7000
Translator: Masood Mousavi Reviewer: Leila Ataei
00:15
So, how many of you have ever
1
15766
1407
خوب، چند نفر از شما تا حالا
00:17
gotten behind the wheel of a car
2
17173
1655
پشت فرمان ماشین نشسته‌اید
00:18
when you really shouldn't have been driving?
3
18828
5687
آن‌هم زمانی که نباید رانندگی می‌کردید؟
00:24
Maybe you're out on the road for a long day,
4
24515
1905
شاید مدتی طولانی رانندگی کرده‌اید،
00:26
and you just wanted to get home.
5
26420
1490
و فقط می‌خواهید تا خانه بروید.
00:27
You were tired, but you felt you could drive a few more miles.
6
27910
2647
با وجود خستگی حس کردید می‌توانید چند کیلومتر دیگر برانید.
00:30
Maybe you thought,
7
30557
1199
شاید فکر کردید
00:31
I've had less to drink than everybody else,
8
31756
2017
خب من کمتر از بقیه مشروب خورده‌ام،
00:33
I should be the one to go home.
9
33773
1736
و منم که باید به خانه بروم.
00:35
Or maybe your mind was just entirely elsewhere.
10
35509
4591
یا شاید فقط فکرتان جای دیگری بوده.
00:40
Does this sound familiar to you?
11
40100
1454
این موقعیت برایتان آشنا نیست؟
00:41
Now, in those situations, wouldn't it be great
12
41554
2898
خوب در چنین شرایطی، عالی نمی‌شد
00:44
if there was a button on your dashboard
13
44452
1593
اگر دکمه‌ای روی داشبورد بود
00:46
that you could push, and the car would get you home safely?
14
46045
6343
تا آن را فشار دهید و ماشین شما را به سلامت به خانه برساند؟
00:52
Now, that's been the promise of the self-driving car,
15
52388
2293
و حالا، با نوید ماشین خود- راننده،
00:54
the autonomous vehicle, and it's been the dream
16
54681
2627
همان وسیله نقلیه‌ای خودکار که رؤیای ما بوده است
00:57
since at least 1939, when General Motors showcased
17
57308
3249
حداقل از سال ۱۹۳۹، که شرکت جنرال موتور
01:00
this idea at their Futurama booth at the World's Fair.
18
60557
3302
این ایده را در نمایشگاه جهانی به تصویر کشید.
01:03
Now, it's been one of those dreams
19
63859
1943
و حالا، این یکی از همان رؤیاها است
01:05
that's always seemed about 20 years in the future.
20
65802
4214
همیشه منتظر ۲۰ سال آینده بودیم،
01:10
Now, two weeks ago, that dream took a step forward,
21
70016
2683
و حالا، دو هفته پیش، این رؤیا قدمی به جلو برداشت،
01:12
when the state of Nevada granted Google's self-driving car
22
72699
3265
وقتی‌که ایالت نوادا، ماشین خود-راننده گوگل را تأیید کرد
01:15
the very first license for an autonomous vehicle,
23
75964
3600
اولین گواهی برای وسیله نقلیه خودکار
01:19
clearly establishing that it's legal for them
24
79564
2245
که قانونی بودن آزمایش آن را
01:21
to test it on the roads in Nevada.
25
81809
1810
در جاده‌های نوادا تائید می‌کند.
01:23
Now, California's considering similar legislation,
26
83619
3727
حالا کالیفرنیا هم به دنبال قانون‌گذاری مشابهی است،
01:27
and this would make sure that the autonomous car
27
87346
2408
و این اطمینان را می‌دهد که ماشین خودکار
01:29
is not one of those things that has to stay in Vegas.
28
89754
2977
از آن چیزهایی نیست که باید در وگاس بماند.
01:32
(Laughter)
29
92731
2096
(خنده)
01:34
Now, in my lab at Stanford, we've been working on
30
94827
3784
در آزمایشگاه من در دانشگاه استنفورد، ما هم بر روی
01:38
autonomous cars too, but with a slightly different spin
31
98611
3487
ماشین‌های خودکار کار می‌کنیم ولی با اندکی تفاوت.
01:42
on things. You see, we've been developing robotic race cars,
32
102098
4248
همان‌طور که می‌بینید، درحال‌ توسعهٔ ماشین‌های مسابقه‌ای روباتیک هستیم،
01:46
cars that can actually push themselves to the very limits
33
106346
4120
ماشین‌هایی که بتوانند خودشان را با محدودیت‌های عملکردهای فیزیکی
01:50
of physical performance.
34
110466
2240
منطبق کنند.
01:52
Now, why would we want to do such a thing?
35
112706
2613
خوب، چرا به چنین چیزی نیاز داریم؟
01:55
Well, there's two really good reasons for this.
36
115319
2100
دو دلیل خیلی خوب برایش داریم.
01:57
First, we believe that before people turn over control
37
117419
3959
اول، معتقدیم قبل از اینکه مردم به واگذاری کنترل
02:01
to an autonomous car, that autonomous car should be
38
121378
2834
به یک ماشین خودکار روی بیاورند آن ماشین خودکار باید
02:04
at least as good as the very best human drivers.
39
124212
3254
حداقل به‌خوبی بهترین راننده‌ها باشند.
02:07
Now, if you're like me, and the other 70 percent of the population
40
127466
3305
اگر شما شبیه من یا شبیه ۷۰ درصد دیگر جامعه هستید
02:10
who know that we are above-average drivers,
41
130771
2193
که می‌دانیم راننده‌های متوسط به بالا هستیم،
02:12
you understand that's a very high bar.
42
132964
3175
متوجه می‌شوید که نکته مهمی است،
02:16
There's another reason as well.
43
136139
2392
دلیل دیگری هم وجود دارد.
02:18
Just like race car drivers can use all of the friction
44
138531
3576
درست مثل راننده‌های ماشین مسابقه که از تمام اصطکاک بین چرخ
02:22
between the tire and the road,
45
142107
1280
زمین، تمام قابلیت ماشین
02:23
all of the car's capabilities to go as fast as possible,
46
143387
3177
در سرعت گرفتن هرچه بیشتر استفاده می‌کنند،
02:26
we want to use all of those capabilities to avoid
47
146564
3345
می‌خواهیم از کل آن قابلیتها جهت جلوگیری از هر نوع تصادفی
02:29
any accident we can.
48
149909
1588
استفاده کنیم.
02:31
Now, you may push the car to the limits
49
151497
2050
حال شاید ماشین را به موانعی کوبیده‌اید
02:33
not because you're driving too fast,
50
153547
1967
ولی نه به خاطر سرعت بالا
02:35
but because you've hit an icy patch of road,
51
155514
2160
بلکه برای برخورد با یک کپه یخ در جاده،
02:37
conditions have changed.
52
157674
1704
شرایط تغییر کرده‌اند.
02:39
In those situations, we want a car
53
159378
2761
در این شرایط، ماشینی می‌خواهیم
02:42
that is capable enough to avoid any accident
54
162139
3720
که به اندازه کافی قابلیت دارد جلو هرگونه تصادفی را بگیرد
02:45
that can physically be avoided.
55
165859
2678
که امکان پیش‌گیری از آن وجود دارد.
02:48
I must confess, there's kind of a third motivation as well.
56
168537
4267
باید اعتراف کنم انگیزه سومی هم وجود دارد.
02:52
You see, I have a passion for racing.
57
172804
2256
می‌دانید من به مسابقات علاقه‌مندم.
02:55
In the past, I've been a race car owner,
58
175060
2764
درگذشته، من یک ماشین مسابقه داشتم،
02:57
a crew chief and a driving coach,
59
177824
2555
به همراه خدمه و مربی،
03:00
although maybe not at the level that you're currently expecting.
60
180379
3855
شاید نه در آن حدی که احتمالاً توقع دارید.
03:04
One of the things that we've developed in the lab --
61
184234
2704
یکی از چیزهایی که در آزمایشگاه توسعه دادیم --
03:06
we've developed several vehicles --
62
186938
1704
چندین وسیله نقلیه را توسعه دادیم --
03:08
is what we believe is the world's first
63
188642
2235
که معتقدیم اولین
03:10
autonomously drifting car.
64
190877
2365
ماشین‌های مسابقه خودکار جهان هستند.
03:13
It's another one of those categories
65
193242
2513
این یکی دیگر از آن دسته‌بندی‌هایی است
03:15
where maybe there's not a lot of competition.
66
195755
2423
که احتمالاً رقابت زیادی در آن نیست.
03:18
(Laughter)
67
198178
1408
(خنده حاضران)
03:19
But this is P1. It's an entirely student-built electric vehicle,
68
199586
3822
اما این یک پی وان است. یماشین الکتریکی که کاملاً توسط دانشجویان ساخته شده است،
03:23
which through using its rear-wheel drive
69
203408
2078
که با استفاده از حرکت چرخ‌های عقب
03:25
and front-wheel steer-by-wire
70
205486
1565
و هدایت الکتریکی چرخ‌های جلو
03:27
can drift around corners.
71
207051
2067
می‌تواند در پیچ‌ها به‌خوبی دور بزند.
03:29
It can get sideways like a rally car driver,
72
209118
2200
می‌تواند مانند یک راننده رالی، از پهلو براند،
03:31
always able to take the tightest curve,
73
211318
1715
همیشه از پیچ‌های تند عبور کند،
03:33
even on slippery, changing surfaces,
74
213033
3304
و حتی در سطوح لغزنده و ناصاف
03:36
never spinning out.
75
216337
1616
هرگز از مسیر خارج نمی‌شود.
03:37
We've also worked with Volkswagen Oracle,
76
217953
2368
ما با کارخانه فولکس‌واگن هم کار کرده‌ایم،
03:40
on Shelley, an autonomous race car that has raced
77
220321
3424
بر روی «شلی»، یک ماشین مسابقه‌ای خود ران که مسابقه ای
03:43
at 150 miles an hour through the Bonneville Salt Flats,
78
223745
3070
با سرعت۲۴۱ کیلومتر بر ساعت از «بانویل سالت فلتس» را،
03:46
gone around Thunderhill Raceway Park in the sun,
79
226815
4471
تا میدان مسابقه «تاندرهیل»، در زیر آفتاب
03:51
the wind and the rain,
80
231286
2639
و باد و باران، انجام داده است.
03:53
and navigated the 153 turns and 12.4 miles
81
233925
5018
و ۱۵۳ پیچ و ۲۰ کیلومتر
03:58
of the Pikes Peak Hill Climb route
82
238943
1562
از مسیر صعود به قله پایکس
04:00
in Colorado with nobody at the wheel.
83
240505
3473
در کلرادو را بی راننده‌ای در پشت فرمان، مسیریابی کرده است.
04:03
(Laughter)
84
243978
1448
(خنده حاضران)
04:05
(Applause)
85
245426
5566
(تشویق حاضران)
04:10
I guess it goes without saying that we've had a lot of fun
86
250992
3279
حدس می‌زدم که این‌طور شود، بدون اینکه بگویم در انجام
04:14
doing this.
87
254271
1304
این کار چه لذت‌هایی داشتیم.
04:15
But in fact, there's something else that we've developed
88
255575
3657
اما درواقع، در مسیر توسعهٔ ماشین‌های خود ران
04:19
in the process of developing these autonomous cars.
89
259232
3055
چیز دیگری را توسعه دادیم.
04:22
We have developed a tremendous appreciation
90
262287
3871
از توانایی‌های رانندگی انسان با ماشین‌های مسابقه بسیار قدردانی می‌کنیم.
04:26
for the capabilities of human race car drivers.
91
266158
3817
می‌خواستیم بفهمیم که این ماشین‌ها چقدر خوب این کار را انجام می‌دهند،
04:29
As we've looked at the question of how well do these cars perform,
92
269975
4345
می‌خواستیم آن‌ها را با همتایان انسانی‌مان مقایسه کنیم.
04:34
we wanted to compare them to our human counterparts.
93
274320
3279
و ما کشف کردیم که همتایان انسانی‌مان شگفت‌انگیز هستند.
04:37
And we discovered their human counterparts are amazing.
94
277599
5680
حال، می‌توانیم نقشه یک میدان مسابقه را بگیریم،
04:43
Now, we can take a map of a race track,
95
283279
4023
و با مدل ریاضی از یک ماشین،
04:47
we can take a mathematical model of a car,
96
287302
2370
و با چند سعی و خطا،
04:49
and with some iteration, we can actually find
97
289672
2903
واقعاً می‌توانیم سریع‌ترین راه
04:52
the fastest way around that track.
98
292575
1625
در مسیر مسابقه را پیدا کنیم.
04:54
We line that up with data that we record
99
294200
2533
این کار را با داده‌هایی انجام می‌دهیم که از راننده‌ای
04:56
from a professional driver,
100
296733
1433
حرفه‌ای ثبت می‌کنیم،
04:58
and the resemblance is absolutely remarkable.
101
298166
4107
و شباهت‌ها بسیار قابل‌توجه است.
05:02
Yes, there are subtle differences here,
102
302273
3212
بله، تفاوت‌های ظریفی هم وجود دارد،
05:05
but the human race car driver is able to go out
103
305485
3127
اما راننده انسانی ماشین‌های مسابقه می‌تواند از مسیر خارج شود
05:08
and drive an amazingly fast line,
104
308612
2335
و به‌طور شگفت‌آوری سریع براند،
05:10
without the benefit of an algorithm that compares
105
310947
2330
بدون استفاده از الگوریتمی که بتواند
05:13
the trade-off between going as fast as possible
106
313277
2608
بین حداکثر سرعتی که می‌تواند در این پیچ برود،
05:15
in this corner, and shaving a little bit of time
107
315885
2037
و نگه‌داشتن اندکی زمان
05:17
off of the straight over here.
108
317922
1902
برای مسیر مستقیم بعدی را مقایسه کند.
05:19
Not only that, they're able to do it lap
109
319824
3457
نه فقط این، بلکه آن‌ها می‌توانند این کار را
05:23
after lap after lap.
110
323281
2375
در هر دور انجام دهند.
05:25
They're able to go out and consistently do this,
111
325656
2912
می‌توانند عقب بکشند و بطور مداوم این کار را انجام دهند،
05:28
pushing the car to the limits every single time.
112
328568
4128
و هر بار ماشین را به این موانع بزنند.
05:32
It's extraordinary to watch.
113
332696
3169
دیدن این صحنه بسیار تماشایی است.
05:35
You put them in a new car,
114
335865
2066
آن‌ها را در یک ماشین جدید قرار می‌دهید،
05:37
and after a few laps, they've found the fastest line in that car,
115
337931
3902
و پس از چند دور، آن‌ها سریع‌ترین خط برای ماشین را پیدا کرده‌اند،
05:41
and they're off to the races.
116
341833
3877
و به‌سرعت پیش می‌روند.
05:45
It really makes you think,
117
345710
1146
این موضوع باعث می‌شود فکر کنید،
05:46
we'd love to know what's going on inside their brain.
118
346856
4871
ما دوست داریم بدانیم در مغز آن‌ها چه می‌گذرد.
05:51
So as researchers, that's what we decided to find out.
119
351727
4541
بنابراین به‌عنوان پژوهشگر، تصمیم گرفتیم که آن را بیابیم.
05:56
We decided to instrument not only the car,
120
356268
1812
تصمیم گرفتیم نه‌ تنها ماشین مسابقه را،
05:58
but also the race car driver,
121
358080
2495
بلکه راننده آن را هم ‌اندازه‌گیری کنیم
06:00
to try to get a glimpse into what was going on
122
360575
2769
تا بتوانیم نگاه اندکی به آنچه در مغزشان رخ می‌دهد بیندازیم،
06:03
in their head as they were doing this.
123
363344
2186
چون‌که آن‌ها این کار را انجام می‌دهند.
06:05
Now, this is Dr. Lene Harbott applying electrodes
124
365530
3950
این دکتر «لن هاربوت» است که الکترودهایی را به کله
06:09
to the head of John Morton.
125
369480
1232
«جان مورتون» متصل می‌کند.
06:10
John Morton is a former Can-Am and IMSA driver,
126
370712
2989
جان مورتون، راننده سابق مسابقات ماشین‌رانی «کن-ام» و «ایمسا» است.
06:13
who's also a class champion at Le Mans.
127
373701
1800
همچنین قهرمان کلاس ۱ در «لمانز» است.
06:15
Fantastic driver, and very willing to put up with graduate students
128
375501
3496
او راننده‌ای فوق‌العاده، و بسیار صبور در کار با دانشجویان تحصیلات تکمیلی
06:18
and this sort of research.
129
378997
1855
و این پژوهش است.
06:20
She's putting electrodes on his head
130
380852
2672
او الکترودی را روی سرش قرار می‌دهد
06:23
so that we can monitor the electrical activity
131
383524
2112
تا بتوانیم فعالیت الکتریکی که در مغز «جان»
06:25
in John's brain as he races around the track.
132
385636
2832
در سراسر مسیر مسابقه انجام می‌شود را کنترل کنیم.
06:28
Now, clearly we're not going to put a couple of electrodes on his head
133
388468
3195
الآن، ما قصد نداریم که یک جفت الکترود بر روی سر او قرار بدهیم
06:31
and understand exactly what all of his thoughts are on the track.
134
391663
3270
و همه افکار او را در مسیر مسابقه دقیقاً بررسی کنیم.
06:34
However, neuroscientists have identified certain patterns
135
394933
3407
بااین‌حال، دانشمندان علوم اعصاب الگوهای خاصی را شناسایی کرده‌اند که
06:38
that let us tease out some very important aspects of this.
136
398340
3761
به ما اجازه می‌دهد تا برخی از جنبه‌های بسیار مهم این کار را پیدا کنیم.
06:42
For instance, the resting brain
137
402101
1847
به‌عنوان‌مثال، مغز در حال استراحت
06:43
tends to generate a lot of alpha waves.
138
403948
2155
امواج آلفای بسیاری را تولید می‌کند.
06:46
In contrast, theta waves are associated with
139
406103
3752
در مقابل، امواج تتا
06:49
a lot of cognitive activity, like visual processing,
140
409855
3184
با بسیاری از فعالیت‌های شناختی مانند پردازش تصویری ارتباط دارند،
06:53
things where the driver is thinking quite a bit.
141
413039
3048
چیزهایی که راننده به آن کاملاً فکر می‌کند.
06:56
Now, we can measure this,
142
416087
1663
حال می‌توانیم آن را اندازه‌گیری کنیم،
06:57
and we can look at the relative power
143
417750
1985
و ما می‌توانیم به قدرت نسبی
06:59
between the theta waves and the alpha waves.
144
419735
2200
بین امواج تتا و آلفا نگاه کنیم.
07:01
This gives us a measure of mental workload,
145
421935
2442
که به ما میزان حجم کار بار ذهنی را نشان می‌دهد،
07:04
how much the driver is actually challenged cognitively
146
424377
3567
اینکه راننده چقدر ازنظر شناختی به چالش کشیده می‌شود،
07:07
at any point along the track.
147
427944
1786
آن‌هم در هر نقطه از مسیر.
07:09
Now, we wanted to see if we could actually record this
148
429730
2942
می‌خواستیم ببینیم که آیا واقعاً می‌توانیم این موضوع را
07:12
on the track, so we headed down south to Laguna Seca.
149
432672
3038
در مسیر مسابقه ثبت کنیم، بنابراین ما به «لاگونا سیکا» رفتیم.
07:15
Laguna Seca is a legendary raceway
150
435710
2016
که یک میدان مسابقه افسانه‌ای است
07:17
about halfway between Salinas and Monterey.
151
437726
2301
که در وسط مسیر «مونته‌ری» به «سالیناس» است.
07:20
It has a curve there called the Corkscrew.
152
440027
2087
این مسیر، پیچی به نام «کرکسکرو» دارد.
07:22
Now, the Corkscrew is a chicane, followed by a quick
153
442114
2717
«کرکسکرو» مسیر مارپیچی با شیب نزولی است
07:24
right-handed turn as the road drops three stories.
154
444831
2746
که بلافاصله با یک پیچ راست‌گرد ادامه یافته است.
07:27
Now, the strategy for driving this as explained to me was,
155
447577
3766
خوب، استراتژی که برای رانندگی در این مسیر به من توضیح دادند این بود که،
07:31
you aim for the bush in the distance,
156
451343
2022
تمرکزت از دور بر بوته‌ای که در مسیر باشد،
07:33
and as the road falls away, you realize it was actually the top of a tree.
157
453365
3025
و وقتی جاده ناپدید می‌شود، می فهمید که درواقع، نوک درخت بوده است.
07:36
All right, so thanks to the Revs Program at Stanford,
158
456390
3304
به‌هرحال، به لطف برنامه «رِوْز» در دانشگاه استنفورد،
07:39
we were able to take John there
159
459694
1473
توانستیم «جان» را به آنجا ببریم
07:41
and put him behind the wheel
160
461167
964
و او را در پشت فرمان
07:42
of a 1960 Porsche Abarth Carrera.
161
462131
2439
یک پورشه «آبارت کارِرا» مدل ۱۹۶۰ قرار بنشانیم.
07:44
Life is way too short for boring cars.
162
464570
3698
زندگی برای ماشین‌های خسته‌کننده خیلی کوتاه است.
07:48
So, here you see John on the track,
163
468268
1759
اینجا «جان» را در مسیر می‌بینید،
او تپه را بالا می‌رود -- آه! کسی شبیه این --
07:50
he's going up the hill -- Oh! Somebody liked that --
164
470027
2184
07:52
and you can see, actually, his mental workload
165
472211
2465
و شما می‌توانید درواقع، حجم کار ذهنی او را ببینید
07:54
-- measuring here in the red bar --
166
474676
2153
-- اینجا با نوار قرمز اندازه‌گیری می‌شود --
07:56
you can see his actions as he approaches.
167
476829
2343
موقع نزدیک شدن می‌توانید فعالیتش را ببینید.
07:59
Now watch, he has to downshift.
168
479172
3230
حالا ببینید، او باید دنده را پایین بیاورد.
08:02
And then he has to turn left.
169
482402
761
و بعد به چپ بچرخد.
08:03
Look for the tree, and down.
170
483163
3993
درخت را ببیند و بعد پایین برود.
08:07
Not surprisingly, you can see this is a pretty challenging task.
171
487156
2838
تعجب‌آور نیست، می‌ببینید که این کار بسیار چالش‌برانگیز است.
08:09
You can see his mental workload spike as he goes through this,
172
489994
2976
می‌بینید که وقت عبور از این مسیر حجم کار ذهنی او به اوج می‌رسد.
08:12
as you would expect with something that requires
173
492970
2064
همان‌طور که شما هم انتظار دارید،
08:15
this level of complexity.
174
495034
2809
با چیزی که به این سطح پیچیدگی نیاز دارد.
08:17
But what's really interesting is to look at areas of the track
175
497843
3416
اما آنچه واقعاً جالب است، این است که به بخش‌هایی از مسیر نگاه کنید که
08:21
where his mental workload doesn't increase.
176
501259
2846
حجم کار ذهنی او افزایش نمی‌یابد.
08:24
I'm going to take you around now
177
504105
1495
الآن می‌خواهم شما را سوی دیگر
08:25
to the other side of the track.
178
505600
1089
مسیر مسابقه ببرم.
08:26
Turn three. And John's going to go into that corner
179
506689
2336
به سومین پیچ. «جان» می‌خواهد به سمت آن پیچ برود
08:29
and the rear end of the car is going to begin to slide out.
180
509025
2551
و انتهای عقب ماشین شروع به لغزش می‌کند.
08:31
He's going to have to correct for that with steering.
181
511576
2017
می‌خواهد که با چرخش فرمان، آن را درست کند.
08:33
So watch as John does this here.
182
513593
2231
ببینید، «جان» این کار را اینجا انجام می‌دهد.
08:35
Watch the mental workload, and watch the steering.
183
515824
2322
حجم کار ذهنی و چرخش فرمان را تماشا کنید.
08:38
The car begins to slide out, dramatic maneuver to correct it,
184
518146
3672
ماشین شروع به لغزیدن می‌کند، مانور نمایشی برای اصلاح آن،
08:41
and no change whatsoever in the mental workload.
185
521818
3523
و هیچ تغییری در حجم کار ذهن او وجود ندارد.
08:45
Not a challenging task.
186
525341
2832
پس کار چالش‌برانگیزی برای او نیست.
08:48
In fact, entirely reflexive.
187
528173
3200
درواقع، کاملاً یک واکنش ذاتی است.
08:51
Now, our data processing on this is still preliminary,
188
531373
3643
در حال حاضر، پردازش داده‌های ما بر روی این موضوع هنوز مقدماتی است،
08:55
but it really seems that these phenomenal feats
189
535016
2672
اما به نظر می‌رسد که شاهکاری فوق‌العاده است
08:57
that the race car drivers are performing
190
537688
1610
که رانندگان ماشین‌های مسابقه
08:59
are instinctive.
191
539298
1910
به‌طور غریزی انجام می‌دهند.
09:01
They are things that they have simply learned to do.
192
541208
3390
چیزهایی که آن‌ها یاد گرفتند به‌سادگی، انجام دهند.
09:04
It requires very little mental workload
193
544598
2282
آن‌ها نیاز به مقدار بسیار کمی کار ذهنی دارند،
09:06
for them to perform these amazing feats.
194
546880
2824
آن‌هم برای انجام این شاهکار شگفت‌انگیز.
09:09
And their actions are fantastic.
195
549704
3135
و اقدامات آن‌ها، فوق‌العاده است.
09:12
This is exactly what you want to do on the steering wheel
196
552839
2611
دقیقاً همان چیزی است که می‌خواهید در پشت فرمان انجام دهید
09:15
to catch the car in this situation.
197
555450
3337
برای هدایت کردن ماشین در چنین وضعیتی.
09:18
Now, this has given us tremendous insight
198
558787
3445
این موضوع، به ما بینشی فوق‌العاده
09:22
and inspiration for our own autonomous vehicles.
199
562232
3122
و الهام‌بخش، برای وسایل نقلیه خودران داده است.
09:25
We've started to ask the question:
200
565354
1928
ما شروع به پرسیدن این سؤال کردیم که:
09:27
Can we make them a little less algorithmic
201
567282
2253
آیا می‌توانیم آن‌ها را کمی کمتر الگوریتمی کنیم
09:29
and a little more intuitive?
202
569535
2449
و کمی بیشتر شهودی کنیم؟
09:31
Can we take this reflexive action
203
571984
2281
آیا می‌توانیم این اقدامات ذاتی
09:34
that we see from the very best race car drivers,
204
574265
2287
که از بهترین رانندگان ماشین مسابقه می‌بینیم،
09:36
introduce it to our cars,
205
576552
1649
را به ماشین‌هایمان معرفی کنیم؟
09:38
and maybe even into a system that could
206
578201
1984
و شاید حتی به سیستمی که
09:40
get onto your car in the future?
207
580185
1968
در آینده بتواند به ماشین شما برسد؟
09:42
That would take us a long step
208
582153
1611
این یک گام بلند است
09:43
along the road to autonomous vehicles
209
583764
2509
در مسیر رسیدن به ماشین‌های خودران
09:46
that drive as well as the best humans.
210
586273
1912
که مشابه بهترین رانندگان، رانندگی می‌کنند.
09:48
But it's made us think a little bit more deeply as well.
211
588185
3440
اما باعث می‌شود که ما نیز کمی عمیق‌تر فکر کنیم.
09:51
Do we want something more from our car
212
591625
2968
آیا ما از ماشینمان می‌خواهیم که
09:54
than to simply be a chauffeur?
213
594593
1840
چیزی بیشتر از یک شوفر باشد؟
09:56
Do we want our car to perhaps be a partner, a coach,
214
596433
4235
آیا ما می‌خواهیم که ماشینمان، چیزی شبیه به یک همراه، راهبر باشد
10:00
someone that can use their understanding of the situation
215
600668
3087
کسی که بتواند با درک شرایط
10:03
to help us reach our potential?
216
603755
4256
به ما کمک کند تا به پتانسیل‌های واقعی خود برسیم؟
10:08
Can, in fact, the technology not simply replace humans,
217
608011
2273
آیا فناوری می‌تواند، نه‌ تنها انسان‌ها را جایگزین کند،
10:10
but allow us to reach the level of reflex and intuition
218
610284
4575
بلکه به ما اجازه دهد تا به سطحی از درک و عکس‌العمل
10:14
that we're all capable of?
219
614859
3425
که همه ما لایق آن هستیم برسیم؟
10:18
So, as we move forward into this technological future,
220
618284
1923
همانطور که در این آینده فناوری پیشرفت می‌کنیم،
10:20
I want you to just pause and think of that for a moment.
221
620207
2821
از شما می‌خواهم کمی مکث کرده و به آن فکر کنید.
10:23
What is the ideal balance of human and machine?
222
623028
3775
تعادل ایده‌آل میان انسان و ماشین چیست؟
10:26
And as we think about that,
223
626803
1709
و در حالیکه درباره آن فکر می‌کنیم،
10:28
let's take inspiration
224
628512
1731
بیایید الهام بگیریم
10:30
from the absolutely amazing capabilities
225
630243
3329
از قابلیت‌های شگفت‌انگیز
10:33
of the human body and the human mind.
226
633572
2816
بدن و ذهن انسان.
10:36
Thank you.
227
636388
1736
متشکرم.
10:38
(Applause)
228
638124
4604
(تشویق حاضران)
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