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

63,288 views ・ 2012-07-11

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

00:00
Translator: Morton Bast Reviewer: Thu-Huong Ha
0
0
7000
Fordító: Csaba Lóki Lektor: Anna Patai
00:15
So, how many of you have ever
1
15766
1407
Hányan vannak önök között, akik
00:17
gotten behind the wheel of a car
2
17173
1655
egy kocsi volánja mögé ültek,
00:18
when you really shouldn't have been driving?
3
18828
5687
amikor nem igazán kellett volna ezt tenniük.
00:24
Maybe you're out on the road for a long day,
4
24515
1905
Meglehet, hogy egy hosszú nap állt önök mögött
00:26
and you just wanted to get home.
5
26420
1490
és mindössze haza akartak jutni.
00:27
You were tired, but you felt you could drive a few more miles.
6
27910
2647
Fáradtak voltak, de úgy érezték, hogy képesek még pár mérföldet vezetni.
00:30
Maybe you thought,
7
30557
1199
Talán azt gondolták:
00:31
I've had less to drink than everybody else,
8
31756
2017
"Kevesebbet ittam, mint a többiek,
00:33
I should be the one to go home.
9
33773
1736
nekem kéne vezetnem hazáig."
00:35
Or maybe your mind was just entirely elsewhere.
10
35509
4591
Vagy egyszerűen csak egész máshol járt az eszük.
00:40
Does this sound familiar to you?
11
40100
1454
Ismerősen hangzik ez önöknek?
00:41
Now, in those situations, wouldn't it be great
12
41554
2898
Hát nem lenne remek ilyen helyzetekben,
00:44
if there was a button on your dashboard
13
44452
1593
ha volna egy nyomógomb a műszerfalon,
00:46
that you could push, and the car would get you home safely?
14
46045
6343
amit megnyomva a kocsi biztonságosan hazavinné önöket?
00:52
Now, that's been the promise of the self-driving car,
15
52388
2293
Nos, ez volt az önmagát vezető autó ötlete,
00:54
the autonomous vehicle, and it's been the dream
16
54681
2627
ez az autonóm jármű, amiről már legalább
00:57
since at least 1939, when General Motors showcased
17
57308
3249
1939 óta álmodunk, amikor is a General Motors bemutatta
01:00
this idea at their Futurama booth at the World's Fair.
18
60557
3302
ezt az ötletet a Futurama standján a Világkiállításon.
01:03
Now, it's been one of those dreams
19
63859
1943
Nos, ez egyike azoknak az álmoknak,
01:05
that's always seemed about 20 years in the future.
20
65802
4214
amelyektől mindig 20 évnyi távolságra voltunk.
01:10
Now, two weeks ago, that dream took a step forward,
21
70016
2683
Most viszont, két héttel ezelőtt az álom egy lépéssel közelebb került hozzánk,
01:12
when the state of Nevada granted Google's self-driving car
22
72699
3265
amikor Nevada állam kiadta a Google önmagát vezető autójának
01:15
the very first license for an autonomous vehicle,
23
75964
3600
a legelső, autonóm járműnek járó forgalmi engedélyt,
01:19
clearly establishing that it's legal for them
24
79564
2245
engedélyezve ezzel, hogy legálisan
01:21
to test it on the roads in Nevada.
25
81809
1810
tesztelhessék Nevada útjain.
01:23
Now, California's considering similar legislation,
26
83619
3727
Már Kalifornia is tervezi hasonló szabályozás bevezetését,
01:27
and this would make sure that the autonomous car
27
87346
2408
és ezzel bizonyossá válik, hogy az autonóm jármű
01:29
is not one of those things that has to stay in Vegas.
28
89754
2977
nem olyan dolog, aminek Vegasban kell maradnia.
01:32
(Laughter)
29
92731
2096
(Nevetés)
01:34
Now, in my lab at Stanford, we've been working on
30
94827
3784
Stanford-i laboratóriumunkban mi is
01:38
autonomous cars too, but with a slightly different spin
31
98611
3487
autonóm járműveken dolgozunk, ám egy kicsit más
01:42
on things. You see, we've been developing robotic race cars,
32
102098
4248
megközelítésből. Mi ugyanis robotvezérlésű versenyautókat fejlesztünk,
01:46
cars that can actually push themselves to the very limits
33
106346
4120
olyan autókat, amelyek a fizikai teljesítmény
01:50
of physical performance.
34
110466
2240
határait feszegetik.
01:52
Now, why would we want to do such a thing?
35
112706
2613
De hét miért is akarunk ilyen dolgokat csinálni?
01:55
Well, there's two really good reasons for this.
36
115319
2100
Nos, ennek két nagyon jó oka van.
01:57
First, we believe that before people turn over control
37
117419
3959
Először is hisszük, hogy mielőtt az ember átadná a kormányt
02:01
to an autonomous car, that autonomous car should be
38
121378
2834
egy autonóm járműnek, ennek a járműnek
02:04
at least as good as the very best human drivers.
39
124212
3254
legalább olyan jónak kell lennie, mint a legjobb emberi sofőr.
02:07
Now, if you're like me, and the other 70 percent of the population
40
127466
3305
Ha pedig önök hozzám - és a népesség 70 százalékához - hasonlóan
02:10
who know that we are above-average drivers,
41
130771
2193
átlagosnál jobb autóvezetőnek tartják magukat,
02:12
you understand that's a very high bar.
42
132964
3175
akkor megértik, hogy elég magasra tettük a lécet.
02:16
There's another reason as well.
43
136139
2392
Van azonban egy másik ok is.
02:18
Just like race car drivers can use all of the friction
44
138531
3576
Ahogy egy autóversenyző képes kihasználni a teljes súrlódást
02:22
between the tire and the road,
45
142107
1280
a gumi és az úttest között,
02:23
all of the car's capabilities to go as fast as possible,
46
143387
3177
és az autó minden képességét a lehető leggyorsabb haladás érdekében,
02:26
we want to use all of those capabilities to avoid
47
146564
3345
úgy akarjuk mi az összes lehetőséget kihasználni
02:29
any accident we can.
48
149909
1588
hogy elkerüljük a baleseteket.
02:31
Now, you may push the car to the limits
49
151497
2050
Az autó nem csak azért érheti el a korlátait,
02:33
not because you're driving too fast,
50
153547
1967
mert túl gyorsan vezetünk,
02:35
but because you've hit an icy patch of road,
51
155514
2160
hanem mert például egy jeges útszakaszra fut,
02:37
conditions have changed.
52
157674
1704
ahol mások a feltételek.
02:39
In those situations, we want a car
53
159378
2761
Az ilyen helyzetekben azt akarjuk,
02:42
that is capable enough to avoid any accident
54
162139
3720
hogy az autó képes legyen elkerülni minden balesetet,
02:45
that can physically be avoided.
55
165859
2678
ami fizikailag elkerülhető.
02:48
I must confess, there's kind of a third motivation as well.
56
168537
4267
Be kell vallanom, hogy van egy harmadik motivációnk is.
02:52
You see, I have a passion for racing.
57
172804
2256
Imádom az autóversenyzést.
02:55
In the past, I've been a race car owner,
58
175060
2764
Régebben voltam versenyautó tulajdonos,
02:57
a crew chief and a driving coach,
59
177824
2555
csapatfőnök, vezetés oktató,
03:00
although maybe not at the level that you're currently expecting.
60
180379
3855
bár valószínűleg nem voltam azon a szinten, ahogy azt most önök elvárnák.
03:04
One of the things that we've developed in the lab --
61
184234
2704
Az egyik dolog, amit kifejlesztettünk a laborban --
03:06
we've developed several vehicles --
62
186938
1704
több járművet is kifejlesztettünk --
03:08
is what we believe is the world's first
63
188642
2235
az, amiről azt hisszük, hogy a világ első
03:10
autonomously drifting car.
64
190877
2365
önállóan driftelő autója lesz.
03:13
It's another one of those categories
65
193242
2513
Ez egy másik olyan kategória,
03:15
where maybe there's not a lot of competition.
66
195755
2423
ahol valószínűleg nincs nagy verseny.
03:18
(Laughter)
67
198178
1408
(Nevetés)
03:19
But this is P1. It's an entirely student-built electric vehicle,
68
199586
3822
De ez a P1-es. Egy teljes egészében a hallgatók által épített elektromos jármű,
03:23
which through using its rear-wheel drive
69
203408
2078
ami hátsókerék-hajtása
03:25
and front-wheel steer-by-wire
70
205486
1565
és elektronikusan kormányzott első kerekei lévén
03:27
can drift around corners.
71
207051
2067
képes driftelve bevenni a kanyarokat.
03:29
It can get sideways like a rally car driver,
72
209118
2200
Képes oldalirányban csúszni, mint egy raliversenyző,
03:31
always able to take the tightest curve,
73
211318
1715
és képes mindig a legszűkebb ívet használni,
03:33
even on slippery, changing surfaces,
74
213033
3304
még csúszós, változó felületeken is,
03:36
never spinning out.
75
216337
1616
anélkül, hogy kisodródna.
03:37
We've also worked with Volkswagen Oracle,
76
217953
2368
Dolgoztunk a Volkswagen Oracle-lel is,
03:40
on Shelley, an autonomous race car that has raced
77
220321
3424
Shelley-n, egy autonóm versenyautón, ami
03:43
at 150 miles an hour through the Bonneville Salt Flats,
78
223745
3070
240 km/h sebességgel versenyzett a Bonneville Salt Flats-en keresztül,
03:46
gone around Thunderhill Raceway Park in the sun,
79
226815
4471
körözött a Thunderhill Raceway Park-ban napsütésben,
03:51
the wind and the rain,
80
231286
2639
szélben és esőben,
03:53
and navigated the 153 turns and 12.4 miles
81
233925
5018
és végignavigált 153 kanyart és 20 kilométert
03:58
of the Pikes Peak Hill Climb route
82
238943
1562
a Pikes Peak Hill Climb szerpentinen
04:00
in Colorado with nobody at the wheel.
83
240505
3473
Colorado-ban, sofőr nélkül.
04:03
(Laughter)
84
243978
1448
(Nevetés)
04:05
(Applause)
85
245426
5566
(Taps)
04:10
I guess it goes without saying that we've had a lot of fun
86
250992
3279
Azt hiszem, mondanom sem kell, hogy rettenetesen jól szórakoztunk
04:14
doing this.
87
254271
1304
mindeközben.
04:15
But in fact, there's something else that we've developed
88
255575
3657
Valójában azonban valami mást is kifejlesztettünk
04:19
in the process of developing these autonomous cars.
89
259232
3055
ezeknek az autonóm autóknak a fejlesztése során.
04:22
We have developed a tremendous appreciation
90
262287
3871
Megtanultuk nagyon csodálni
04:26
for the capabilities of human race car drivers.
91
266158
3817
az emberi autóversenyzőket.
04:29
As we've looked at the question of how well do these cars perform,
92
269975
4345
Miközben ezeknek a kocsiknak a teljesítményét vizsgáltuk,
04:34
we wanted to compare them to our human counterparts.
93
274320
3279
össze akartuk hasonlítani őket emberi megfelelőjükkel.
04:37
And we discovered their human counterparts are amazing.
94
277599
5680
És e közben rájöttünk, hogy az emberi megfelelőik lenyűgözőek.
04:43
Now, we can take a map of a race track,
95
283279
4023
Tudunk térképet készíteni a versenypályáról,
04:47
we can take a mathematical model of a car,
96
287302
2370
el tudjuk készíteni a kocsi matematikai modelljét,
04:49
and with some iteration, we can actually find
97
289672
2903
néhány iterációval meg tudjuk találni
04:52
the fastest way around that track.
98
292575
1625
a leggyorsabb utat a pályán.
04:54
We line that up with data that we record
99
294200
2533
Ezeket az adatokat aztán összevetettük azokkal, amelyeket
04:56
from a professional driver,
100
296733
1433
profi autóversenyzőktől gyűjtöttünk,
04:58
and the resemblance is absolutely remarkable.
101
298166
4107
és a hasonlóság rendkívül figyelemreméltó.
05:02
Yes, there are subtle differences here,
102
302273
3212
Vannak persze kis eltérések is itt,
05:05
but the human race car driver is able to go out
103
305485
3127
ám az emberi autóversenyző képes rá,
05:08
and drive an amazingly fast line,
104
308612
2335
hogy egy fantasztikusan gyors kört fusson
05:10
without the benefit of an algorithm that compares
105
310947
2330
anélkül, hogy egy olyan algoritmusra támaszkodna, ami optimalizál
05:13
the trade-off between going as fast as possible
106
313277
2608
a lehető leggyorsabb haladás között
05:15
in this corner, and shaving a little bit of time
107
315885
2037
az egyik ponton, és egy kis idő lecsípése
05:17
off of the straight over here.
108
317922
1902
között a másikon.
05:19
Not only that, they're able to do it lap
109
319824
3457
És mindezek mellett, képesek rá, hogy ezt
05:23
after lap after lap.
110
323281
2375
körről-körre megismételjék.
05:25
They're able to go out and consistently do this,
111
325656
2912
Képesek rá, hogy ezt kitartóan csinálják,
05:28
pushing the car to the limits every single time.
112
328568
4128
miközben a kocsit folyamatosan a határon vezetik.
05:32
It's extraordinary to watch.
113
332696
3169
Rendkívüli dolog ezt látni.
05:35
You put them in a new car,
114
335865
2066
Aztán átütetjük őket egy másik autóba,
05:37
and after a few laps, they've found the fastest line in that car,
115
337931
3902
ahol néhány kör után újra megtalálják a leggyorsabb utat,
05:41
and they're off to the races.
116
341833
3877
és újra versenyre készek.
05:45
It really makes you think,
117
345710
1146
Ezt látva óhatatlanul eszünkbe jut,
05:46
we'd love to know what's going on inside their brain.
118
346856
4871
hogy szeretnénk tudni, mi játszódik le a fejükben.
05:51
So as researchers, that's what we decided to find out.
119
351727
4541
Mi, mint kutatók, éppen ennek kiderítésére vállalkoztunk.
05:56
We decided to instrument not only the car,
120
356268
1812
Ezért elhatároztuk, hogy nem csak az autót műszerezzük fel,
05:58
but also the race car driver,
121
358080
2495
hanem a vezetőket is,
06:00
to try to get a glimpse into what was going on
122
360575
2769
hogy képet kapjunk róla, mi történik
06:03
in their head as they were doing this.
123
363344
2186
a fejükben vezetés közben.
06:05
Now, this is Dr. Lene Harbott applying electrodes
124
365530
3950
Ez itt Dr. Lene Harbott, amint elektródákat helyez el
06:09
to the head of John Morton.
125
369480
1232
John Morton fején.
06:10
John Morton is a former Can-Am and IMSA driver,
126
370712
2989
John Morton egy egykori Can-Am és IMSA versenyző,
06:13
who's also a class champion at Le Mans.
127
373701
1800
aki Le Mans-ban kategória-bajnok is volt.
06:15
Fantastic driver, and very willing to put up with graduate students
128
375501
3496
Fantasztikus autóvezető, aki türelmesen viseli a hallgatókat,
06:18
and this sort of research.
129
378997
1855
és ezt a fajta kutatást.
06:20
She's putting electrodes on his head
130
380852
2672
Elektródákat teszünk a fejére,
06:23
so that we can monitor the electrical activity
131
383524
2112
hogy megfigyelhessük az elektromos aktivitást,
06:25
in John's brain as he races around the track.
132
385636
2832
ami kialakul John fejében versenyzés közben.
06:28
Now, clearly we're not going to put a couple of electrodes on his head
133
388468
3195
Persze nem hisszük, hogy attól, hogy pár elektródát teszünk a fejére,
06:31
and understand exactly what all of his thoughts are on the track.
134
391663
3270
pontosan meg fogjuk érteni, mi jár a fejében a pályán.
06:34
However, neuroscientists have identified certain patterns
135
394933
3407
A neurológusok azonban azonosítottak néhány mintát,
06:38
that let us tease out some very important aspects of this.
136
398340
3761
amelyek alapján több fontos megállapítást tehettünk.
06:42
For instance, the resting brain
137
402101
1847
Például a nyugalmi állapotban lévő agy
06:43
tends to generate a lot of alpha waves.
138
403948
2155
rengeteg alfa-hullámot bocsát ki.
06:46
In contrast, theta waves are associated with
139
406103
3752
Ezzel szemben a théta-hullámok olyan kognitív
06:49
a lot of cognitive activity, like visual processing,
140
409855
3184
tevékenységekhez kapcsolódnak, mint például a képfeldolgozás,
06:53
things where the driver is thinking quite a bit.
141
413039
3048
olyan dolgokhoz, amelyeknél a vezető sokat gondolkozik.
06:56
Now, we can measure this,
142
416087
1663
Most már meg tudjuk mérni ezeket,
06:57
and we can look at the relative power
143
417750
1985
és láthatóvá tehetjük a théta és
06:59
between the theta waves and the alpha waves.
144
419735
2200
alfa hullámok viszonylagos energiáját.
07:01
This gives us a measure of mental workload,
145
421935
2442
Ez által mérni tudjuk a mentális terhelést,
07:04
how much the driver is actually challenged cognitively
146
424377
3567
vagyis hogy milyen kognitív kihívásokkal néz szembe a vezető
07:07
at any point along the track.
147
427944
1786
a pálya egyes pontjain.
07:09
Now, we wanted to see if we could actually record this
148
429730
2942
Kiváncsiak voltunk, hogy tudjuk-e ezt a valóságban is rögzíteni,
07:12
on the track, so we headed down south to Laguna Seca.
149
432672
3038
a pályán, ezért lementünk délre, Laguna Seca-ba.
07:15
Laguna Seca is a legendary raceway
150
435710
2016
Laguna Seca egy legendás versenypálya,
07:17
about halfway between Salinas and Monterey.
151
437726
2301
nagyjából félúton Salinas és Monterey között.
07:20
It has a curve there called the Corkscrew.
152
440027
2087
Van ott egy kanyarkombináció, amit Dugóhúzónak hívnak.
07:22
Now, the Corkscrew is a chicane, followed by a quick
153
442114
2717
Nos, a Dugóhúzó egy sikán, amit egy gyors
07:24
right-handed turn as the road drops three stories.
154
444831
2746
jobbkanyar követ, miközben az út három emeletet zuhan.
07:27
Now, the strategy for driving this as explained to me was,
155
447577
3766
A vezetési stratégia ezen a helyen, ahogy elmagyarázták nekem,
07:31
you aim for the bush in the distance,
156
451343
2022
becélozni a távoli bozotós részt,
07:33
and as the road falls away, you realize it was actually the top of a tree.
157
453365
3025
majd ahogy az út lejteni kezd, rájössz, hogy valójában egy fa teteje volt.
07:36
All right, so thanks to the Revs Program at Stanford,
158
456390
3304
Köszönet tehát a Stanford-i Revs Program-nak,
07:39
we were able to take John there
159
459694
1473
hogy odavihettük John-t
07:41
and put him behind the wheel
160
461167
964
és hogy beültethettük egy
07:42
of a 1960 Porsche Abarth Carrera.
161
462131
2439
1960-as Porsche Abarth Carrera volánja mögé.
07:44
Life is way too short for boring cars.
162
464570
3698
Az élet túl rövid ahhoz, hogy unalmas autók vezetésére fecséreljük.
07:48
So, here you see John on the track,
163
468268
1759
Itt láthatják John-t a pályán,
07:50
he's going up the hill -- Oh! Somebody liked that --
164
470027
2184
amint megy felfelé az emelkedőn - Ó! Ez valakinek tetszett --
07:52
and you can see, actually, his mental workload
165
472211
2465
és látható, valóban, a mentális terhelése
07:54
-- measuring here in the red bar --
166
474676
2153
-- amit a piros sáv mutat --
07:56
you can see his actions as he approaches.
167
476829
2343
láthatják az akcióit, amint közeledik.
07:59
Now watch, he has to downshift.
168
479172
3230
Most figyeljék, vissza kellett váltania.
08:02
And then he has to turn left.
169
482402
761
Aztán balra kellett fordulnia.
08:03
Look for the tree, and down.
170
483163
3993
Keressük a fát, aztán lefelé.
08:07
Not surprisingly, you can see this is a pretty challenging task.
171
487156
2838
Nem meglepő módon, látható, hogy ez egy elég komoly kihívás.
08:09
You can see his mental workload spike as he goes through this,
172
489994
2976
Látható, hogyan fokozódik a mentális terhelés a mindeközben,
08:12
as you would expect with something that requires
173
492970
2064
pontosan ahogy várnánk egy ilyen
08:15
this level of complexity.
174
495034
2809
komplexitású tevékenységtől.
08:17
But what's really interesting is to look at areas of the track
175
497843
3416
Ám ami igazán érdekes, az, ha megnézzük a pályának azon részeit,
08:21
where his mental workload doesn't increase.
176
501259
2846
ahol a mentális terhelés nem mutat növekedést.
08:24
I'm going to take you around now
177
504105
1495
Megmutatom most önöknek
08:25
to the other side of the track.
178
505600
1089
a pálya másik oldalát.
08:26
Turn three. And John's going to go into that corner
179
506689
2336
A hármas kanyar. John be fog hajtani ebbe a kanyarba
08:29
and the rear end of the car is going to begin to slide out.
180
509025
2551
és a kocsi hátsó része elkezd kifelé sodródni.
08:31
He's going to have to correct for that with steering.
181
511576
2017
Ezt kormányzással kell korrigálnia.
08:33
So watch as John does this here.
182
513593
2231
Lássuk, hogy oldja meg John a feladatot!
08:35
Watch the mental workload, and watch the steering.
183
515824
2322
Figyeljük a mentális terhelést és a kormányzást.
08:38
The car begins to slide out, dramatic maneuver to correct it,
184
518146
3672
A kocsi elkezd kifele sodródni, drámai manőver a korrigálására,
08:41
and no change whatsoever in the mental workload.
185
521818
3523
és semmi változás a mentális terhelésben.
08:45
Not a challenging task.
186
525341
2832
Semmi kihívás.
08:48
In fact, entirely reflexive.
187
528173
3200
Egy teljesen reflex-szerű megoldás.
08:51
Now, our data processing on this is still preliminary,
188
531373
3643
Persze az adatfeldolgozás még elég kezdetleges,
08:55
but it really seems that these phenomenal feats
189
535016
2672
de határozottan úgy tűnik, hogy ezek a cselekvések
08:57
that the race car drivers are performing
190
537688
1610
melyeket az autóversenyzők végrehajtanak.
08:59
are instinctive.
191
539298
1910
ösztönösek.
09:01
They are things that they have simply learned to do.
192
541208
3390
Ezeket a dolgokat egyszerűen megtanulták végrehajtani.
09:04
It requires very little mental workload
193
544598
2282
És nagyon kevés mentális igénybevétellel jár
09:06
for them to perform these amazing feats.
194
546880
2824
ezeknek lenyűgöző manővereknek a végrehajtása.
09:09
And their actions are fantastic.
195
549704
3135
És a cselekedeteik fantasztikusak.
09:12
This is exactly what you want to do on the steering wheel
196
552839
2611
Ez pontosan az, amit tenni akarunk a kormánykerékkel,
09:15
to catch the car in this situation.
197
555450
3337
hogy megtartsuk az autót ebben a helyzetben.
09:18
Now, this has given us tremendous insight
198
558787
3445
Mindez egy remek betekintést
09:22
and inspiration for our own autonomous vehicles.
199
562232
3122
és inspirációt adott nekünk a autonóm járműveinkhez.
09:25
We've started to ask the question:
200
565354
1928
Feltettük magunknak a kérdést:
09:27
Can we make them a little less algorithmic
201
567282
2253
Tudjuk-e a működésüket kevésbé algoritmikussá,
09:29
and a little more intuitive?
202
569535
2449
és inkább intuitívvá tenni?
09:31
Can we take this reflexive action
203
571984
2281
Képesek vagyunk-e a legjobb autóversenyzőktől látott
09:34
that we see from the very best race car drivers,
204
574265
2287
ösztönös cselekvést
09:36
introduce it to our cars,
205
576552
1649
átvinni a mi autóinkba,
09:38
and maybe even into a system that could
206
578201
1984
vagy esetleg egy olyan rendszerbe, ami
09:40
get onto your car in the future?
207
580185
1968
a jövőben az önök autójában is megjelenhet?
09:42
That would take us a long step
208
582153
1611
Ez egy hatalmas lépés lenne
09:43
along the road to autonomous vehicles
209
583764
2509
olyan autonóm járművek irányába,
09:46
that drive as well as the best humans.
210
586273
1912
amelyek olyan jól vezetnek, mint a legjobb emberi autóvezetők.
09:48
But it's made us think a little bit more deeply as well.
211
588185
3440
Itt azonban egy kicsit mélyebben elgondolkoztunk.
09:51
Do we want something more from our car
212
591625
2968
Akarunk-e többet a kocsinktól,
09:54
than to simply be a chauffeur?
213
594593
1840
mint hogy egyszerűen a sofőrünk is legyen?
09:56
Do we want our car to perhaps be a partner, a coach,
214
596433
4235
Akarjuk-e, hogy az autónk esetleg a partnerünk, egyfajta edzőnk legyen,
10:00
someone that can use their understanding of the situation
215
600668
3087
olyasvalami, ami képes saját helyzetértékelését használni
10:03
to help us reach our potential?
216
603755
4256
a mi képességeink kihasználására?
10:08
Can, in fact, the technology not simply replace humans,
217
608011
2273
Képes-e a technológia nem egyszerűen csak helyettesíteni az embert,
10:10
but allow us to reach the level of reflex and intuition
218
610284
4575
de akár a reflexek és ösztönök olyan szintjét elérni,
10:14
that we're all capable of?
219
614859
3425
amire mi magunk képesek vagyunk?
10:18
So, as we move forward into this technological future,
220
618284
1923
Ahogy haladunk előre ennek a technológiai jövőnek az irányába,
10:20
I want you to just pause and think of that for a moment.
221
620207
2821
szeretnék megállni és elgondolkozni egy pillanatra.
10:23
What is the ideal balance of human and machine?
222
623028
3775
Hol van az arany középút az emberi és a gépi között?
10:26
And as we think about that,
223
626803
1709
Mi azt gondoljuk,
10:28
let's take inspiration
224
628512
1731
hogy használjuk inspirációnak
10:30
from the absolutely amazing capabilities
225
630243
3329
az emberi test és az emberi elme
10:33
of the human body and the human mind.
226
633572
2816
rendkívüli, lenyűgőző képességeit.
10:36
Thank you.
227
636388
1736
Köszönöm.
10:38
(Applause)
228
638124
4604
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7