The incredible inventions of intuitive AI | Maurice Conti

5,584,143 views ・ 2017-02-28

TED


Toista video kaksoisnapsauttamalla alla olevaa englanninkielistä tekstitystä.

00:00
Translator: Leslie Gauthier Reviewer: Camille Martínez
0
0
7000
Kääntäjä: Paula Virtanen Oikolukija: Sami Niskanen
00:12
How many of you are creatives,
1
12555
2289
Kuinka moni teistä on luovia,
00:14
designers, engineers, entrepreneurs, artists,
2
14868
3624
muotoilijoita, insinöörejä, yrittäjiä, taiteilijoita
00:18
or maybe you just have a really big imagination?
3
18516
2387
tai ehkä sinulla on suuri mielikuvitus?
00:20
Show of hands? (Cheers)
4
20927
1848
Viitatkaa? (Hurrausta)
00:22
That's most of you.
5
22799
1181
Suurin osa teistä.
00:25
I have some news for us creatives.
6
25154
2294
Minulla on uutisia meille luoville.
00:28
Over the course of the next 20 years,
7
28534
2573
Seuraavan 20 vuoden aikana
00:33
more will change around the way we do our work
8
33291
2973
työtapamme tulevat muuttumaan enemmän
00:37
than has happened in the last 2,000.
9
37202
2157
kuin ne ovat viimeisen 2000 vuoden aikana.
00:40
In fact, I think we're at the dawn of a new age in human history.
10
40331
4628
Uskon, että olemme ihmishistorian uuden ajan alussa.
00:45
Now, there have been four major historical eras defined by the way we work.
11
45465
4761
On ollut neljä isoa historiallista aikakautta,
jotka määrittyvät työtapamme mukaan.
00:51
The Hunter-Gatherer Age lasted several million years.
12
51224
3275
Metsästäjä-keräilijä -kausi kesti useita miljoonia vuosia.
00:54
And then the Agricultural Age lasted several thousand years.
13
54983
3576
Maataloudellinen kausi kesti useita tuhansia vuosia.
00:59
The Industrial Age lasted a couple of centuries.
14
59015
3490
Teollinen kausi kesti muutaman vuosisadan.
01:02
And now the Information Age has lasted just a few decades.
15
62529
4287
Ja nyt informaation kausi on kestänyt vain muutaman vuosikymmenen.
01:06
And now today, we're on the cusp of our next great era as a species.
16
66840
5220
Ja nykyään olemme lajina seuraavan ison aikakauden taitoksessa.
01:13
Welcome to the Augmented Age.
17
73116
2680
Tervetuloa Augmentaation kaudelle.
01:15
In this new era, your natural human capabilities are going to be augmented
18
75820
3693
Tällä aikakaudella luonnolliset ihmiskykysi kasvavat
01:19
by computational systems that help you think,
19
79537
3068
ajattelemista auttavilla tietokonejärjestelmillä,
01:22
robotic systems that help you make,
20
82629
2186
tekemistä auttavilla robottijärjestelmillä,
01:24
and a digital nervous system
21
84839
1648
ja digitaalisella hermostolla,
01:26
that connects you to the world far beyond your natural senses.
22
86511
3690
joka yhdistää sinut maailmaan tavalla, joka ylittää luonnolliset aistisi.
01:31
Let's start with cognitive augmentation.
23
91257
1942
Aloitetaan kognitiivisesta augmentoinnista.
01:33
How many of you are augmented cyborgs?
24
93223
2200
Kuinka moni teistä on augmentoituja kyborgeja?
01:35
(Laughter)
25
95953
2650
(Naurua)
01:38
I would actually argue that we're already augmented.
26
98627
2821
Väittäisin, että olemme jo augmentoituja.
01:42
Imagine you're at a party,
27
102108
1504
Kuvittele olevasi juhlissa,
01:43
and somebody asks you a question that you don't know the answer to.
28
103636
3520
ja joku kysyy sinulta kysymyksen, johon et osaa vastata.
01:47
If you have one of these, in a few seconds, you can know the answer.
29
107180
3760
Jos sinulla on tällainen, voit tietää vastauksen sekunneissa.
01:51
But this is just a primitive beginning.
30
111689
2299
Mutta tämä on vasta varhainen alku.
01:54
Even Siri is just a passive tool.
31
114683
3331
Jopa Siri on vain passiivinen työkalu.
01:58
In fact, for the last three-and-a-half million years,
32
118480
3381
Oikeastaan viimeisen kolmen ja puolen miljoonan vuoden aikana
02:01
the tools that we've had have been completely passive.
33
121885
3109
käyttämämme työkalut ovat olleet täysin passiivisia.
02:06
They do exactly what we tell them and nothing more.
34
126023
3655
Ne tekevät sen, mitä käskemme niiden tehdä, eikä mitään muuta.
02:09
Our very first tool only cut where we struck it.
35
129702
3101
Ensimmäinen työkalumme leikkasi vain kun löimme sitä.
02:13
The chisel only carves where the artist points it.
36
133642
3040
Taltta kaivertaa vain siitä, mihin taiteilija sen asettaa.
02:17
And even our most advanced tools do nothing without our explicit direction.
37
137163
5641
Ja kehittyneimmätkin työkalumme eivät tee mitään ilman tarkkoja käskyjä.
02:22
In fact, to date, and this is something that frustrates me,
38
142828
3181
Se on jotain, mikä on aina turhauttanut minua,
02:26
we've always been limited
39
146033
1448
meitä on aina rajoittanut
02:27
by this need to manually push our wills into our tools --
40
147505
3501
tarve manuaalisesti iskeä tahtomme työkaluihimme --
manuaalisesti, kirjaimellisesti käyttämällä käsiämme,
02:31
like, manual, literally using our hands,
41
151030
2297
02:33
even with computers.
42
153351
1428
jopa tietokoneilla.
02:35
But I'm more like Scotty in "Star Trek."
43
155892
2463
Mutta olen enemmänkin kuin "Star Trekin" Scotty.
02:38
(Laughter)
44
158379
1850
(Naurua)
02:40
I want to have a conversation with a computer.
45
160253
2146
Haluan keskustella tietokoneen kanssa.
02:42
I want to say, "Computer, let's design a car,"
46
162423
2970
Haluan sanoa, "Tietokone, suunnitellaan auto,"
02:45
and the computer shows me a car.
47
165417
1539
ja tietokone näyttää auton.
02:46
And I say, "No, more fast-looking, and less German,"
48
166980
2608
Ja sanon, "Ei, nopean näköinen eikä niin saksalainen,"
02:49
and bang, the computer shows me an option.
49
169612
2163
ja pam, tietokone näyttää vaihtoehdon.
02:51
(Laughter)
50
171799
1865
(Naurua)
02:54
That conversation might be a little ways off,
51
174028
2306
Se keskustelu saattaa hieman ontua,
02:56
probably less than many of us think,
52
176358
2665
mutta ehkä vähemmän kuin uskoisimme,
02:59
but right now,
53
179047
1763
mutta juuri nyt,
03:00
we're working on it.
54
180834
1151
kehittelemme sitä.
03:02
Tools are making this leap from being passive to being generative.
55
182009
4033
Työkalut tekevät tämän loikan passiivisesta generatiiviseen.
03:06
Generative design tools use a computer and algorithms
56
186651
3308
Generatiiviset työkalut käyttävät tietokonetta ja algoritmejä
03:09
to synthesize geometry
57
189983
2608
syntetisoidakseen geometriaa
03:12
to come up with new designs all by themselves.
58
192615
2754
luodakseen uudenlaisia malleja itsekseen.
03:15
All it needs are your goals and your constraints.
59
195816
2748
Se tarvitsee vain tavoitteet ja asettamasi rajat.
03:18
I'll give you an example.
60
198588
1408
Annan teille esimerkin.
03:20
In the case of this aerial drone chassis,
61
200020
2788
Tämän ilmalennokin rungon tapauksessa
03:22
all you would need to do is tell it something like,
62
202832
2626
sille tarvitsee kertoa vain,
03:25
it has four propellers,
63
205482
1273
että sillä on neljä potkuria,
03:26
you want it to be as lightweight as possible,
64
206779
2131
haluat sen olevat mahdollisimman kevyt,
03:28
and you need it to be aerodynamically efficient.
65
208934
2270
ja haluat sen olevan aerodynaamisesti tehokas.
03:31
Then what the computer does is it explores the entire solution space:
66
211228
4914
Ja tietokone tutkii koko ratkaisuavaruuden:
03:36
every single possibility that solves and meets your criteria --
67
216166
3927
jokaisen mahdollisuuden, joka täyttää kriteerisi --
03:40
millions of them.
68
220117
1442
miljoonia ratkaisuja.
03:41
It takes big computers to do this.
69
221583
1975
Tämä vaatii ison tietokoneen.
03:43
But it comes back to us with designs
70
223582
1955
Mutta se antaa meille malleja,
03:45
that we, by ourselves, never could've imagined.
71
225561
3143
joita me itse emme olisi tulleet ajatelleeksikaan.
03:49
And the computer's coming up with this stuff all by itself --
72
229146
2912
Ja tietokone tekee tämän kaiken ihan itse --
03:52
no one ever drew anything,
73
232082
1678
kukaan ei piirtänyt mitään
03:53
and it started completely from scratch.
74
233784
2086
ja se aloitti aivan tyhjästä.
03:56
And by the way, it's no accident
75
236858
2387
Ei muuten ole sattumaa,
03:59
that the drone body looks just like the pelvis of a flying squirrel.
76
239269
3481
että lennokin runko näyttää aivan lento-oravan lonkalta.
04:03
(Laughter)
77
243107
2007
(Naurua)
04:05
It's because the algorithms are designed to work
78
245860
2302
Sillä algoritmit on tehty toimimaan
04:08
the same way evolution does.
79
248186
1637
evoluution tavoin.
04:10
What's exciting is we're starting to see this technology
80
250535
2660
Jännittävää on, että tämä teknologia
alkaa näkyä oikeassa maailmassa.
04:13
out in the real world.
81
253219
1159
04:14
We've been working with Airbus for a couple of years
82
254402
2452
Olemme tehneet töitä Airbusin kanssa muutaman vuoden
04:16
on this concept plane for the future.
83
256878
1909
tämän tulevaisuuden koneen konseptin parissa.
04:18
It's a ways out still.
84
258811
2070
Se on silti vasta aluilla.
04:20
But just recently we used a generative-design AI
85
260905
3780
Mutta vastikään olemme käyttäneet generatiivisen suunnittelun tekoälyä
04:24
to come up with this.
86
264709
1807
suunnitellaksemme tämän.
04:27
This is a 3D-printed cabin partition that's been designed by a computer.
87
267429
5153
Tämän on tietokoneen suunnittelema 3D-tulostettu matkustamon väliseinä.
04:32
It's stronger than the original yet half the weight,
88
272606
2824
Se on aluperäistä vahvempi, mutta puolet kevyempi,
04:35
and it will be flying in the Airbus A320 later this year.
89
275454
3146
Ja se tulee lentämään Airbus A320:n mukana tämän vuoden lopussa.
04:39
So computers can now generate;
90
279225
1559
Tietokoneet pystyvät nyt generoimaan;
04:40
they can come up with their own solutions to our well-defined problems.
91
280808
4595
ne pystyvät tekemään omia ratkaisuja hyvin määriteltyihin ongelmiin.
04:46
But they're not intuitive.
92
286497
1310
Mutta ne eivät ole intuitiivisia.
04:47
They still have to start from scratch every single time,
93
287831
3086
Niiden pitää slti aloittaa tyhjästä joka kerta,
04:50
and that's because they never learn.
94
290941
2565
koska ne eivät ikinä opi.
04:54
Unlike Maggie.
95
294188
1766
Toisin kuin Maggie.
04:55
(Laughter)
96
295978
1581
(Naurua)
04:57
Maggie's actually smarter than our most advanced design tools.
97
297583
3297
Maggie on oikeastaan älykkäämpi kuin kehittynein suunnittelutyökalumme.
05:01
What do I mean by that?
98
301287
1440
Mitä tarkoitan sillä?
05:02
If her owner picks up that leash,
99
302751
1590
Jos hänen omistajansa ottaa tuon hihnan, Maggie tietää melko varmasti,
05:04
Maggie knows with a fair degree of certainty
100
304365
2068
05:06
it's time to go for a walk.
101
306457
1404
että he menevät lenkille.
05:07
And how did she learn?
102
307885
1185
Ja kuinka hän oppi sen?
05:09
Well, every time the owner picked up the leash, they went for a walk.
103
309094
3324
Joka kerta kun omistaja on ottanut hihnan,
he menivät lenkille.
05:12
And Maggie did three things:
104
312442
1878
Ja Maggien teki kolme asiaa
05:14
she had to pay attention,
105
314344
1869
Hänen piti kiinnittää huomiota,
05:16
she had to remember what happened
106
316237
2082
Hän piti muistaa mitä on tapahtunut,
05:18
and she had to retain and create a pattern in her mind.
107
318343
4017
ja hänen piti säilyttää ja tehdä malli siitä mielessään.
05:23
Interestingly, that's exactly what
108
323249
2095
Juuri sitä tietojenkäsittelijät
05:25
computer scientists have been trying to get AIs to do
109
325368
2523
ovat yrittäneet saada tekoälyä tekemään
05:27
for the last 60 or so years.
110
327915
1859
viimeisen 60 vuoden ajan.
05:30
Back in 1952,
111
330503
1349
Vuonna 1952
05:31
they built this computer that could play Tic-Tac-Toe.
112
331876
3801
he rakensivat ison tietokoneen, joka osasi pelata ristinollaa.
05:36
Big deal.
113
336901
1160
Mitä sitten.
05:38
Then 45 years later, in 1997,
114
338849
3000
45 vuoden päästä vuonna 1997,
05:41
Deep Blue beats Kasparov at chess.
115
341873
2472
Deep Blue voitti Kasparovin shakissa.
05:45
2011, Watson beats these two humans at Jeopardy,
116
345866
4968
Vuonna 2011 Watson päihitti nämä kaksi ihmista Jeopardyssä,
05:50
which is much harder for a computer to play than chess is.
117
350858
2928
mikä on tietokoneelle paljon vaikeampaa kuin shakki.
05:53
In fact, rather than working from predefined recipes,
118
353810
3812
Itse asiassa Watsonin täytyi ennalta määrättyjen ratkaisujen sijaan
05:57
Watson had to use reasoning to overcome his human opponents.
119
357646
3323
käyttää päättelykykyä päihittääkseen vastustajansa.
06:02
And then a couple of weeks ago,
120
362213
2439
Ja muutama viikko sitten
06:04
DeepMind's AlphaGo beats the world's best human at Go,
121
364676
4262
Deep Mind:in AlphaGo päihitti parhimman Go:n pelaajan,
06:08
which is the most difficult game that we have.
122
368962
2212
mikä on vaiken pelimme.
06:11
In fact, in Go, there are more possible moves
123
371198
2896
Itse asiassa, Go- pelissä on enemmän mahdollisia siirtoja
06:14
than there are atoms in the universe.
124
374118
2024
kuin universumissa on atomeja.
06:18
So in order to win,
125
378030
1826
Joten voittaakseen,
06:19
what AlphaGo had to do was develop intuition.
126
379880
2618
AlphaGo:n täytyi kehittää intuitio.
06:22
And in fact, at some points, AlphaGo's programmers didn't understand
127
382918
4110
Ja itse asiassa joissakin tapauksissa Alpha Go:n kehittäjät eivät tienneet
06:27
why AlphaGo was doing what it was doing.
128
387052
2286
miksi AlphaGo teki niin kuin teki.
06:31
And things are moving really fast.
129
391271
1660
Ja asiat etenevät huimaa vauhtia.
06:32
I mean, consider -- in the space of a human lifetime,
130
392955
3227
Miettikää -- Ihmisen eliniän aikana
06:36
computers have gone from a child's game
131
396206
2233
tietokoneet ovat kehittyneet lasten pelistä
06:39
to what's recognized as the pinnacle of strategic thought.
132
399740
3048
strategisen ajattelemisen edustajaksi.
06:43
What's basically happening
133
403819
2417
Oikeastaan tietokoneet
06:46
is computers are going from being like Spock
134
406260
3310
siirtyvät Spockin kaltaisia
06:49
to being a lot more like Kirk.
135
409594
1949
olemaan enemmänkin kuin Kirk.
06:51
(Laughter)
136
411567
3618
(Naurua)
06:55
Right? From pure logic to intuition.
137
415209
3424
Eikö? Puhtaasta logiikasta intuitioon.
07:00
Would you cross this bridge?
138
420004
1743
Ylittäisitkö tämän sillan?
07:02
Most of you are saying, "Oh, hell no!"
139
422429
2323
Suurin osa teistä sanoo, "En todellakaan!"
07:04
(Laughter)
140
424776
1308
(Naurua)
07:06
And you arrived at that decision in a split second.
141
426108
2657
Teitte sen päätöksen alle sekunnissa.
07:08
You just sort of knew that bridge was unsafe.
142
428789
2428
Tiesitte heti, että se ei ole turvallinen.
07:11
And that's exactly the kind of intuition
143
431241
1989
Ja se on juuri sen tyyppistä intuitiota
07:13
that our deep-learning systems are starting to develop right now.
144
433254
3568
jota syväoppivat järjestelmämme alkavat kehittää juuri nyt.
07:17
Very soon, you'll literally be able
145
437542
1707
Pian voitte kirjaimellisesti
näyttää tietokoneelle jotakin tekemäänne ja suunnitelemaanne
07:19
to show something you've made, you've designed,
146
439273
2206
07:21
to a computer,
147
441503
1153
ja se katsoo sitä ja sanoo,
07:22
and it will look at it and say,
148
442680
1489
07:24
"Sorry, homie, that'll never work. You have to try again."
149
444193
2823
"Sori, kaveri, ei se tule toimimaan. Yritä uudelleen."
07:27
Or you could ask it if people are going to like your next song,
150
447674
3070
Tai voit kysyä siltä, pidetäänkö seuraavasta kappaleestasi.
07:31
or your next flavor of ice cream.
151
451593
2063
tai seuraavasta jäätelömaustasi.
07:35
Or, much more importantly,
152
455369
2579
Tai, mitä tärkeimmin,
07:37
you could work with a computer to solve a problem
153
457972
2364
voit työskennellä tietokoneen kanssa
ratkaistaaksesi tuntemattoman ongelman.
07:40
that we've never faced before.
154
460360
1637
07:42
For instance, climate change.
155
462021
1401
Esimerkiksi ilmastonmuutos.
07:43
We're not doing a very good job on our own,
156
463446
2020
Emme ole yksin onnistuneet,
ja tarvitsemme kaiken tarjolla olevan avun.
07:45
we could certainly use all the help we can get.
157
465490
2245
07:47
That's what I'm talking about,
158
467759
1458
Tästä juuri puhun,
07:49
technology amplifying our cognitive abilities
159
469241
2555
teknologiasta, joka tehostaa kognitiivisia kykyjämme,
07:51
so we can imagine and design things that were simply out of our reach
160
471820
3552
voidaksemme kuvitella ja kehitellä asioita,
jotka yksinkertaisesti eivät ole meidän epäaugmenttisten ihmisten ulottuvilla.
07:55
as plain old un-augmented humans.
161
475396
2559
07:59
So what about making all of this crazy new stuff
162
479804
2941
Eli miten teemme kaikki nämä uudet asiat
08:02
that we're going to invent and design?
163
482769
2441
jotka aiomme luoda ja suunnitella?
08:05
I think the era of human augmentation is as much about the physical world
164
485772
4093
Luulen, että ihmisen augmentaation aikakausi liittyy niin fyysiseen maailmaan
08:09
as it is about the virtual, intellectual realm.
165
489889
3065
kuin myös virtuaaliseen, tiedostavaan maailmaan.
08:13
How will technology augment us?
166
493653
1921
Kuinka teknologia tulee augmentoimaan meitä?
08:16
In the physical world, robotic systems.
167
496081
2473
Fyysisessä maailmassa robottijärjestelmillä.
08:19
OK, there's certainly a fear
168
499440
1736
On olemassa pelko,
08:21
that robots are going to take jobs away from humans,
169
501200
2488
että robotit vievät ihmisiltä töitä,
08:23
and that is true in certain sectors.
170
503712
1830
ja se on totta tietyillä osa-alueilla.
08:25
But I'm much more interested in this idea
171
505994
2878
Mutta olen kiinnostunut enemmänkin ideasta,
08:28
that humans and robots working together are going to augment each other,
172
508896
5010
että ihmiset ja robotit työskentelevät yhdessä ja augmentoivat toisiaan,
08:33
and start to inhabit a new space.
173
513930
2058
ja luovat uudenlaisen tilan.
08:36
This is our applied research lab in San Francisco,
174
516012
2362
Tämä on tutkimuslabramme San Franciscossa.
08:38
where one of our areas of focus is advanced robotics,
175
518398
3142
jossa yksi tutkimuskohteemme on kehittynyt robotiikka,
08:41
specifically, human-robot collaboration.
176
521564
2511
tarkemmin ihmisten ja robottien yhteistyö.
08:44
And this is Bishop, one of our robots.
177
524854
2759
Tässä on Bishop, ykis roboteistamme.
08:47
As an experiment, we set it up
178
527637
1789
Laitoimme sen auttamaan
08:49
to help a person working in construction doing repetitive tasks --
179
529450
3460
rakennusammattilaista, joka tekee toistuvia tehtäviä --
08:53
tasks like cutting out holes for outlets or light switches in drywall.
180
533804
4194
kuten esimerkiksi pistorasioiden tai valokatkaisimien reikien leikkaamista.
08:58
(Laughter)
181
538022
2466
(Naurua)
09:01
So, Bishop's human partner can tell what to do in plain English
182
541697
3111
Bishopin ihmispari voi kertoa sanojen ja eleiden avulla mitä tehdä.
09:04
and with simple gestures,
183
544832
1305
09:06
kind of like talking to a dog,
184
546161
1447
aivan kuten koiralle puhuisi,
09:07
and then Bishop executes on those instructions
185
547632
2143
ja Bishop toimii näiden ohjeiden mukaan
09:09
with perfect precision.
186
549799
1892
täydellisellä tarkkuudella.
09:11
We're using the human for what the human is good at:
187
551715
2989
Käytämme ihmistä siihen, missä se on hyvä:
09:14
awareness, perception and decision making.
188
554728
2333
valppauteen, havainnointiin ja päätöstentekoon.
09:17
And we're using the robot for what it's good at:
189
557085
2240
Ja käytämme robottia siihen missä se on hyvä:
09:19
precision and repetitiveness.
190
559349
1748
tarkkuuteen ja toistamiseen.
Tässä on toinen projekti, jonka parissa Bishop työskentelee.
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
Tämän HIVE:ksi kutsumamme projektin tarkoituksena
09:27
was to prototype the experience of humans, computers and robots
193
567562
3851
oli tehdä prototyyppi, jossa ihminen, tietokone ja robotti
09:31
all working together to solve a highly complex design problem.
194
571437
3220
työskentelevät yhdessä ratkaistakseen vaikean suunnitteluongelman.
09:35
The humans acted as labor.
195
575613
1451
Ihmiset olivat työvoimana.
09:37
They cruised around the construction site, they manipulated the bamboo --
196
577088
3473
He kuljeskelivat ympäriinsä, työstivät bambua --
09:40
which, by the way, because it's a non-isomorphic material,
197
580585
2756
Mikä on epäisomorfista materiaalia,
09:43
is super hard for robots to deal with.
198
583365
1874
joten se on roboteille vaikea työstää.
09:45
But then the robots did this fiber winding,
199
585263
2022
Mutta robotit kiersivät kuidut,
09:47
which was almost impossible for a human to do.
200
587309
2451
joka oli ihmisille merlkein mahdotonta.
09:49
And then we had an AI that was controlling everything.
201
589784
3621
Ja sitten meillä oli tekoäly, joka kontrolloi kaikkea.
09:53
It was telling the humans what to do, telling the robots what to do
202
593429
3290
Se kertoi niin ihmisille kuin roboteille mitä tehdä,
09:56
and keeping track of thousands of individual components.
203
596743
2915
ja piti kirjaa tuhansista yksittäisistä osista.
09:59
What's interesting is,
204
599682
1180
Kiinnostavaa on,
10:00
building this pavilion was simply not possible
205
600886
3141
että tämän paviljongin tekeminen olisi ollut mahdotonta
10:04
without human, robot and AI augmenting each other.
206
604051
4524
elleivät ihminen, robotti ja tekoäly augmentoisi toisiaan.
10:09
OK, I'll share one more project. This one's a little bit crazy.
207
609710
3320
Okei, vielä yksi projekti. Tämä on hieman hullunkurinen.
Työskentelemme yhdessä Amsterdamilaisen artistin, Joris Laarmanin,
10:13
We're working with Amsterdam-based artist Joris Laarman and his team at MX3D
208
613054
4468
ja hänen tiiminsä kanssa MX3D:ssä.
10:17
to generatively design and robotically print
209
617546
2878
suunnitellaksemme generatiivisesti ja robottisesti tulostettavan
10:20
the world's first autonomously manufactured bridge.
210
620448
2995
maailman ensimmäisen autonomisesti valmistetun sillan.
10:24
So, Joris and an AI are designing this thing right now, as we speak,
211
624135
3685
Joris ja tekoäly suunnittelevat tätä parhaillaan
10:27
in Amsterdam.
212
627844
1172
Amsterdamissa.
10:29
And when they're done, we're going to hit "Go,"
213
629040
2321
ja kun he ovat valmiita, painamme nappia
10:31
and robots will start 3D printing in stainless steel,
214
631385
3311
ja robotit alkavat 3D-tulostaa ruostumatonta terästä
10:34
and then they're going to keep printing, without human intervention,
215
634720
3283
ja ne jatkavat tulostusta ilman ihmisen väliintuloa,
10:38
until the bridge is finished.
216
638027
1558
niin kauan kuin silta on valmis.
10:40
So, as computers are going to augment our ability
217
640919
2928
Niin kuin tietokoneet augmentoivat meidän kykyjämme
10:43
to imagine and design new stuff,
218
643871
2150
suunnitella ja luoda uutta,
robottijärjestelmät auttavat meitä rakentamaan ja tekemään asioita
10:46
robotic systems are going to help us build and make things
219
646045
2895
10:48
that we've never been able to make before.
220
648964
2084
joita emme ole voinut tehdä aiemmin.
10:52
But what about our ability to sense and control these things?
221
652167
4160
Mutta entä kykymme havaita ja kontrolloida näitä?
10:56
What about a nervous system for the things that we make?
222
656351
4031
Entä hermosto näille tekemillemme asioille?
11:00
Our nervous system, the human nervous system,
223
660406
2512
Meidän hermostomme, ihmisen hermosto,
11:02
tells us everything that's going on around us.
224
662942
2311
kertoo meille kaiken mitä ympärillämme tapahtuu.
11:06
But the nervous system of the things we make is rudimentary at best.
225
666006
3684
Mutta tekemiemme asioiden hermosto on parhaimmillaankin alkeellinen.
11:09
For instance, a car doesn't tell the city's public works department
226
669714
3563
Esimerkiksi auto ei kerro kaupungin rakennusvirastolle
11:13
that it just hit a pothole at the corner of Broadway and Morrison.
227
673301
3130
että se ajoi juuri kuoppaan Broadwayn ja Morrisonin kulmassa.
11:16
A building doesn't tell its designers
228
676455
2032
Rakennus ei kerro suunnittelijoilleen
11:18
whether or not the people inside like being there,
229
678511
2684
tykkäävätkö sen sisällä olevat ihmiset olla siellä,
11:21
and the toy manufacturer doesn't know
230
681219
3010
ja lelunvalmistaja ei tiedä
11:24
if a toy is actually being played with --
231
684253
2007
leikitäänkö lelulla oikeasti --
11:26
how and where and whether or not it's any fun.
232
686284
2539
miten, missä ja onko lelu oikeasti hauska.
11:29
Look, I'm sure that the designers imagined this lifestyle for Barbie
233
689440
3814
Olen melko varma että suunnittelijat
ajattelivat barbille tällaista elämäntyyliä suunnitellessaan sitä.
11:33
when they designed her.
234
693278
1224
11:34
(Laughter)
235
694526
1447
(Naurua)
11:35
But what if it turns out that Barbie's actually really lonely?
236
695997
2906
Mutta mitä jos barbi on oikeasti yksinäinen?
11:38
(Laughter)
237
698927
3147
(Naurua)
Jos suunnittelijat olisivat tienneet
11:43
If the designers had known
238
703086
1288
11:44
what was really happening in the real world
239
704398
2107
mitä heidän luomuksilleen tapahtuu
11:46
with their designs -- the road, the building, Barbie --
240
706529
2583
oikeassa maailmassa -- tiet, rakennukset, Barbi --
he voisivat käyttää tätä tietoa luodakseen
11:49
they could've used that knowledge to create an experience
241
709136
2694
käyttäjälle paremman kokemuksen.
11:51
that was better for the user.
242
711854
1400
Se mikä puuttuu on hermosto
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
joka yhdistää meidät kaikkiin luomiimme ja käyttämiimme asioihin.
11:59
What if all of you had that kind of information flowing to you
245
719735
3555
Mitä jos teihin kaikkiin virtaisi tällaista tietoa
12:03
from the things you create in the real world?
246
723314
2183
oikeassa maailmassa luomistanne asioista?
12:07
With all of the stuff we make,
247
727252
1451
Kaiken luomamme tavaran lisäksi,
12:08
we spend a tremendous amount of money and energy --
248
728727
2435
me käytämme valtavasti rahaa ja energiaa --
12:11
in fact, last year, about two trillion dollars --
249
731186
2376
viime vuonna noin kaksi triljoonaa dollaria --
12:13
convincing people to buy the things we've made.
250
733586
2854
suostuttelemaan ihmisiä ostamaan tekemiämme asioita.
12:16
But if you had this connection to the things that you design and create
251
736464
3388
Mutta jos sinulla olisi tämä yhteys suunnittelemiisi ja tekemiisi asioihin
12:19
after they're out in the real world,
252
739876
1727
kun ne ovat oikeassa maailmassa,
12:21
after they've been sold or launched or whatever,
253
741627
3614
sen jälkeen kun ne on myyty tai tuotu markkinoille,
12:25
we could actually change that,
254
745265
1620
voisimme oikeasti muuttaa tämän,
12:26
and go from making people want our stuff,
255
746909
3047
ja siirtyäksemme suostuttelemasta ihmisiä ostamaan tuotteitamme,
12:29
to just making stuff that people want in the first place.
256
749980
3434
tekemään tavaroita, joita ihmiset haluavat ostaa.
12:33
The good news is, we're working on digital nervous systems
257
753438
2787
Hyvä uutinen on, että työskentelemme digitaalisen hermoston parissa
12:36
that connect us to the things we design.
258
756249
2801
joka yhdistää meidät luomiimme asioihin.
12:40
We're working on one project
259
760185
1627
Meillä on projekti,
12:41
with a couple of guys down in Los Angeles called the Bandito Brothers
260
761836
3712
kahden ihmisen kanssa Los Angelesissa, joita kutsutaan Bandito Brothers:iksi
12:45
and their team.
261
765572
1407
ja heidän tiiminsä kanssa.
12:47
And one of the things these guys do is build insane cars
262
767003
3433
Nämä tyypit suunnittelevat uskomattomia autoja
12:50
that do absolutely insane things.
263
770460
2873
jotka tekevät uskomattomia asioita.
12:54
These guys are crazy --
264
774725
1450
Nämä tyypit ovat hulluja --
12:56
(Laughter)
265
776199
1036
(Naurua)
12:57
in the best way.
266
777259
1403
parhaalla mahdollisella tavalla.
13:00
And what we're doing with them
267
780813
1763
Ja se mitä työstämme heidän kanssaan
13:02
is taking a traditional race-car chassis
268
782600
2440
on normaalista kilpa-autosta ottamamme runko
13:05
and giving it a nervous system.
269
785064
1585
jolle annamme hermoston.
13:06
So we instrumented it with dozens of sensors,
270
786673
3058
Asensimme siihen tusinoittain tunnistimia,
13:09
put a world-class driver behind the wheel,
271
789755
2635
laitoimme maailmanluokan kilpa-ajajan ratin taakse,
13:12
took it out to the desert and drove the hell out of it for a week.
272
792414
3357
veimme sen aavikolle, ja ajoimme siitä kumit puhki viikon ajan.
13:15
And the car's nervous system captured everything
273
795795
2491
Ja auton hermosto tallensi kaiken
13:18
that was happening to the car.
274
798310
1482
mitä autolle tapahtui.
13:19
We captured four billion data points;
275
799816
2621
Saimme miljardeittain data-arvoja;
13:22
all of the forces that it was subjected to.
276
802461
2310
kaikki voimat, joille auto altistui.
13:24
And then we did something crazy.
277
804795
1659
Ja sitten teimme jotain hullua.
13:27
We took all of that data,
278
807088
1500
Otimme tämän tiedon
13:28
and plugged it into a generative-design AI we call "Dreamcatcher."
279
808612
3736
ja syötimme sen generatiivisen suunnitteun tekoälyymme, Dreamcatcher:iin.
13:33
So what do get when you give a design tool a nervous system,
280
813090
3964
Miten käy kun antaa suunnittelutyökalulle hermoston,
13:37
and you ask it to build you the ultimate car chassis?
281
817078
2882
ja pyytää sitä rakentamaan sinulle parhaimman rungon autolle?
13:40
You get this.
282
820543
1973
Tämän.
13:44
This is something that a human could never have designed.
283
824113
3713
Tämä on jotain, mitä ihminen ei olisi ikinä voinut suunnitella.
13:48
Except a human did design this,
284
828527
1888
Paitsi että ihminen suunnitteli tämän,
13:50
but it was a human that was augmented by a generative-design AI,
285
830439
4309
mutta se oli ihminen, jota generatiivisen suunnittelun tekoäly oli augmentoinut,
13:54
a digital nervous system
286
834772
1231
digitaalinen hermosto,
13:56
and robots that can actually fabricate something like this.
287
836027
3005
ja robotit, jotka pystyivät oikeasti rakentamaan jotain tällaista.
13:59
So if this is the future, the Augmented Age,
288
839500
3595
Jos tämä on tulevaisuutta, Augmentaation aikakautta,
14:03
and we're going to be augmented cognitively, physically and perceptually,
289
843119
4261
ja me tulemme olemaan kognitiivisesti, fyysisesti ja havainnollisesti augmentoituja,
14:07
what will that look like?
290
847404
1408
miltä tuo tulee näyttämään?
14:09
What is this wonderland going to be like?
291
849396
3321
Miltä Ihmemaamme tulee näyttämään?
14:12
I think we're going to see a world
292
852741
1709
Luulen, että tulemme näkemään maailman,
14:14
where we're moving from things that are fabricated
293
854474
3068
jossa siirrymme asioista, jotka on rakennettu,
14:17
to things that are farmed.
294
857566
1445
asioihin, jotka on tuotettu.
14:19
Where we're moving from things that are constructed
295
859979
3453
Sellaiseen, missä siirrymme rakennetuista asioista
14:23
to that which is grown.
296
863456
1704
asioihin, jotka on kasvatettu.
14:25
We're going to move from being isolated
297
865954
2188
Siirrymme yksittäisyydestä
14:28
to being connected.
298
868166
1610
yhdistymiseen.
14:30
And we'll move away from extraction
299
870454
2411
Ja siirrymme poistamisesta
14:32
to embrace aggregation.
300
872889
1873
keräämiseen.
14:35
I also think we'll shift from craving obedience from our things
301
875787
3767
Luulen myös, että siirrymme haluamasta laitteiltamme tottelevuutta
14:39
to valuing autonomy.
302
879578
1641
arvostamaan autonomiaa.
14:42
Thanks to our augmented capabilities,
303
882330
1905
Kiitos augmentoitujen kykyjemme,
14:44
our world is going to change dramatically.
304
884259
2377
maailmamme tulee muuttumaan dramaattisesti.
14:47
We're going to have a world with more variety, more connectedness,
305
887396
3246
Tulemme saaamaan uuden maailman, jossa on enemmän vaihtelua, yhdistymistä,
14:50
more dynamism, more complexity,
306
890666
2287
dynaamisuutta ja monimutkaisuutta,
14:52
more adaptability and, of course,
307
892977
2318
sopeutumista ja tietenkin
14:55
more beauty.
308
895319
1217
kauneutta.
14:57
The shape of things to come
309
897051
1564
Tulevien asioiden muoto
14:58
will be unlike anything we've ever seen before.
310
898639
2290
tulee olemaan jotain mitä emme ole ennen nähneet.
15:00
Why?
311
900953
1159
Miksi?
15:02
Because what will be shaping those things is this new partnership
312
902136
3755
Koska nuo asiat muotoilee uusi parisuhde
15:05
between technology, nature and humanity.
313
905915
3670
teknologian, luonnon ja ihmisen välillä.
15:11
That, to me, is a future well worth looking forward to.
314
911099
3804
Se on minulle tulevaisuus, jota kannattaa odottaa.
15:14
Thank you all so much.
315
914927
1271
Kiitos kaikille.
15:16
(Applause)
316
916222
5669
(Aplodeja)
Tietoja tästä verkkosivustosta

Tällä sivustolla esitellään YouTube-videoita, jotka ovat hyödyllisiä englannin oppimisessa. Näet englannin oppitunteja, joita opettavat huippuluokan opettajat ympäri maailmaa. Kaksoisnapsauta kullakin videosivulla näkyvää englanninkielistä tekstitystä, niin voit toistaa videon sieltä. Tekstitykset vierivät synkronoidusti videon toiston kanssa. Jos sinulla on kommentteja tai toiveita, ota meihin yhteyttä käyttämällä tätä yhteydenottolomaketta.

https://forms.gle/WvT1wiN1qDtmnspy7