Aicha Evans: Your self-driving robotaxi is almost here | TED

Переводчик: Michail Shabunin Редактор: Olga Mansurova

I’m Aicha Evans,

Меня зовут Айша Эванс.

I am from Senegal, West Africa,

Я из Сенегала, в Западной Африке,

and I fell in love with technology, science and engineering

и я полюбила технологии, науку, и инженерное дело

at a very young age.

в раннем возрасте.

Three things happened.

По трём причинам.

I was studying in Paris,

Я училась в Париже

and starting at seven years old,

и начала с семилетнего возраста

flying back and forth between Dakar, Senegal and Paris

летать туда и обратно между Дакаром, Сенегалом и Парижем

as an unaccompanied minor.

без сопровождения.

So it wasn't just about the travel.

Но это было не просто путешествие.

It was really about a portal to knowledge,

Это был скорее кладезь знаний

different environments

по разному окружению

and adapting.

и адаптации.

Second thing that happened

Вторая причина в том, что каждый раз,

was every time I was at home in Senegal,

когда я была дома в Сенегале,

I wanted to talk to my friends in Paris.

мне хотелось общаться с моими друзьями в Париже.

So my dad got tired of the long-distance bills,

В общем, счета за звонки между странами утомили отца,

so he put a little lock on the phone --

и он поставил защиту на телефон, дисковый.

the rotary phone.

Я сказала, всё нормально,

I said, OK, no problem,

hacked it,

взломала его,

and he kept getting the bills.

и папа продолжил платить за счета.

Sorry again, Dad, if you’re watching this someday.

Ещё раз извини, папа, если увидишь это однажды.

And then, obviously, the internet was also emerging.

И в-третьих, очевидно, что появился интернет.

So what really happened was that, in terms of technology,

То, что в реальности произошло, с точки зрения технологий,

I really saw it as something that shaped your experiences,

я увидела как нечто, что формирует ваш опыт,

how you understand the world

как вы понимаете этот мир

and wanting to be part of it.

и как хотите стать его частью.

And for me,

А для меня

the common thread is that physical and virtual transportation --

общая связь физического и виртуального перемещения,

because that’s really what that rotary phone was for me --

чем был для меня дисковый телефон,

are at the center of the innovation flywheel.

стоит в центре маховика инноваций.

Now, fast-forward.

Теперь перемотка вперёд.

I’m here today,

Сегодня я здесь,

I’m part of a movement and an industry

как часть движения и индустрии,

that is working on bringing transportation and technology together.

работающей на объединение транспорта и технологий вместе.

Huh.

Вот так.

It’s not just about your commutes.

Это не только о ваших поездках.

It’s really about changing everything

Это об изменении всего

in terms of how we move people, goods and services, eventually.

в понимании, как мы перемещаем людей, товары и услуги.

That transformation involves robotaxis.

Эта трансформация включает роботизированные такси.

Driverless cars again, really?

Такси без водителя снова, неужели?

Yeah, yeah, yeah, I’ve heard it before.

Да, да, да, я слышала об этом прежде.

And by the way, they are always coming the next decade,

И кстати, они всегда на подходе в следующем десятилетии,

and oh, by the way,

и к тому же

there’s an alphabet soup of companies working on it

уже есть пёстрый список компаний, работающих над этим,

and we can’t even remember who’s who and who’s doing what.

а мы даже не помним, кто есть кто и чем занимается.

Yeah?

Это так?

Audience: Yeah.

(Смех)

AE: Yeah, OK, well, this is not about personal, self-driving cars.

Да, отлично, но этот разговор не о личных беспилотных автомобилях.

Sorry to disappoint you.

Простите, что расстроила вас.

This is really about a few things.

Это скорее о некоторых моментах.

First of all,

Прежде всего,

personally and individually owned cars are a wasteful expense,

автомобили в личном владении являются бесполезными расходами,

and they contribute to, basically, a lot of pollution

они, в основном, выделяют множество выбросов

and also traffic in urban areas.

и создают пробки в городах.

Second of all, there’s this notion of self-driving shuttles,

Во-вторых, есть такое понятие о самоуправляемых шаттлах.

but frankly, they are optimized for many.

Но честно говоря, они оптимизированы для многих.

They can’t take you specifically from point A to point B.

Они не могут доставить вас точно из пункта А в пункт Б.

OK, now we have --

Хорошо, ещё мы имеем,

hm, how am I going to say this --

хм, как бы это сказать,

the so-called “personal, self-driving” cars of today.

сегодня так называемые «личные, самоуправляемые» авто.

Well, the reality is that those cars still require a human behind the wheel.

Ладно, но реальность такова, что эти машины всё ещё нуждаются в водителе.

A safety driver.

В безопасном водителе.

Make no mistake about it.

Не заблуждайтесь.

I own one of those,

Я владею одной из таких,

and when I’m in it,

и когда я в ней,

I am a safety driver.

я безопасный водитель.

So the question now becomes, What do we do with this?

Пора задать вопрос: Что нам с этим делать?

Well, we think that robotaxis,

Хорошо, мы считаем, что роботы-такси

first of all, they will take you specifically from point A to point B.

во-первых, доставят вас точно из пункта А в пункт Б.

Second of all, when you're not using them,

Во-вторых, когда вы их не используете,

somebody else will be using them.

кто-то другой ими воспользуется.

And they are being tested today.

И их уже тестируют сегодня.

When I say that we’re on the cusp of finally delivering that vision,

Когда я говорю, что мы на пороге финальной реализации этого видения,

there's actually reason to believe it.

есть актуальная причина в это верить.

At the core of self-driving technology is computer vision.

Ядро самоуправляемой технологии составляет компьютерное зрение.

Computer vision is a real-time representation,

Компьютерное зрение — это отображение в реальном времени,

digital representation, of the world and the interactions within it.

цифровое отображение этого мира и взаимодействий внутри него.

It has benefited from leaps and bounds of advancements

Этому способствовал «тернистый» путь прогресса

thanks to computer, sensors, machine learning and software innovation.

благодаря компьютеру, сенсорам, машинному обучению и алгоритмам.

At the core of computer vision are camera systems.

Структуру компьютерного зрения составляют системы камер.

Cameras basically help you see agents such as cars,

Камеры, в основном, помогают вам видеть такие препятствия, как машины,

their locations and their actions,

их позиции и перемещения,

pedestrians,

пешеходов,

their locations,

их положения,

their actions and their gestures.

их действия и жесты.

In addition, there's also been a lot of advancements.

Вдобавок здесь также произошло множество улучшений.

So one example is our vehicle can see the skeleton framework

На этом примере наше авто может видеть скелетный каркас,

to show you the direction of travel;

показывающий направление движения,

also to give you details, like, are you dealing with a construction worker

а также конкретные детали: есть ли рабочий строитель

in a construction zone

в зоне ведения работ

or are you dealing with a pedestrian that’s probably distracted

или вы имеете дело с пешеходом, который, возможно, отвлёкся,

because they are looking on their phone?

потому что смотрит в экран телефона?

Now the reality, though --

Вернёмся к реальности,

and this is where it gets interesting --

и вот где становится интереснее:

is that the camera and the algorithms that help us really cannot yet match

камеры и алгоритмы, помогающие нам, пока ещё не дотягивают до уровня

the human brain’s ability to understand and interpret the environment.

человеческого разума понимать и интерпретировать окружение.

They just can’t.

Они просто не могут.

Even though they provide you really high-resolution imaging

Даже несмотря на то, что они дают вам картинку с очень высоким разрешением,

that really gives you continuous coverage,

что обеспечивает непрерывный контроль,

that doesn’t get fatigued, impaired

который не устанет, не повредится

or, you know, drunk or anything like that,

или, ну вы знаете, выпьет или что-то подобное,

at the end of the day,

в конце концов

there are still things that they can’t see and they can’t measure.

всё ещё существуют вещи, которые они не могут видеть или измерить.

So if we want autonomous-driving robotaxis soon,

Так что, если мы хотим такси без водителя в обозримом будущем,

we have to supplement cameras.

мы должны снабдить его камерами.

Let me walk through some examples.

Позвольте ещё несколько примеров.

So radar gives you the direction of travel

Радар даёт вам направление движения

and measures the agent’s movement within centimeters per second.

и измеряет перемещение объекта в сантиметрах в секунду.

Lidar gives you objects and shapes in the real world using depth perception

Лидар даёт объекты и формы реального мира через восприятие глубины

as well as long-range and the all-important night vision.

также как и очень важное ночное видение большой дальности.

And let me tell you about this,

И позвольте рассказать об этом,

because this is important to me personally and people who look like me.

потому что это важно лично для меня и для людей схожих со мной.

Then you have, also, long-wave infrared

У вас также есть длинно-волновое инфракрасное излучение,

where you are able to see agents that are emitting heat,

где вы можете увидеть объекты, которые излучают тепло,

such as animals and humans.

такие как животные и люди.

And that’s again,

И это опять же,

especially at night,

особенно по ночам,

super important.

очень важно.

Now, every one of these sensors is very powerful by itself,

Далее, каждый из этих сенсоров очень силён сам по себе,

but when you put them together is when the magic happens.

но когда вы соединяете их вместе, тогда и происходит магия.

If you see with this vehicle, for example,

Если в этом автомобиле, например,

you have these multiple sensor modalities

у вас есть несколько датчиков

at all top four corners of the vehicle

на всех четырёх верхних углах автомобиля,

that basically provide you a 360-degree field of vision,

что, в основном, даёт вам поле зрения в 360 градусов,

continuously,

непрерывно,

in a redundant manner,

в избыточной мере,

so that we don't miss anything.

тогда мы ничего не упустим.

And this is that same thing

И то же самое

with all of the different outputs fused together.

со всеми другими каналами получения информации, объединёнными вместе.

And looking at this, basically,

И, по существу, смотреть на это,

and looking at what we see and how we are able to process the data,

видеть то, что мы видим и как мы способны обрабатывать данные,

then learn,

затем извлекать опыт,

then continue to improve our driving,

затем продолжать улучшать наше вождение,

is what tells us that we have confidence,

всё это говорит нам, что мы уверены в себе,

this is the right approach

что это правильный подход

and this time it’s actually coming.

и это время действительно наступает.

Now, this is not, by the way, a brand new concept, OK?

Кстати, это не является новой концепцией, да?

Humans have been basically using vision systems

Люди в основном пользуются системами визуального наблюдения

to assist them for a long time.

для подстраховки уже долгое время.

Let me back up the boat a little bit,

Позвольте немного вернуться назад,

because I know there’s a question that everybody’s asking,

так как существует вопрос, который все задают:

which is, “Hey, how are you going to deal with all the scenarios

«А как вы собираетесь учитывать все эти сценарии

out there on the streets today?”

там, на улицах сегодня?»

Most of us are drivers,

Многие из нас водители,

and it’s complicated out there.

а на улицах всё усложнилось.

Well, the truth is that there will always be edge scenarios

Правда в том, что всегда будут существовать сценарии,

that sit at the boundary of our real-world testing

которые стоят на границе тестирования в нашем реальном мире

or that are just too dangerous to test on real streets.

или которые слишком опасны для проверки на настоящих улицах.

That is the truth,

Вот это действительно правда,

and it will be the truth for a very long time.

и так будет продолжаться ещё на протяжении долгого времени.

Human beings are pretty underrated in their abilities.

Человеческие существа очень недооценены в их способностях.

So what we do is we use simulation.

Именно поэтому мы используем симуляцию.

And with simulation,

И при помощи симуляции

we’re able to construct millions of scenarios

мы в силах смоделировать миллионы сценариев

in a fabricated environment

в специально созданной обстановке,

so that we can see how our software would react.

чтобы видеть, как наши алгоритмы будут реагировать.

And that’s the simulation footage.

И это кадры моделирования.

You can see we’re building the world,

Вы можете видеть, как мы строим мир:

we’re putting in scenarios

мы вводим сценарии,

and we can add things,

можем добавить элементы

remove things

или убрать их

and see how we would react.

и увидеть нашу реакцию.

In addition, we have what's called a human in the loop.

В дополнение у нас есть человек, держащий руку на пульсе.

This is very similar to aviation systems today.

Это очень схоже с авиационными системами сегодня.

We don’t want the vehicle to get stuck,

Мы не хотим, чтобы автомобиль застрял,

and there are rare times where it’s not going to know what to do.

а есть немногочисленные случаи, когда он не знает что делать.

So we have a team of teleguidance operators

Для этого у нас есть команда операторов с удалённым доступом,

that are sitting at a control center,

сидящая в центре контроля,

and if the vehicle knows that it’s going to be stuck

и если автомобиль знает, что он может застрять,

or it doesn’t know what to do,

или он не знает, что делать,

it asks for guidance and help

он подаёт запрос на руководство и помощь

and it receives it remotely

и получает их удалённо,

and then it proceeds.

а затем выполняет.

Now, none of these really are new concepts,

Далее, ничего из этого не является новой разработкой,

as I alluded to earlier.

как я уже упоминала ранее.

Vision systems have been assisting humans for a long time,

Системы визуального наблюдения сопровождали людей уже долгое время,

especially with things that are not visible to the naked eye.

особенно это касается вещей, невидимых для естественного зрения.

So ...

Итак,

microscopes, right?

микроскопы, верно?

We’ve been studying microbes and cells for a long time.

На протяжении долгого времени мы изучаем микробов и бактерий.

Telescopes:

Телескопы.

we’ve been studying and detecting galaxies millions of light-years away

Мы изучаем и выявляем галактики на расстоянии миллионов световых лет

for a long time.

уже давно.

And both of these have caused us,

И они вместе оказали влияние на нас,

for example,

например,

to transform industries like medicine,

чтобы преобразовать такие индустрии, как медицина,

farming,

сельское хозяйство,

astrophysics

астрофизика

and much more.

и многие другие.

So when we talk about computer vision,

Поэтому, когда мы говорим о компьютерном зрении,

when it started,

когда оно зародилось,

it was really a thought experiment

это и в правду был мыслительный эксперимент

to see if we could replicate what humans see using cameras.

чтобы понять, можно ли воспроизвести то, что видят люди через камеры.

It has now graduated with sensors,

Теперь это перешло к сенсорам,

computers,

компьютерам,

AI

алгоритмам ИИ

and software innovation

и программным инновациям,

to be about surpassing what humans can see and perceive.

чтобы превзойти то, что люди могут видеть и воспринимать.

We’ve made a lot of progress in this field,

Мы добились большого прогресса на этом поприще,

but at the end of the day,

но в конце концов

we have a lot more to do.

мы должны сделать больше.

And with an autonomous robotaxi,

А что касается автономных роботов-такси,

you want it to be safe,

чтобы они были безопасными,

right and reliable every single time,

правильно настроенными и надёжными в каждый момент времени,

which requires rigorous testing and optimization.

это потребует строгого тестирования и оптимизации.

And when that happens

И когда это случится

and we reach that state,

и мы достигнем этой ступени,

we will wonder how we ever accepted

мы будем удивлены, как мы принимали

or tolerated

или допускали

94 percent of crashes

94 процента автомобильных аварий

being caused by human [error].

по вине человека.

So with computer vision,

Благодаря компьютерному зрению

we have the opportunity

у нас есть возможность

to move from problem-solving to problem-preventing.

перейти от разрешения проблемы к её предотвращению.

And I truly, truly believe

И я действительно верю,

that the next generation of scientists and technologists

что следующее поколение учёных и технологов

in, yes, Silicon Valley,

и не только из Кремниевой долины,

but in Paris,

но и из Парижа,

in Senegal, West Africa

из Сенегала, Западной Африки

and all over the world,

да и по всему миру,

will be exposed to computer vision applied broadly.

представят компьютерное зрение к повсеместному применению.

And with that,

И с этим,

all industries will be transformed,

все индустрии будут преобразованы,

and we will experience the world in a different way.

и мы будем открывать мир для себя под новым ракурсом.

I hope you can join me in agreeing that this is a gift

Я надеюсь, что вы присоединитесь к моей позиции, что это подарок,

that we almost owe our next generation that is coming,

что мы практически должны его дать наступающему поколению,

because there are a lot of things that computer vision will help us solve.

ведь есть много проблем, которые компьютерное зрение поможет нам решить.

Thank you.

Спасибо вам.

(Applause)

(Аплодисменты)