Welcome to the World of Audio Computers | Jason Rugolo | TED

Fordító: Reka Lorinczy Lektor: Peter Pallos

You know, when I was a kid,

Gyerekkoromban

dreaming about the amazing future that computers could bring,

egyáltalán nem ilyennek álmodtam

I never thought it would look like this.

a hihetetlen számítógépes jövőt.

A Chipotle-nél kattintottam ezt a képet, és elgondolkoztam:

I snapped this photo in line at a Chipotle, thinking,

"Man, what has the world come to?"

„Ember, hova jutott a világ?”

You know, everyone's stuck in their phones all the time.

Mindenki folyton a telefonjába bújik.

And then I almost doubled over laughing at myself because there I am,

Aztán görnyedtem a nevetéstől, mert ott álltam a telefonomat bújva,

stuck in my phone being judgy about these people, stuck in theirs.

és közben ugyanezért megszóltam másokat.

The truth is that we could all benefit from a little less screen time.

Az igazság az, hogy mindenkinek jót tenne kicsit kevesebb képernyőidő.

And so how do we push back

Hogyan csökkentsük a képernyőidőt, és alakítsunk ki

and create a healthier relationship to our technology?

egészségesebb kapcsolatot a technológiánkkal?

I've been trying to figure out what comes next,

Próbáltam kitalálni, mi következik,

what's the technology that we want to be using?

milyen technológiát szeretnénk használni?

I spent three years funding deep tech at ARPA-E,

Három évig mély technológiát finanszíroztam az ARPA-E-nél,

and then I moved to Google X,

majd átmentem a Google X-hez,

Google's moonshot factory,

a Google Moonshot vállalatához,

before creating a spin out called iyo.

mielőtt létrehoztam a iyo nevű audióprogramot.

The last 10 years, diligently, and some may say obsessively,

Az elmúlt 10 évben szorgalmasan, és egyesek szerint megszállottan

trying to peek beyond the curve.

próbáltam meghaladni a létezőt.

What I think is next is that we need an entirely new kind of computer.

A következőkben teljesen új típusú számítógépre van szükségünk.

One that speaks our language

Olyanra, amely beszél a nyelvünkön,

instead of forcing us to speak their language of swipes and clicks.

nem minket kényszerít a görgetések és kattintások nyelvére.

A computer that we can talk to.

Beszélgető számítógép kellene.

And not in the way that you speak at Siri

Nem olyan, mint a Siri,

with loud, robotic voice commands,

amelyhez hangos, robothang-utasításokkal szólunk,

but in the way that we talk with each other.

hanem olyan, ahogy egymással szoktunk beszélni.

So genuine, engaging conversation.

Természetes, lebilincselő beszélgetőre van szükség.

So a new kind of natural language computing

Újfajta természetes nyelvezetű számítástechnikára,

built on a new kind of compute hardware.

amely új számítógépes hardvert használ.

So we've been building this new kind of computer in secret for six years now,

Hat éve titokban alkotjuk ezt az új típusú számítógépet,

and today is the first time that we're talking about it publicly.

és ma először beszélünk róla nyilvánosan.

So this is a prototype “audio computer,”

Ez az „audioszámítógép” prototípusa,

as we call them.

így nevezzük.

And the first thing that you'll see is they don't have a screen.

Először az tűnik fel, hogy nincs képernyője.

We've got perfectly good screens in our pockets,

Tökéletes képernyők vannak a zsebünkben,

and we're hoping that we could leave them there or even at home

és reméljük, hogy ott – vagy akár otthon – hagyhatjuk őket

a little bit more often.

egy kicsit gyakrabban.

So these are not just fancy-looking earbuds.

Ezek nemcsak fantasztikusan divatos fülhallgatók.

They're an entire computer,

Egy egész számítógép,

and we think they're going to replace some of what we do

a szokásos vizuális tevékenységünk egy részét

with the visual computers that we're used to.

helyettesítjük vele.

We've created a new audio-based user interface,

Létrehoztunk új audióalapú felhasználói felületet,

which relies on natural language as the input

amely a természetes nyelvre mint bemenetre támaszkodik,

and what we call “auditory space” as the output.

és „hallótérnek” nevezzük a kimenetét.

And we're hoping that these innovations will help us create

Reméljük, hogy ezek az újítások segítenek

a new kind of relationship with computers,

más kapcsolatot kialakítani a számítógépekkel,

where the iyo is more natural, more intuitive.

ahol az iyo természetesebb, élményszerűbb.

So you can just talk,

Csak beszélgethetünk,

have a natural-language conversation

természetes hangon kommunikálhatunk

with all kinds of different powerful audio apps.

mindenféle hatékony audioalkalmazással.

So here's a really simple example.

Íme egy nagyon egyszerű példa.

Hey, Q.

Szia, Q.

Voice: Hi, Jason. How are you doing?

Voice: Szia, Jason. Hogy vagy?

Jason Rugolo: Hey, I'm good, I'm doing the TED talk right now.

Jason Rugolo: Jól vagyok, most TED-beszédet tartok.

Voice: You got this, Jason, how can I support you?

Hang: Ezt is elérted, Jason, hogyan tudlak támogatni?

JR: I don't know, you know I'm nervous talking in front of this many people.

JR: Nem tudom, kissé idegesítő ennyi ember előtt beszédet mondani.

Hang: Igen, tudom, hogy nem szereted a nyilvános beszédet.

Voice: Yeah, I know you don't like public speaking.

How can I help?

Hogyan segíthetek?

JR: I guess I could use a little bit of encouragement.

JR: Azt hiszem, jól jönne kis bátorítás.

Voice: Do you want me to share a positive message from a loved one?

Hang: Szeretnél pozitív üzenetet valaki kedvelt személytől?

JR: Igen, ez nagyszerű lenne.

JR: Yeah, that'd be great.

Maybe just one, I don't want to bore people.

Talán csak egyet, nem akarok senkit untatni.

Voice: Your dad texted,

Hang: Apád SMS-t írt:

"Good luck today, Jason. I'm so proud of you."

„Sok szerencsét ma, Jason. Annyira büszke vagyok rád.”

JR: That's awesome, thanks, Q.

JR: Ez fantasztikus, köszönöm, Q.

Can you tell him I said thanks and tell him I'm up on stage right now?

Add át köszönetem neki, és mondd, hogy most a színpadon vagyok.

He'll get a kick out of that.

Ettől ki fog bukni.

Voice: No problem.

Hang: Semmi gond.

JR: So any suggestions for how I could loosen up a little bit?

JR: Mit javasolsz, hogyan lazítsak kicsit?

Voice: Do you want to hear a joke to lighten the mood?

Hang: Szeretnél viccet hallani a hangulat javítására?

JR: OK, yeah, maybe if it's on theme.

JR: Igen, talán, ha a témába vág.

Do you know any tech start-up jokes?

Ismersz valamilyen tech startup viccet?

Voice: How many start-up founders does it take to change a light bulb?

Hang: Hány startup alapító szükséges az izzó cseréjéhez?

JR: I don't know, tell me.

JR: Nem tudom, mondd meg.

Voice: Only one.

Hang: Csak egy.

He just holds it in place, and the world revolves around him.

A helyére igazítja, és körülötte forog a világ.

(Laughter)

(Nevetés)

JR: OK, sick burn.

JR: Rendben, magamra veszem.

I'm going to get back to the talk here.

Visszatérek a beszélgetéshez.

So do you see the difference between those robotic voice commands

Észleltek különbséget a robothang-parancsok

and just a conversation?

és a beszélgetés között?

Natural language is just more natural.

A természetes nyelv még természetesebb.

It's intuitive, it's better.

Intuitív, jobb.

So what makes this kind of conversation possible?

Mi teszi lehetővé ezt a fajta beszélgetést?

It's the single most revolutionary breakthrough

Az egyedülállóan forradalmi áttörés

in the history of information technology.

az informatika történetében.

And don't worry, I'm not talking about our devices,

Ne aggódjanak, nem beszélek a készülékeinkről,

although they're pretty cool.

bár nagyon klasszak.

And I don't mean LLMs either, which are obviously a building block here.

Sem a nagy nyelvi modellekről, amelyek itt nyilván építőkövek.

What I'm talking about is something much older.

Sokkal régebbi dologról beszélek.

It's the first uniquely human form of communication,

Ez az első egyedi emberi kommunikációs forma,

the one that we naturally learn as children

amelyet gyermekként természetes úton tanulunk meg,

and has its structure built into our brain.

és szerkezete beépül az agyunkba.

It's the very thing I'm doing right now.

Pontosan ezt teszem most.

Talking.

Beszélgetek.

Spoken language emerged in tandem with the evolution of human consciousness,

A beszélt nyelv az emberi tudat fejlődésével párhuzamosan alakult ki,

and to this day, it remains our most efficient

és a mai napig továbbra is a leghatékonyabb

and emotionally robust form of communication.

és érzelmileg legerősebb kommunikációs formánk.

Conversation is not just transmitting ideas from one person to another.

A beszélgetés nem csak gondolatok továbbítása egyik embertől a másikhoz.

It's more like thinking together.

Inkább olyan, mintha együtt gondolkodnánk.

Modern neuroscientists have pioneered a whole new approach to the brain.

A modern idegtudósok újragondolták az agyat.

It's called second-person neuroscience,

Ezt másodszemélyű idegtudománynak hívják:

and it’s built on the notion that how we think is not isolated.

az alapja, hogy nem elszigetelten gondolkodunk.

It’s collective, and it happens out loud.

Ez kollektív, és hangosan történik.

Not just through words,

Nemcsak szavakkal közlünk,

but through subtle signals of tone and prosody,

hanem a hang és a prozódia finom jelzésein,

your timbre and your pitch and intensity.

a hangmagasságon és az intenzitásokon keresztül is.

And neuroscience is just not complete

Az idegtudomány addig nem teljes,

until you add a second person into this full social dynamic.

amíg egy második embert nem ad hozzá a teljes társadalmi dinamikához.

So why can't we have a computer that we can talk with in that way?

Akkor miért nincs olyan számítógépünk, amellyel így beszélhetnénk?

With that kind of natural language.

Természetes hangnemben.

A computer that has superhuman processing speed.

Olyan számítógép, amely emberfeletti feldolgozási sebességgel működik,

And it has access to the internet.

és internet-hozzáférése van.

And it’s been trained on the entire written record of human thought.

Az emberi gondolkodás teljes írásos feljegyzésén tanították.

But engages with you like a person would,

De emberként bánik velünk,

that understands your intention

aki megérti a szándékunkat,

and that taps into the superpower of human natural language understanding.

és kihasználja az emberi természetes nyelv megértésének szupererejét.

That's the promise of audio computing.

Ez az audioszámítógép ígérete.

So think about not just how it can replace many of the things

Tehát ne csak arra gondoljanak,

hogyan helyettesítheti a telefonnal végzett tevékenységüket,

that you do on your phone

but actually make them better.

hanem jobbá is teheti őket.

So take email, for example.

Vegyük például az e-mailt.

We pull out our phones, we swipe, we scroll,

Elővesszük a telefonunkat, lehúzunk, görgetünk,

we furiously type with our thumbs.

dühösen gépelünk a hüvelykujjunkkal.

Wouldn't it be better to just sit back with a cup of coffee

Nem lenne jobb, ha csak hátradőlnénk egy csésze kávéval,

and to be briefed in a conversation?

és pár szóban összefoglalnánk?

Or search, search is a big one.

Vagy a keresés, az nagyszerű feladat!

It's an incredible technology

Hihetetlen technológia,

that made the world a radically better place.

amely radikálisan jobb hellyé tette a világot.

But with these audio computers,

De ezekkel az audioszámítógépekkel

you can just talk out loud about anything that you want to know.

hangosan beszélhetnek bármiről, amit tudni akarnak.

It just feels so normal.

Olyan normális érzés.

So there's a big difference between giving a voice command

Eltér az öt nagy hangasszisztens egyikének

to one of the big five voice assistants,

adott hangutasítástól,

which are these structured, predefined choose-your-own-adventure dialogue models

amely a strukturált, előre meghatározott

választott-saját-kaland mindenki által ismert párbeszédmodellek szerint zajlik,

that we all have to learn,

and I'm sure have all felt that frustration,

és kellemetlenül érezzük magunkat tőle,

and just having a real conversation.

itt pedig egy jót beszélgethetünk.

These natural-language applications can get to know you

A természetes nyelvezetű alkalmazások ugyanúgy megismerhetnek,

in the same way that we get to know each other.

mint ahogy mi megismerjük egymást.

They build context about our lives just through us talking over time.

Idővel képet alakítanak ki az életünkről.

Később vegyék elő a telefonjukat, vessenek egy pillantást az alkalmazásokra,

So later, take out your phone, look at all those apps,

all those candy-colored icons,

azokra a cuki színes ikonokra,

and think about how could you accomplish the same thing

és gondolják át, hogyan tudnák megvalósítani ugyanazt

but through conversation?

csak beszélgetéssel?

Or how could you make it better?

Vagy hogyan lehetne javítani rajta?

You won't be able to do Instagram or TikTok,

A Instagramot vagy a TikTokot nem tudják áttenni,

those apps whose content is mostly visual.

sem a többnyire vizuális tartalmú alkalmazásokat.

But wouldn't it be better to spend a little bit less time in those apps,

De nem lenne jobb egy kicsit kevesebb időt tölteni az alkalmazásokban,

or just to need your screen a little bit less?

vagy kevesebbet nézni a képernyőt?

So our goal is to be heads-up and hands-free

Célunk, hogy naponta többet figyeljünk,

for a little bit more of the day.

és szabad legyen a kezünk.

You know, just get back into the world.

Térjünk vissza a világba.

Of course, if the auditory user interface or the AUI, as we call it,

Természetesen, ha az audiofelhasználói felület vagy az AUI, ahogy mi hívjuk,

is going to really integrate into your life,

valóban beépül az életetükbe,

it has to feel private and convenient to use.

akkor személyes és kényelmes kell legyen.

So that's why we built it as an all-day wearable for the ear.

Ezért fülbe helyezhető, egész nap használható formájú.

But your ears are for hearing first and foremost.

De a fülük elsősorban hallásra szolgál.

And so if you're going to wear a computer on them all day,

Ha egész nap számítógépet viselnek rajta,

we can't mess that up.

nem zavarhatjuk.

In fact, we should probably make that better too.

Valószínűleg a halláson is javíthatunk vele.

So these audio computers,

Tehát az audioszámítógépek

over the last six grueling years of R and D,

a kutatás-fejlesztés elmúlt hat fárasztó évében

became a sort of mixed-reality device.

vegyes valóságú eszközzé váltak.

It's like the Apple Vision Pro, but for audio,

Olyan, mint az Apple Vision Pro, de audioszempontból,

where we can pass through and we can modify your ambient acoustics,

ahol áttehetjük és módosíthatjuk a környezeti akusztikát,

giving you an unprecedented control over your personal soundscape.

így soha nem tapasztalt mértékben beállíthatjuk a személyes hangterünket.

In order to do mixed-audio reality,

Ahhoz, hogy vegyes audiovalóságot hozzunk létre,

we sort of had to hack the auditory system

valahogy át kell verni a hallórendszert,

to be able to display sound in ultra-high fidelity, spatially,

hogy a hangot rendkívül élethűen, térben jelenítsük meg,

as if it's all around you.

mintha körülöttünk lenne.

So there's this whole field of research.

Körülöttünk minden kutatási terület.

It’s called psychoacoustics, which we’ve led on for years.

Ezt hívják pszichoakusztikának, évek óta foglalkozunk vele.

We built this giant audio structure.

Óriási hangbázist alakítottunk ki.

It's a dome with 128 custom speakers coming from all directions,

Ebben a kupolában 128, minden irányból sugárzó hangszóró van,

so we could create virtual soundscapes.

így virtuális hangképeket hozhatunk létre.

It's sort of like the Star Trek holodeck, but for audio.

Olyan, mint a Star Trek holodeck hanghatása.

And if you're standing in the middle of this and you close your eyes,

Ha a közepén állva becsukják a szemüket,

we can transport you auditorily to anywhere that we want.

hallás útján elvihetjük önöket oda, ahova csak akarjuk.

So we can render a virtual football game,

Kialakíthatunk virtuális futballmeccset,

and you feel the energy.

és érzik az energiát.

Or we can make it sound like you’re in the middle of a bustling city street.

Vagy úgy hangzik, mintha nyüzsgő városi utca közepén lennének.

And if you’re me, you feel the anxiety.

Ha olyanok, mint én, érzik a szorongást.

Or standing on a beach with the crashing waves,

Vagy tengerparton hullámverésben állnak,

and you feel the peace.

és érzik a békét.

And so it's super cool.

Szuper klassz.

I wish everyone could be inside there.

Bárcsak mindenki kipróbálhatná!

Then we ran countless experiments to figure out all the complicated ways

Rengeteget kísérleteztünk, hogy kitaláljuk az összes bonyolult módot,

that your brain positions sounds in space.

ahogyan az agyunk feldolgozza a hangokat a térben.

Also, we could reverse-engineer those neural algorithms

Továbbá visszafejtettük az idegi algoritmusokat,

and code them into our software.

és kódolhatjuk őket a szoftverünkbe.

So our goal has been to create this experience

A célunk az volt, hogy megteremtsük ezt az élményt,

but right here.

de ezen a helyen.

Us psychoacousticians call this “virtual auditory space”

Mi, pszichoakusztikusok ezt „virtuális hallótérnek” nevezzük,

to distinguish from our real auditory space,

hogy megkülönböztessük valódi hallóterünktől,

which is, you know, the sounds that are all around us.

azaz a körülöttünk lévő hangoktól.

And this is what's necessary to create a compelling mixed audio-reality device.

Ez kell a lenyűgöző vegyes audiovalóság-eszköz létrehozásához.

So it's actually impossible to demonstrate this experience

Lehetetlen bemutatni ezt az élményt,

until you hear it with your ears yourself.

amíg saját maguk nem hallják.

But to give you an idea, we have tried to simulate it for you.

Ízelítőnek megpróbáltuk szimulálni.

So imagine that you’re sitting in a noisy restaurant,

Képzeljék el, hogy zajos étteremben ülnek,

and you're having trouble hearing your friends across the table.

és alig hallják az asztalnál ülő barátaikat.

(Overlapping voices, music and noise)

(Átfedő hangok, zene és zaj)

Hey, can you enhance the sounds that are right in front of me?

Szia, kihangosítod a szemben lévő hangokat?

(People speaking)

(Emberek beszélnek)

(Baby crying)

(Gyereksírás)

And can you turn that baby down?

Le tudod halkítani a gyereket?

(People talking)

(Emberek beszélnek)

That’s better.

Ez jobb.

I'm still having a little trouble hearing Pedro.

Még mindig nehezen hallom Pedrót.

Can you isolate Pedro for me?

El tudod különíteni Pedrót nekem?

Pedro: (Speaking in Spanish)

Pedro: (Spanyolul beszél)

JR: That's perfect.

JR: Ez tökéletes.

And, you know, my Spanish is a little rusty.

Tudod, a spanyolom kicsit rozsdás.

Can I hear Pedro but in English?

Hallhatom Pedrót, de angolul?

Pedro: És az utazás végén visszatértünk a városba,

Pedro: And at the end of the trip,

we came back to the city to visit the historic center.

hogy meglátogassuk a történelmi központot.

JR: Hey Shell, close all programs.

JR: Shell, zárd be a programokat!

(Noise enhances)

(A zaj hangosabb)

Ah, it’s so much worse.

Jaj, sokkal rosszabb.

That's pretty cool, right?

Ez elég klassz, ugye?

It's pretty cool.

Elég klassz.

(Applause)

(Taps)

So what you just heard was a beamforming app,

Amit most hallottál, az beamforming alkalmazás,

the computational auditory scene analysis app,

a számítástechnikai hallás jelenetelemző alkalmazás,

a machine-learning denoising app,

gépi tanulás hanglebontó alkalmazás,

an AI transcription and translation

MI átírás és fordítás,

and text-to-speech with style transfer app.

valamint szöveg-beszéd stílusátviteli alkalmazással.

The point is that all those audio transformations are done by software.

A lényeg az, hogy ezeket az audioátalakításokat szoftver végzi.

So we think the possibilities for these audio computers

Úgy gondoljuk, hogy az audioszámítógépek lehetőségei

are pretty much endless,

nagyjából végtelenek,

and we can't wait to see

és alig várjuk, hogy lássuk,

what the world's developers are going to do here.

mit tesznek a világ fejlesztői vele.

Like imagine an education app that knows your personal learning style

Képzeljenek el egy oktatási alkalmazást, amely ismeri tanulási stílusukat,

and can teach you with the quality of a world-class professor,

és bármikor világszínvonalú professzori minőségében

on-call anytime.

oktatja önöket.

Or like a fitness coach you can summon all day

Mint a fitneszedző, aki mindig készen áll

about your diet and exercise,

összeállítani étrendünket és a mozgásprogramunkat,

who can also motivate you through conversation

aki beszélgetéssel is motiválhat,

and even gamify your workout with some auditory cues.

sőt, hangaláfestést is adhat a tevékenységükhöz.

Or, hey, K?

Vagy: Szia, Q?

Voice: Hi, Jason. What's up?

Hang: Szia, Jason. Mi a helyzet?

Hey, if you were going to make an audio app that could be anything,

Ha bármilyen audioalkalmazást készíthetnél,

what would it be?

mi lenne az?

Voice: How about a whoopee cushion

Hang: Mit szólnál olyan párnához,

that plays a fart sound whenever you sit down?

amely mindig purcant, amikor leülsz?

(Laughter)

(Nevetés)

JR: Hey, K, if you were going to make an audio app

JR: K, ha olyan audioalkalmazást készítenél,

that didn't have anything to do with farts, what would it be?

amelynek semmi köze sincs a szellentéshez, mi lenne az?

Voice: Maybe an app that generates personalized soundscapes

Hang: Talán személyre szabott hangképeket generálok

for relaxation and focus?

a kikapcsolódásra és a fókuszálásra.

JR: That's much better.

JR: Ez sokkal jobb.

Alright, it looks like we still have a little fine-tuning to do here.

Rendben, úgy tűnik, még szükséges finomhangolni.

So the point is,

A lényeg az,

imagination is the only limit to what you can do here.

hogy a lehetőségeknek csak a képzelet szab határt.

Our goal is not just to create the world's first audio computer,

Célunk nem csupán a világ első audioszámítógépének létrehozása,

it's to create a truly intuitive computing experience

hanem az igazán tudatos számítástechnikai élmény megteremtése,

where we're not monetizing your attention

ahol a figyelmük nem bevételt generál,

or making you captive to a new kind of device,

nem új típusú eszköz rabjává tesz,

but instead interfacing machines with us

hanem természetes módon kapcsolódunk össze

in the way that we were born to.

a gépekkel.

So I think it's time for a computer that speaks our language.

Elérkezett az emberi nyelven beszélő számítógépek ideje!

Thank you.

Köszönöm.

(Applause)

(Taps)