The incredible inventions of intuitive AI | Maurice Conti

5,584,143 views ・ 2017-02-28

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

00:00
Translator: Leslie Gauthier Reviewer: Camille Martínez
0
0
7000
Tłumaczenie: Barbara Guzik Korekta: Rysia Wand
00:12
How many of you are creatives,
1
12555
2289
Ilu z was to twórcy,
00:14
designers, engineers, entrepreneurs, artists,
2
14868
3624
projektanci, inżynierowie, przedsiębiorcy, artyści
00:18
or maybe you just have a really big imagination?
3
18516
2387
albo osoby z bujną wyobraźnią?
00:20
Show of hands? (Cheers)
4
20927
1848
Podnieście ręce.
00:22
That's most of you.
5
22799
1181
Większość.
00:25
I have some news for us creatives.
6
25154
2294
Mam wiadomość dla twórców.
00:28
Over the course of the next 20 years,
7
28534
2573
W ciągu najbliższych 20 lat
00:33
more will change around the way we do our work
8
33291
2973
sposób wykonywania pracy zmieni się bardziej
00:37
than has happened in the last 2,000.
9
37202
2157
niż przez ostatnie 2000 lat.
00:40
In fact, I think we're at the dawn of a new age in human history.
10
40331
4628
Zaczyna się nowa era w historii ludzkości.
00:45
Now, there have been four major historical eras defined by the way we work.
11
45465
4761
Są 4 główne ery różniące się sposobem wykonywania pracy.
00:51
The Hunter-Gatherer Age lasted several million years.
12
51224
3275
Era zbieracko-łowiecka trwała kilka milionów lat.
00:54
And then the Agricultural Age lasted several thousand years.
13
54983
3576
Era rolnicza, kilka tysięcy lat.
00:59
The Industrial Age lasted a couple of centuries.
14
59015
3490
Era przemysłowa, kilka stuleci.
01:02
And now the Information Age has lasted just a few decades.
15
62529
4287
Era informacyjna trwa zaledwie kilka dekad.
01:06
And now today, we're on the cusp of our next great era as a species.
16
66840
5220
Wkraczamy w kolejną wspaniałą erę.
01:13
Welcome to the Augmented Age.
17
73116
2680
Witajcie w erze rozszerzonej rzeczywistości.
01:15
In this new era, your natural human capabilities are going to be augmented
18
75820
3693
Wasze naturalne możliwości będą rozbudowane
01:19
by computational systems that help you think,
19
79537
3068
przez systemy komputerowe, które pomogą wam myśleć,
01:22
robotic systems that help you make,
20
82629
2186
roboty, które pomogą wam tworzyć
01:24
and a digital nervous system
21
84839
1648
i cyfrowy układ nerwowy,
01:26
that connects you to the world far beyond your natural senses.
22
86511
3690
który połączy was ze światem wykraczającym poza naturalne zmysły.
01:31
Let's start with cognitive augmentation.
23
91257
1942
Zacznijmy od rozszerzenia inteligencji.
01:33
How many of you are augmented cyborgs?
24
93223
2200
Kto z was jest cyborgiem?
01:35
(Laughter)
25
95953
2650
(Śmiech)
01:38
I would actually argue that we're already augmented.
26
98627
2821
Możliwości naszego umysłu już są rozszerzone.
01:42
Imagine you're at a party,
27
102108
1504
Wyobraź sobie, że jesteś na przyjęciu.
01:43
and somebody asks you a question that you don't know the answer to.
28
103636
3520
Ktoś zadaje ci pytanie, na które nie znasz odpowiedzi.
01:47
If you have one of these, in a few seconds, you can know the answer.
29
107180
3760
Jeśli masz coś takiego, w kilka sekund możesz ją poznać.
01:51
But this is just a primitive beginning.
30
111689
2299
To tylko prymitywny początek.
01:54
Even Siri is just a passive tool.
31
114683
3331
Nawet Siri to bierne narzędzie.
01:58
In fact, for the last three-and-a-half million years,
32
118480
3381
Od trzech i pół miliona lat
02:01
the tools that we've had have been completely passive.
33
121885
3109
korzystamy z bezwolnych narzędzi,
02:06
They do exactly what we tell them and nothing more.
34
126023
3655
które tylko wykonują polecenia.
02:09
Our very first tool only cut where we struck it.
35
129702
3101
Pierwsze narzędzie cięło tylko w miejscu uderzenia.
02:13
The chisel only carves where the artist points it.
36
133642
3040
Dłuto rzeźbi tylko tam, gdzie przyłoży je artysta.
02:17
And even our most advanced tools do nothing without our explicit direction.
37
137163
5641
Nawet najbardziej nowoczesne narzędzia tylko wykonują polecenia.
02:22
In fact, to date, and this is something that frustrates me,
38
142828
3181
Irytuje mnie, że do tej pory
ograniczał nas przymus
02:26
we've always been limited
39
146033
1448
02:27
by this need to manually push our wills into our tools --
40
147505
3501
manualnego narzucania naszej woli narzędziom,
02:31
like, manual, literally using our hands,
41
151030
2297
czyli używania rąk,
02:33
even with computers.
42
153351
1428
nawet przy korzystaniu z komputerów.
02:35
But I'm more like Scotty in "Star Trek."
43
155892
2463
Jestem jak Scotty ze "Star Treka".
02:38
(Laughter)
44
158379
1850
(Śmiech)
02:40
I want to have a conversation with a computer.
45
160253
2146
Chcę rozmawiać z komputerem.
02:42
I want to say, "Computer, let's design a car,"
46
162423
2970
Chcę powiedzieć: "Komputerze, zaprojektujmy samochód",
02:45
and the computer shows me a car.
47
165417
1539
a komputer go pokaże.
02:46
And I say, "No, more fast-looking, and less German,"
48
166980
2608
Powiem: "Ma być szybszy i mniej niemiecki",
02:49
and bang, the computer shows me an option.
49
169612
2163
a komputer pokaże mi projekt.
02:51
(Laughter)
50
171799
1865
(Śmiech)
02:54
That conversation might be a little ways off,
51
174028
2306
Część z was pewnie sądzi,
02:56
probably less than many of us think,
52
176358
2665
że taka rozmowa jest czymś odległym,
02:59
but right now,
53
179047
1763
ale właśnie pracujemy nad tym.
03:00
we're working on it.
54
180834
1151
03:02
Tools are making this leap from being passive to being generative.
55
182009
4033
Bezwolne narzędzia zastępowane są generatywnymi.
03:06
Generative design tools use a computer and algorithms
56
186651
3308
Korzystają one z komputera i algorytmów
03:09
to synthesize geometry
57
189983
2608
do samodzielnego tworzenia geometrii
03:12
to come up with new designs all by themselves.
58
192615
2754
dla nowego projektu.
03:15
All it needs are your goals and your constraints.
59
195816
2748
Muszą tylko znać cel projektu i ograniczenia.
03:18
I'll give you an example.
60
198588
1408
Podam przykład.
03:20
In the case of this aerial drone chassis,
61
200020
2788
W przypadku ramy tego powietrznego drona,
03:22
all you would need to do is tell it something like,
62
202832
2626
musielibyśmy tylko wskazać,
03:25
it has four propellers,
63
205482
1273
że ma mieć cztery śmigła,
03:26
you want it to be as lightweight as possible,
64
206779
2131
ma być bardzo lekki
03:28
and you need it to be aerodynamically efficient.
65
208934
2270
i musi mieć opływowy kształt.
03:31
Then what the computer does is it explores the entire solution space:
66
211228
4914
Komputer bada wszelkie możliwości
03:36
every single possibility that solves and meets your criteria --
67
216166
3927
spełnienia podanych warunków,
03:40
millions of them.
68
220117
1442
miliony sposobów.
03:41
It takes big computers to do this.
69
221583
1975
Używa się do tego dużych komputerów.
03:43
But it comes back to us with designs
70
223582
1955
Przedstawiają nam projekty,
03:45
that we, by ourselves, never could've imagined.
71
225561
3143
których sami nigdy byśmy nie wymyślili.
03:49
And the computer's coming up with this stuff all by itself --
72
229146
2912
Komputer sam tworzy cały materiał,
03:52
no one ever drew anything,
73
232082
1678
nikt niczego nie rysuje,
03:53
and it started completely from scratch.
74
233784
2086
a zaczyna całkowicie od zera.
03:56
And by the way, it's no accident
75
236858
2387
To nie przypadek,
03:59
that the drone body looks just like the pelvis of a flying squirrel.
76
239269
3481
że szkielet drona przypomina miednicę wiewiórki latającej.
04:03
(Laughter)
77
243107
2007
(Śmiech)
04:05
It's because the algorithms are designed to work
78
245860
2302
Bowiem stworzone algorytmy mają działać
04:08
the same way evolution does.
79
248186
1637
w taki sam sposób, jak ewolucja.
04:10
What's exciting is we're starting to see this technology
80
250535
2660
Ogromnie cieszy, że widzimy już tę technologię
04:13
out in the real world.
81
253219
1159
w prawdziwym świecie.
04:14
We've been working with Airbus for a couple of years
82
254402
2452
Od kilku lat pracujemy nad Airbusem,
04:16
on this concept plane for the future.
83
256878
1909
tworząc samolot przyszłości.
04:18
It's a ways out still.
84
258811
2070
Jeszcze dużo pracy przed nami,
04:20
But just recently we used a generative-design AI
85
260905
3780
ale ostatnio użyliśmy generatywnego projektu sztucznej inteligencji (AI),
04:24
to come up with this.
86
264709
1807
żeby stworzyć coś takiego.
04:27
This is a 3D-printed cabin partition that's been designed by a computer.
87
267429
5153
To jest wydruk 3D przegrody kabiny, zaprojektowanej przez komputer.
04:32
It's stronger than the original yet half the weight,
88
272606
2824
Jest mocniejsza i o połowę lżejsza od oryginalnej.
04:35
and it will be flying in the Airbus A320 later this year.
89
275454
3146
Będzie użyta w Airbusie A320 pod koniec tego roku.
04:39
So computers can now generate;
90
279225
1559
Komputery mogą tworzyć produkty.
04:40
they can come up with their own solutions to our well-defined problems.
91
280808
4595
Podają własne rozwiązania określonych przez nas problemów.
04:46
But they're not intuitive.
92
286497
1310
Ale nie mają intuicji.
04:47
They still have to start from scratch every single time,
93
287831
3086
Za każdym razem zaczynają od zera,
04:50
and that's because they never learn.
94
290941
2565
bo nigdy się nie uczą.
04:54
Unlike Maggie.
95
294188
1766
W przeciwieństwie do Maggie.
04:55
(Laughter)
96
295978
1581
(Śmiech)
04:57
Maggie's actually smarter than our most advanced design tools.
97
297583
3297
Maggie jest mądrzejsza od nowoczesnych narzędzi projektowych.
05:01
What do I mean by that?
98
301287
1440
Dlaczego?
05:02
If her owner picks up that leash,
99
302751
1590
Gdy jej pani bierze smycz,
05:04
Maggie knows with a fair degree of certainty
100
304365
2068
Maggie wie, że prawie na pewno
05:06
it's time to go for a walk.
101
306457
1404
czas na spacer.
05:07
And how did she learn?
102
307885
1185
Jak się tego nauczyła?
05:09
Well, every time the owner picked up the leash, they went for a walk.
103
309094
3324
Zawsze, gdy pani brała smycz, szły na spacer.
05:12
And Maggie did three things:
104
312442
1878
Dla Maggie trzy rzeczy były istotne.
05:14
she had to pay attention,
105
314344
1869
Musiała uważać,
05:16
she had to remember what happened
106
316237
2082
zapamiętać to, co się wydarzyło,
05:18
and she had to retain and create a pattern in her mind.
107
318343
4017
i stworzyć wzór zachowań.
05:23
Interestingly, that's exactly what
108
323249
2095
Co ciekawe, przez ostatnie 60 lat
05:25
computer scientists have been trying to get AIs to do
109
325368
2523
informatycy pracują
05:27
for the last 60 or so years.
110
327915
1859
nad właśnie takim działaniem AI.
05:30
Back in 1952,
111
330503
1349
W 1952 roku zbudowano komputer,
05:31
they built this computer that could play Tic-Tac-Toe.
112
331876
3801
który potrafił grać w kółko i krzyżyk.
05:36
Big deal.
113
336901
1160
Wielki wyczyn!
05:38
Then 45 years later, in 1997,
114
338849
3000
45 lat później, w 1997 roku,
05:41
Deep Blue beats Kasparov at chess.
115
341873
2472
Deep Blue pokonał Kasparowa w szachy.
05:45
2011, Watson beats these two humans at Jeopardy,
116
345866
4968
W 2011 roku Watson pokonuje tych dwóch w grze Jeopardy,
05:50
which is much harder for a computer to play than chess is.
117
350858
2928
co było trudniejsze dla komputera niż szachy,
05:53
In fact, rather than working from predefined recipes,
118
353810
3812
bo nie działał w oparciu o określone zasady,
05:57
Watson had to use reasoning to overcome his human opponents.
119
357646
3323
tylko musiał zastosować analizę, żeby pokonać człowieka.
06:02
And then a couple of weeks ago,
120
362213
2439
Kilka tygodni temu
06:04
DeepMind's AlphaGo beats the world's best human at Go,
121
364676
4262
AlphaGo firmy DeepMind pokonuje najlepszego zawodnika w grze w Go,
06:08
which is the most difficult game that we have.
122
368962
2212
która jest najtrudniejszą z gier.
06:11
In fact, in Go, there are more possible moves
123
371198
2896
W tej grze jest więcej możliwości ruchu
06:14
than there are atoms in the universe.
124
374118
2024
niż atomów we wszechświecie.
06:18
So in order to win,
125
378030
1826
Żeby wygrać,
06:19
what AlphaGo had to do was develop intuition.
126
379880
2618
AlphaGo musiał rozwinąć intuicję.
06:22
And in fact, at some points, AlphaGo's programmers didn't understand
127
382918
4110
Nawet programiści AlphaGo nie rozumieli
06:27
why AlphaGo was doing what it was doing.
128
387052
2286
niektórych jego zachowań.
06:31
And things are moving really fast.
129
391271
1660
Wszystko zmienia się bardzo szybko.
06:32
I mean, consider -- in the space of a human lifetime,
130
392955
3227
W ciągu kilkudziesięciu lat,
06:36
computers have gone from a child's game
131
396206
2233
komputery rozwinęły się od dziecięcej gry
06:39
to what's recognized as the pinnacle of strategic thought.
132
399740
3048
po najbardziej rozwinięte myślenie strategiczne.
06:43
What's basically happening
133
403819
2417
Obserwujemy,
06:46
is computers are going from being like Spock
134
406260
3310
jak komputery przypominające Spocka
06:49
to being a lot more like Kirk.
135
409594
1949
zmieniają się w te, przypominające Kirka.
06:51
(Laughter)
136
411567
3618
(Śmiech)
06:55
Right? From pure logic to intuition.
137
415209
3424
Od czystej logiki do intuicji.
07:00
Would you cross this bridge?
138
420004
1743
Przeszlibyście przez ten most?
07:02
Most of you are saying, "Oh, hell no!"
139
422429
2323
Większość powie: "Nie ma mowy!".
07:04
(Laughter)
140
424776
1308
(Śmiech)
07:06
And you arrived at that decision in a split second.
141
426108
2657
Podjęliście tę decyzję w jednej chwili.
07:08
You just sort of knew that bridge was unsafe.
142
428789
2428
Założyliście, że ten most nie jest bezpieczny.
07:11
And that's exactly the kind of intuition
143
431241
1989
Właśnie taki rodzaj intuicji
07:13
that our deep-learning systems are starting to develop right now.
144
433254
3568
jest obecnie tworzony przez systemy samouczące.
07:17
Very soon, you'll literally be able
145
437542
1707
Niebawem będzie można
07:19
to show something you've made, you've designed,
146
439273
2206
pokazać komputerowi produkt lub projekt
07:21
to a computer,
147
441503
1153
07:22
and it will look at it and say,
148
442680
1489
a on spojrzy na to i powie,
"Sorki, brachu. To się nie uda. Spróbuj jeszcze raz".
07:24
"Sorry, homie, that'll never work. You have to try again."
149
444193
2823
07:27
Or you could ask it if people are going to like your next song,
150
447674
3070
Albo spytacie go, czy ludziom spodoba się wasza nowa piosenka
07:31
or your next flavor of ice cream.
151
451593
2063
albo nowy smak lodów.
07:35
Or, much more importantly,
152
455369
2579
Albo, co istotniejsze,
07:37
you could work with a computer to solve a problem
153
457972
2364
moglibyście pracować z komputerem nad problemem,
07:40
that we've never faced before.
154
460360
1637
wcześniej nieznanym,
07:42
For instance, climate change.
155
462021
1401
jak zmiana klimatu.
07:43
We're not doing a very good job on our own,
156
463446
2020
Nie idzie nam za dobrze,
07:45
we could certainly use all the help we can get.
157
465490
2245
więc przydałaby nam się każda pomoc.
07:47
That's what I'm talking about,
158
467759
1458
Właśnie o tym mówię,
07:49
technology amplifying our cognitive abilities
159
469241
2555
technologia zwiększa nasze możliwości poznawcze,
07:51
so we can imagine and design things that were simply out of our reach
160
471820
3552
dlatego można stworzyć rzeczy, dotąd nieosiągalne
07:55
as plain old un-augmented humans.
161
475396
2559
dla zwykłych ludzi o nierozszerzonym umyśle.
07:59
So what about making all of this crazy new stuff
162
479804
2941
Co z tymi szalonymi wynalazkami i projektami,
08:02
that we're going to invent and design?
163
482769
2441
które mamy stworzyć?
08:05
I think the era of human augmentation is as much about the physical world
164
485772
4093
Era rozszerzania ludzkich możliwości dotyczy nie tylko świata fizycznego,
08:09
as it is about the virtual, intellectual realm.
165
489889
3065
ale też wirtualnego i intelektualnego.
08:13
How will technology augment us?
166
493653
1921
Jak technologia poszerzy nasze możliwości?
08:16
In the physical world, robotic systems.
167
496081
2473
W świecie fizycznym zrobią to roboty.
08:19
OK, there's certainly a fear
168
499440
1736
Jest oczywiście obawa,
08:21
that robots are going to take jobs away from humans,
169
501200
2488
że roboty odbiorą nam pracę,
08:23
and that is true in certain sectors.
170
503712
1830
co jest widoczne w pewnych sektorach.
08:25
But I'm much more interested in this idea
171
505994
2878
Bardziej interesuje mnie,
08:28
that humans and robots working together are going to augment each other,
172
508896
5010
jak współpraca człowieka i robota, poszerzy ich wzajemne możliwości
08:33
and start to inhabit a new space.
173
513930
2058
i zajmie nową przestrzeń.
08:36
This is our applied research lab in San Francisco,
174
516012
2362
To nasze laboratorium badawcze w San Francisco,
08:38
where one of our areas of focus is advanced robotics,
175
518398
3142
gdzie jednym z obszarów badań jest zaawansowana robotyka,
08:41
specifically, human-robot collaboration.
176
521564
2511
głównie współpraca człowieka z robotem.
08:44
And this is Bishop, one of our robots.
177
524854
2759
To jest Bishop, jeden z robotów.
08:47
As an experiment, we set it up
178
527637
1789
W ramach eksperymentu zaprogramowaliśmy go
08:49
to help a person working in construction doing repetitive tasks --
179
529450
3460
do pomocy w pracach budowlanych.
Wykonuje powtarzające się czynności, jak wycinanie dziur w regipsach
08:53
tasks like cutting out holes for outlets or light switches in drywall.
180
533804
4194
pod gniazdka elektryczne lub włącznik światła.
08:58
(Laughter)
181
538022
2466
(Śmiech)
09:01
So, Bishop's human partner can tell what to do in plain English
182
541697
3111
Pomocnik Bishopa mówi mu prostym językiem, co ma zrobić,
09:04
and with simple gestures,
183
544832
1305
używając jasnych gestów,
09:06
kind of like talking to a dog,
184
546161
1447
jakby mówił do psa,
09:07
and then Bishop executes on those instructions
185
547632
2143
a Bishop wykonuje te polecenia
09:09
with perfect precision.
186
549799
1892
z dużą precyzją.
09:11
We're using the human for what the human is good at:
187
551715
2989
Wykorzystujemy człowieka do tego, w czym jest dobry,
09:14
awareness, perception and decision making.
188
554728
2333
jak świadomość, percepcja i podejmowanie decyzji,
09:17
And we're using the robot for what it's good at:
189
557085
2240
a robota do tego, w czym on jest dobry,
09:19
precision and repetitiveness.
190
559349
1748
jak precyzja i powtarzalność.
To jeszcze jeden ciekawy projekt Bishopa o nazwie HIVE.
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
Jego celem było przedstawienie
09:27
was to prototype the experience of humans, computers and robots
193
567562
3851
pracy człowieka, komputera i robota,
09:31
all working together to solve a highly complex design problem.
194
571437
3220
nad skomplikowanym projektem.
09:35
The humans acted as labor.
195
575613
1451
Ludzie byli siłą roboczą.
09:37
They cruised around the construction site, they manipulated the bamboo --
196
577088
3473
Krążyli wokół konstrukcji, sterowali bambusem,
09:40
which, by the way, because it's a non-isomorphic material,
197
580585
2756
który jest materiałem nieizomorficznym,
09:43
is super hard for robots to deal with.
198
583365
1874
przez co sprawia robotom dużo trudności.
09:45
But then the robots did this fiber winding,
199
585263
2022
Roboty nawijały włókna,
09:47
which was almost impossible for a human to do.
200
587309
2451
co było prawie niewykonalne dla człowieka.
09:49
And then we had an AI that was controlling everything.
201
589784
3621
AI kontrolowała wszystkie działania.
09:53
It was telling the humans what to do, telling the robots what to do
202
593429
3290
Mówiła ludziom i robotom, co mają robić.
09:56
and keeping track of thousands of individual components.
203
596743
2915
Kontrolowała działania tysięcy komponentów.
09:59
What's interesting is,
204
599682
1180
Co ciekawe,
10:00
building this pavilion was simply not possible
205
600886
3141
budowa tego pawilonu byłaby niemożliwa
10:04
without human, robot and AI augmenting each other.
206
604051
4524
bez współdziałania człowieka, robota i AI.
10:09
OK, I'll share one more project. This one's a little bit crazy.
207
609710
3320
To jeszcze jeden projekt, trochę zwariowany.
10:13
We're working with Amsterdam-based artist Joris Laarman and his team at MX3D
208
613054
4468
Pracujemy z artystą z Amsterdamu, Jorisem Laarmanem i jego zespołem w MX3D,
10:17
to generatively design and robotically print
209
617546
2878
nad generatywnym projektem i automatycznym wydrukiem
10:20
the world's first autonomously manufactured bridge.
210
620448
2995
pierwszego na świecie samodzielnie wyprodukowanego mostu.
10:24
So, Joris and an AI are designing this thing right now, as we speak,
211
624135
3685
Właśnie teraz Joris i AI
projektują go w Amsterdamie.
10:27
in Amsterdam.
212
627844
1172
10:29
And when they're done, we're going to hit "Go,"
213
629040
2321
Gdy skończą,
10:31
and robots will start 3D printing in stainless steel,
214
631385
3311
roboty rozpoczną wydruk 3D w nierdzewnej stali
10:34
and then they're going to keep printing, without human intervention,
215
634720
3283
i będą drukować bez ingerencji człowieka,
10:38
until the bridge is finished.
216
638027
1558
aż ukończą most.
10:40
So, as computers are going to augment our ability
217
640919
2928
Komputery rozszerzają nasze możliwości
10:43
to imagine and design new stuff,
218
643871
2150
wyobrażania sobie i projektowania nowych rzeczy,
10:46
robotic systems are going to help us build and make things
219
646045
2895
a roboty pomagają nam w budowie rzeczy,
10:48
that we've never been able to make before.
220
648964
2084
których dotąd nie potrafiliśmy zrobić.
10:52
But what about our ability to sense and control these things?
221
652167
4160
Co z naszą umiejętnością do wyczuwania i kontrolowania tych przedmiotów?
10:56
What about a nervous system for the things that we make?
222
656351
4031
Co z systemem nerwowym wytwarzanych rzeczy?
11:00
Our nervous system, the human nervous system,
223
660406
2512
Nasz system nerwowy
11:02
tells us everything that's going on around us.
224
662942
2311
mówi nam wszystko o tym, co się dzieje wokół nas.
11:06
But the nervous system of the things we make is rudimentary at best.
225
666006
3684
System nerwowy wytwarzanych produktów może być tylko elementarny.
11:09
For instance, a car doesn't tell the city's public works department
226
669714
3563
Samochód nie powie wydziałowi drogownictwa,
11:13
that it just hit a pothole at the corner of Broadway and Morrison.
227
673301
3130
że właśnie wjechał w dziurę na rogu ulic Broadway i Morrison.
11:16
A building doesn't tell its designers
228
676455
2032
Budynek nie powie swoim budowniczym,
11:18
whether or not the people inside like being there,
229
678511
2684
czy ludzie lubią w nim przebywać,
11:21
and the toy manufacturer doesn't know
230
681219
3010
a producent zabawek nie wie,
11:24
if a toy is actually being played with --
231
684253
2007
czy jego zabawki są właśnie używane,
11:26
how and where and whether or not it's any fun.
232
686284
2539
w jaki sposób, gdzie i czy w ogóle ktoś się nimi bawi.
11:29
Look, I'm sure that the designers imagined this lifestyle for Barbie
233
689440
3814
Jestem pewien, że projektanci wymarzyli sobie takie życie dla Barbie,
11:33
when they designed her.
234
693278
1224
gdy ją projektowali.
11:34
(Laughter)
235
694526
1447
(Śmiech)
11:35
But what if it turns out that Barbie's actually really lonely?
236
695997
2906
A co, jeśli okaże się, że Barbie jest samotna?
11:38
(Laughter)
237
698927
3147
(Śmiech)
Gdyby projektanci wiedzieli,
11:43
If the designers had known
238
703086
1288
11:44
what was really happening in the real world
239
704398
2107
jaki los czeka ich projekty,
11:46
with their designs -- the road, the building, Barbie --
240
706529
2583
drogi, budynki, Barbie,
11:49
they could've used that knowledge to create an experience
241
709136
2694
użyliby tej wiedzy, żeby zapewnić lepsze doznania
11:51
that was better for the user.
242
711854
1400
ich użytkownikom.
11:53
What's missing is a nervous system
243
713278
1791
Brakuje systemu nerwowego
11:55
connecting us to all of the things that we design, make and use.
244
715093
3709
łączącego nas z tworzonymi i używanymi produktami.
11:59
What if all of you had that kind of information flowing to you
245
719735
3555
A gdybyśmy mieli informację zwrotną od rzeczy,
12:03
from the things you create in the real world?
246
723314
2183
które tworzymy w prawdziwym świecie?
12:07
With all of the stuff we make,
247
727252
1451
Produkując je,
12:08
we spend a tremendous amount of money and energy --
248
728727
2435
zużywamy mnóstwo pieniędzy i energii,
12:11
in fact, last year, about two trillion dollars --
249
731186
2376
w zeszłym roku jakieś dwa biliony dolarów,
12:13
convincing people to buy the things we've made.
250
733586
2854
przekonując ludzi, żeby je kupili.
12:16
But if you had this connection to the things that you design and create
251
736464
3388
Gdybyśmy mieli łączność z produktami
12:19
after they're out in the real world,
252
739876
1727
po wypuszczeniu ich na rynek,
12:21
after they've been sold or launched or whatever,
253
741627
3614
po sprzedaży czy oddaniu do użytku,
12:25
we could actually change that,
254
745265
1620
to zamiast zachęcać klientów do naszych produktów,
12:26
and go from making people want our stuff,
255
746909
3047
12:29
to just making stuff that people want in the first place.
256
749980
3434
moglibyśmy produkować to, co klienci chcą mieć.
12:33
The good news is, we're working on digital nervous systems
257
753438
2787
Dobra wiadomość jest taka, że pracujemy nad systemami nerwowymi,
12:36
that connect us to the things we design.
258
756249
2801
które łączą nas z produktami.
12:40
We're working on one project
259
760185
1627
Pracujemy nad pewnym projektem
12:41
with a couple of guys down in Los Angeles called the Bandito Brothers
260
761836
3712
z Bandito Brothers z Los Angeles
12:45
and their team.
261
765572
1407
i ich zespołem.
12:47
And one of the things these guys do is build insane cars
262
767003
3433
Jednym z ich projektów jest budowa niesamowitych samochodów,
12:50
that do absolutely insane things.
263
770460
2873
które robią niesamowite rzeczy.
12:54
These guys are crazy --
264
774725
1450
Ci faceci są szaleni.
12:56
(Laughter)
265
776199
1036
(Śmiech)
12:57
in the best way.
266
777259
1403
W najlepszym tego słowa znaczeniu.
13:00
And what we're doing with them
267
780813
1763
Wzięliśmy podwozie z prawdziwego samochodu rajdowego
13:02
is taking a traditional race-car chassis
268
782600
2440
13:05
and giving it a nervous system.
269
785064
1585
i daliśmy mu system nerwowy.
13:06
So we instrumented it with dozens of sensors,
270
786673
3058
Wyposażyliśmy go w dziesiątki sensorów,
13:09
put a world-class driver behind the wheel,
271
789755
2635
posadziliśmy za kółkiem światowej klasy kierowcę,
13:12
took it out to the desert and drove the hell out of it for a week.
272
792414
3357
pojechaliśmy na pustynię i przez tydzień wyciągaliśmy z niego, ile się dało.
13:15
And the car's nervous system captured everything
273
795795
2491
System nerwowy samochodu uchwycił wszystko,
13:18
that was happening to the car.
274
798310
1482
co go dotyczyło.
13:19
We captured four billion data points;
275
799816
2621
Zdobyliśmy miliard danych.
13:22
all of the forces that it was subjected to.
276
802461
2310
Wszystkie przebyte obciążenia.
13:24
And then we did something crazy.
277
804795
1659
Potem zrobiliśmy coś szalonego.
13:27
We took all of that data,
278
807088
1500
Wszystkie te dane dostał "Dreamcatcher",
13:28
and plugged it into a generative-design AI we call "Dreamcatcher."
279
808612
3736
AI do projektowania generatywnego.
13:33
So what do get when you give a design tool a nervous system,
280
813090
3964
Co powstanie, gdy narzędzie do projektowania zyska system nerwowy
13:37
and you ask it to build you the ultimate car chassis?
281
817078
2882
i ma stworzyć najlepsze podwozie?
13:40
You get this.
282
820543
1973
Otrzymacie to.
13:44
This is something that a human could never have designed.
283
824113
3713
Człowiek nigdy by tego nie zaprojektował.
13:48
Except a human did design this,
284
828527
1888
Jednak zaprojektował to człowiek,
13:50
but it was a human that was augmented by a generative-design AI,
285
830439
4309
ale przy pomocy AI do projektowania generatywnego,
13:54
a digital nervous system
286
834772
1231
cyfrowego systemu nerwowego
13:56
and robots that can actually fabricate something like this.
287
836027
3005
i robotów, które potrafią stworzyć coś takiego.
13:59
So if this is the future, the Augmented Age,
288
839500
3595
Jeśli era rozszerzonej rzeczywistości jest przyszłością,
14:03
and we're going to be augmented cognitively, physically and perceptually,
289
843119
4261
a my będziemy poszerzać swoje możliwości poznawcze, fizyczne i percepcyjne,
14:07
what will that look like?
290
847404
1408
co z tego powstanie?
14:09
What is this wonderland going to be like?
291
849396
3321
Jak będzie wyglądała ta kraina czarów?
14:12
I think we're going to see a world
292
852741
1709
Pewnie będzie to świat,
14:14
where we're moving from things that are fabricated
293
854474
3068
w którym zamiast produkować,
14:17
to things that are farmed.
294
857566
1445
będziemy hodować.
14:19
Where we're moving from things that are constructed
295
859979
3453
Produkty nie będą konstruowane,
14:23
to that which is grown.
296
863456
1704
tylko będą rosnąć.
14:25
We're going to move from being isolated
297
865954
2188
Nie będą odosobnione,
14:28
to being connected.
298
868166
1610
tylko połączone.
14:30
And we'll move away from extraction
299
870454
2411
Będziemy przechodzić od wydobywania,
14:32
to embrace aggregation.
300
872889
1873
do zbierania.
14:35
I also think we'll shift from craving obedience from our things
301
875787
3767
Sądzę, że zamiast wymagać posłuszeństwa,
14:39
to valuing autonomy.
302
879578
1641
docenimy niezależność produktów.
14:42
Thanks to our augmented capabilities,
303
882330
1905
Dzięki poszerzeniu naszych możliwości,
14:44
our world is going to change dramatically.
304
884259
2377
świat zmieni się diametralnie.
14:47
We're going to have a world with more variety, more connectedness,
305
887396
3246
Będzie w nim więcej różnorodności, spójności,
14:50
more dynamism, more complexity,
306
890666
2287
dynamizmu, złożoności,
14:52
more adaptability and, of course,
307
892977
2318
elastyczności i, oczywiście,
14:55
more beauty.
308
895319
1217
więcej piękna.
14:57
The shape of things to come
309
897051
1564
Kształt przyszłych produktów
14:58
will be unlike anything we've ever seen before.
310
898639
2290
nie będzie przypominał tego, co już widzieliśmy.
15:00
Why?
311
900953
1159
Dlaczego?
15:02
Because what will be shaping those things is this new partnership
312
902136
3755
Bo będą one kształtowane przez połączenie
15:05
between technology, nature and humanity.
313
905915
3670
technologii, natury i pracy człowieka.
15:11
That, to me, is a future well worth looking forward to.
314
911099
3804
Na taką przyszłość warto czekać.
15:14
Thank you all so much.
315
914927
1271
Dziękuję bardzo.
15:16
(Applause)
316
916222
5669
(Brawa)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7