Chris Urmson: How a driverless car sees the road

862,221 views ・ 2015-06-26

TED


โปรดดับเบิลคลิกที่คำบรรยายภาษาอังกฤษด้านล่างเพื่อเล่นวิดีโอ

Translator: Weetimar T. Reviewer: Phanlaphat Saemavattanagit
00:12
So in 1885, Karl Benz invented the automobile.
0
12528
3949
ในปี พ.ศ.2428 คาร์ล เบนซ์ ได้ประดิษฐ์รถยนต์ขึ้น
00:16
Later that year, he took it out for the first public test drive,
1
16707
3762
และปีนั้นเอง เขาได้พามันไปทดลองขับในที่สาธารณะ
00:20
and -- true story -- crashed into a wall.
2
20469
3375
และสิ่งที่ผมจะพูดนี้เป็นเรื่องจริง เขาเอาไปชนกำแพง
00:24
For the last 130 years,
3
24184
2043
ในช่วง 130 ปีที่ผ่านมา
00:26
we've been working around that least reliable part of the car, the driver.
4
26227
4319
เราได้พัฒนาส่วนต่างๆของรถ ยกเว้นแต่ส่วนที่วางใจได้น้อยที่สุดคือ คนขับ
00:30
We've made the car stronger.
5
30546
1354
เราสร้างรถให้แข็งแรงขึ้น
00:32
We've added seat belts, we've added air bags,
6
32200
2548
พวกเราได้เพิ่มทั้ง เข็มขัดนิรภัย ถุงลมนิรภัย
00:34
and in the last decade, we've actually started trying to make the car smarter
7
34748
3971
และในช่วง 10 ปีที่ผ่านมา พวกเราได้เริ่มพยายามทำให้รถฉลาดขึ้น
00:38
to fix that bug, the driver.
8
38719
2938
เพื่อจะแก้บั๊ก หรือคนขับนั่นเอง
00:41
Now, today I'm going to talk to you a little bit about the difference
9
41657
3261
ดังนั้นวันนี้ผมจะพูดสั้นๆ เกี่ยวกับความแตกต่าง
00:44
between patching around the problem with driver assistance systems
10
44918
3808
ระหว่างการแก้ไขรอบๆปัญหา ด้วยระบบช่วยเหลือผู้ขับขี่
00:48
and actually having fully self-driving cars
11
48726
2564
กับการที่มีรถที่สามารถขับขี่ได้ด้วยตัวเอง
00:51
and what they can do for the world.
12
51290
1880
และสิ่งที่มันสามารถทำได้
00:53
I'm also going to talk to you a little bit about our car
13
53170
2995
ผมจะพูดสั้นๆเกี่ยวกับรถของพวกเรา
00:56
and allow you to see how it sees the world and how it reacts and what it does,
14
56165
3999
แล้วให้คุณลองดูว่ามันเห็นโลกอย่างไร และตอบสนองแบบไหนและทำอะไรได้บ้าง
01:00
but first I'm going to talk a little bit about the problem.
15
60164
3187
แต่ก่อนอื่นเลย ผมจะพูดสั้นๆเกี่ยวกับปัญหา
01:03
And it's a big problem:
16
63651
1648
ซึ่งมันเป็นปัญหาใหญ่ทีเดียว
01:05
1.2 million people are killed on the world's roads every year.
17
65299
3089
1.2 ล้านคนทั่วโลกเสียชีวิตบนถนนทุกๆปี
01:08
In America alone, 33,000 people are killed each year.
18
68388
3784
เพียงอเมริกาที่เดียว ในแต่ละปีมี 33,000 คน เสียชีวิต
01:12
To put that in perspective,
19
72172
2028
เพื่อให้เห็นชัดขึ้น
01:14
that's the same as a 737 falling out of the sky every working day.
20
74200
4797
มันเหมือนกับมีเครื่องบิน 737 ตกลงมาจากฟ้าทุกๆวันทำการ
01:19
It's kind of unbelievable.
21
79342
1786
มันแทบจะไม่น่าเชื่อ
01:21
Cars are sold to us like this,
22
81548
2298
เวลาเราซื้อรถยนต์เราเห็นภาพมันแบบนี้
01:23
but really, this is what driving's like.
23
83846
2717
แต่นี่คือความเป็นจริงของการขับขี่
01:26
Right? It's not sunny, it's rainy,
24
86563
2159
เห็นด้วยไหมครับ แดดไม่ออกแต่ฝนก็ไม่ตก
01:28
and you want to do anything other than drive.
25
88722
2488
ทำให้คุณอยากทำอย่างอื่น แทนที่จะต้องขับรถ
01:31
And the reason why is this:
26
91210
1622
และต้นเหตุที่ทำไม
01:32
Traffic is getting worse.
27
92832
1858
การจราจรแย่ลงเรื่อยๆ
01:34
In America, between 1990 and 2010,
28
94690
3506
ในอเมริกา ระหว่างปี 2533 ถึง 2553
01:38
the vehicle miles traveled increased by 38 percent.
29
98196
3504
ระยะการเดินทาง ของพาหนะเพิ่มขึ้นถึง 38%
01:42
We grew by six percent of roads,
30
102213
2749
เรามีถนนเพิ่มขึ้น 6%
01:44
so it's not in your brains.
31
104962
1602
คุณไม่ได้แค่รู้สึกไปเองหรอก
01:46
Traffic really is substantially worse than it was not very long ago.
32
106564
4276
การจราจรแย่ขึ้นมาก ถ้าเทียบกับอดีตที่เพิ่งผ่านไปไม่นาน
01:50
And all of this has a very human cost.
33
110840
2409
และถือว่ามีความเสียหายทางมูลค่าต่อมนุษย์
01:53
So if you take the average commute time in America, which is about 50 minutes,
34
113529
3948
ถ้าเราเอาค่าเฉลี่ยของเวลา ที่คนอเมริกันใช้เดินทาง นั่นก็คือ 50นาที
01:57
you multiply that by the 120 million workers we have,
35
117477
3649
เอาจำนวนนั้นไปคูณกับ จำนวน 120 ล้านคนไปทำงาน
02:01
that turns out to be about six billion minutes
36
121126
2225
นั่นออกมาเท่ากับประมาณ 6 พันล้านนาที
02:03
wasted in commuting every day.
37
123351
2026
มันถูกเสียไปกับการเดินทางทุกๆวัน
02:05
Now, that's a big number, so let's put it in perspective.
38
125377
2827
นั่นเป็นเลขตัวใหญ่มาก และเพื่อให้คุณเห็นภาพ
02:08
You take that six billion minutes
39
128204
1774
คุณเอา 6 พันล้านนาทีนั้น
02:09
and you divide it by the average life expectancy of a person,
40
129978
3784
แล้วหารด้วยอายุขัยเฉลี่ยของมนุษย์
02:13
that turns out to be 162 lifetimes
41
133762
3135
จะเท่ากับ 162 ชาติ
02:16
spent every day, wasted,
42
136897
2925
ถูกนำมาทิ้งทุกๆวัน
02:19
just getting from A to B.
43
139822
2044
เพื่อที่จะเดินทางจาก ที่หนึ่งไปที่ที่สอง
02:21
It's unbelievable.
44
141866
1730
มันไม่น่าเชื่อเลย
02:23
And then, there are those of us who don't have the privilege
45
143596
2844
แล้วก็ยังมีพวกเราบางคน ที่ไม่ได้มีอภิสิทธิ์
02:26
of sitting in traffic.
46
146440
1672
ที่จะเจอกับรถติดนั้น
02:28
So this is Steve.
47
148112
1578
นี่คือสตีฟ
02:29
He's an incredibly capable guy,
48
149690
1765
เค้าเป็นคนที่มีความสามารถมากมาย
02:31
but he just happens to be blind,
49
151455
2516
แต่ว่าเค้าก็เป็นคนตาบอดด้วย
02:33
and that means instead of a 30-minute drive to work in the morning,
50
153971
3217
ซึ่งนั่นหมายความว่าแทนที่จะใช้เวลา 30 นาที ขับรถยนต์ไปทำงานในตอนเช้า
02:37
it's a two-hour ordeal of piecing together bits of public transit
51
157188
3979
เขาจะต้องใช้เวลาประมาณ 2 ชั่วโมง ในการต่อรถขนส่งมวลชน
02:41
or asking friends and family for a ride.
52
161167
2385
หรือไม่ก็ต้องขอเพื่อนหรือที่บ้านให้ไปส่ง
02:43
He doesn't have that same freedom that you and I have to get around.
53
163552
3669
เค้าไม่ได้มีอิสระเหมือนคุณกับผม เวลาจะไปไหนมาไหน
02:47
We should do something about that.
54
167221
2460
พวกเราควรจะทำอะไรบางอย่าง
02:49
Now, conventional wisdom would say
55
169891
1757
ถ้าเป็นความคิดแบบเดิมๆเราก็จะบอกว่า
02:51
that we'll just take these driver assistance systems
56
171648
2492
เราจะเอาระบบช่วยเหลือคนขับก็พอ
02:54
and we'll kind of push them and incrementally improve them,
57
174140
3750
แล้วเราก็ผลักดันและพัฒนาเพิ่มเติม
02:57
and over time, they'll turn into self-driving cars.
58
177890
2542
แล้วพอเวลาผ่านไป มันก็จะเป็นรถที่ขับเคลื่อนด้วยตัวเอง
03:00
Well, I'm here to tell you that's like me saying
59
180432
2409
ผมมายืนตรงนี้เพื่อที่จะบอกคุณว่า มันเหมือนกับว่า
03:02
that if I work really hard at jumping, one day I'll be able to fly.
60
182841
4057
ผมบอกว่าถ้าผมพยายามตั้งใจกระโดดมากๆ วันนึงผมจะบินได้
03:06
We actually need to do something a little different.
61
186898
2728
พวกเราจำเป็นจะต้องทำอะไรบางอย่าง ให้แตกต่างออกไป
03:09
And so I'm going to talk to you about three different ways
62
189626
2711
ดังนั้นผมจึงจะพูดเกี่ยวกับ 3สิ่งที่แตกต่างออกไป
03:12
that self-driving systems are different than driver assistance systems.
63
192337
3346
ระหว่างระบบการขับเคลื่อนด้วยตัวเอง และระบบช่วยเหลือผู้ขับขี่
03:15
And I'm going to start with some of our own experience.
64
195683
2651
ผมจะเริ่มด้วยการแบ่งบัน เรื่องจากประสบการณ์ตรงของผม
03:18
So back in 2013,
65
198334
2253
ย้อนกลับไปปี 2556
03:20
we had the first test of a self-driving car
66
200587
2663
เราได้ทดลองรถยนต์ ที่ขับเคลื่อนด้วยตัวเองเป็นครั้งแรก
03:23
where we let regular people use it.
67
203250
2027
ซึ่งเราให้คนทั่วไปเป็นคนทดลอง
03:25
Well, almost regular -- they were 100 Googlers,
68
205277
2202
อืม ก็เกือบทั่วไปนะ เราให้พนักงานกูเกิ้ล 100 คน
03:27
but they weren't working on the project.
69
207479
2003
ที่ไม่ได้เกี่ยวข้องกับโครงการนี้
03:29
And we gave them the car and we allowed them to use it in their daily lives.
70
209482
3621
เราให้รถพวกเขาไป เพื่อเอาไว้ใช้ในชีวิตประจำวัน
03:33
But unlike a real self-driving car, this one had a big asterisk with it:
71
213103
3719
แต่ไม่เหมือนกับรถขับเคลื่อนด้วยตัวเองปกติ มันมีดอกจันใหญ่ๆติดไปด้วย
03:36
They had to pay attention,
72
216822
1504
ผู้ลองขับจะต้องใส่ใจด้วย
03:38
because this was an experimental vehicle.
73
218326
2633
เพราะว่ามันเป็นรถทดลอง
03:40
We tested it a lot, but it could still fail.
74
220959
3525
พวกเราทดลองมาเยอะมาก แต่มันก็มีโอกาสที่จะพลาด
03:44
And so we gave them two hours of training,
75
224484
2059
พวกเราใช้เวลา 2 ชั่วโมงเพื่ออบรม
03:46
we put them in the car, we let them use it,
76
226543
2092
เราให้พวกเขาขึ้นไปบนรถและใช้มัน
03:48
and what we heard back was something awesome,
77
228635
2127
และเสียงตอบรับ มันเป็นอะไรที่สุดยอดมากเลย
03:50
as someone trying to bring a product into the world.
78
230762
2524
สำหรับคนที่พยายาม จะทำผลิตภัณฑ์ใหม่ในโลกนี้
03:53
Every one of them told us they loved it.
79
233286
1925
ทุกคนที่ได้ลองบอกเราเขาชอบมาก
03:55
In fact, we had a Porsche driver who came in and told us on the first day,
80
235211
3566
จริงๆ แล้วเรามีคนขับรถปอร์เช่ ที่มาบอกเราตั้งแต่วันแรกว่า
03:58
"This is completely stupid. What are we thinking?"
81
238777
2663
'มันงี่เง่ามาก พวกเราคิดอะไรอยู่'
04:01
But at the end of it, he said, "Not only should I have it,
82
241850
2840
แต่ว่าในตอนจบการทดลอง เขาพูดว่า 'ไม่ใช่แค่ผมควรจะมีรถนี้
04:04
everyone else should have it, because people are terrible drivers."
83
244690
3175
แต่คนอื่นๆทุกคนควรจะมีมันด้วย เพราะบางคนก็ขับรถไม่ได้เรื่อง'
04:09
So this was music to our ears,
84
249135
1735
มันเป็นเหมือนเสียงจากสวรรค์เลย
04:10
but then we started to look at what the people inside the car were doing,
85
250870
3803
แต่ว่าพอพวกเราเริ่มดูว่า คนทำอะไรในรถกัน
04:14
and this was eye-opening.
86
254673
1579
มันเป็นอะไรที่เปิดหูเปิดตามาก
04:16
Now, my favorite story is this gentleman
87
256252
2438
ตัวอย่างโปรดของผมคือ คุณผู้ชายคนนี้
04:18
who looks down at his phone and realizes the battery is low,
88
258690
3829
เขาก้มมองโทรศัพท์ของเขา แล้วเห็นว่าแบตกำลังจะหมด
04:22
so he turns around like this in the car and digs around in his backpack,
89
262519
4548
เขาเลยหันหลังไปเพื่อค้นกระเป๋าเขาเพื่อ
04:27
pulls out his laptop,
90
267067
2153
ดึงคอมพิวเตอร์แลปทอปออกมา
04:29
puts it on the seat,
91
269220
1567
วางที่เก้าอี้
04:30
goes in the back again,
92
270787
1764
แล้วหันกลับไปอีกครั้ง
04:32
digs around, pulls out the charging cable for his phone,
93
272551
3367
เพื่อค้นหาสายชาร์จโทรศัพท์
04:35
futzes around, puts it into the laptop, puts it on the phone.
94
275918
3367
เรื่อยๆ เฉื่อยๆ แล้วต่อมันเข้ากับ คอมพิวเตอร์และโทรศัพท์
04:39
Sure enough, the phone is charging.
95
279285
2043
แน่นอน หลังจากนั้นโทรศัพท์ก็ชาร์จ
04:41
All the time he's been doing 65 miles per hour down the freeway.
96
281328
3994
เค้าทำทุกอย่างขณะที่ รถวิ่งด้วยความเร็ว 100กม/ชมบนทางด่วน
04:45
Right? Unbelievable.
97
285322
2484
เห็นด้วยไหมว่าเป็นเรื่องไม่น่าเชื่อเลย
04:47
So we thought about this and we said, it's kind of obvious, right?
98
287806
3121
แล้วพอเรามาคิดดู เราก็บอกได้ว่า มันชัดเจนเลยใช่ไหม
04:50
The better the technology gets,
99
290927
2263
ว่าเทคโนโลยียิ่งดีขึ้นเท่าไหร่
04:53
the less reliable the driver is going to get.
100
293190
2121
คนขับก็พึ่งพาตัวเองน้อยลงเรื่อยๆ
04:55
So by just making the cars incrementally smarter,
101
295311
2396
ดังนั้นการที่ทำให้รถฉลาดขึ้นมากๆ
04:57
we're probably not going to see the wins we really need.
102
297707
2902
เราคงจะไม่ได้เห็นความสำเร็จ แบบที่เราหวังจะเห็น
05:00
Let me talk about something a little technical for a moment here.
103
300609
3901
ผมขอจะพูดเชิงเทคนิคสักหน่อยนะครับ
05:04
So we're looking at this graph, and along the bottom
104
304510
2438
เรามองกราฟนี้และแถวๆด้านล่าง
05:06
is how often does the car apply the brakes when it shouldn't.
105
306948
3051
นี่คือความถี่ที่รถเบรก ในเวลาไม่จำเป็น
05:09
You can ignore most of that axis,
106
309999
1621
คุณไม่ต้องสนใจแกนส่วนใหญ่ก็ได้
05:11
because if you're driving around town, and the car starts stopping randomly,
107
311620
3719
ลองคิดดูว่าหากคุณกำลังขับไปรอบๆเมือง แล้วรถเริ่มเบรกมั่วๆ
05:15
you're never going to buy that car.
108
315339
1701
คุณคงไม่ซื้อรถคันนั้นแน่ๆ
05:17
And the vertical axis is how often the car is going to apply the brakes
109
317040
3375
แกนแนวตั้งแสดงถึงความถี่ที่รถจะเบรก
05:20
when it's supposed to to help you avoid an accident.
110
320415
3049
เวลาที่มันสมควรเบรกเพื่อ จะช่วยไม่ให้เกิดอุบัติเหตุ
05:23
Now, if we look at the bottom left corner here,
111
323464
2221
ตอนนี้ เรามาดูที่มุมซ้ายล่าง
05:25
this is your classic car.
112
325685
1845
นี่คือรถธรรมดา
05:27
It doesn't apply the brakes for you, it doesn't do anything goofy,
113
327530
3133
มันไม่ช่วยเบรกรถให้คุณ มันไม่ทำอะไรประหลาดๆ
05:30
but it also doesn't get you out of an accident.
114
330663
2779
แต่ว่ามันก็ไม่ช่วยให้คุณพ้นจากอุบัติเหตุ
05:33
Now, if we want to bring a driver assistance system into a car,
115
333442
3018
แล้วถ้าเราต้องการเอา ระบบช่วยเหลือคนขับมาใช้ในรถ
05:36
say with collision mitigation braking,
116
336460
1828
เช่น ระบบเบรคอัตโนมัติเมื่อใกล้ชน
05:38
we're going to put some package of technology on there,
117
338288
2612
เรากำลังนำเทคโนโลยีบางอย่างมาใช้
05:40
and that's this curve, and it's going to have some operating properties,
118
340900
3418
นั่นก็คือเส้นโค้งเส้นนี้ แล้วมันก็จะมีส่วนร่วมในการขับขี่ด้วย
05:44
but it's never going to avoid all of the accidents,
119
344318
2490
แต่มันคงจะไม่สามารถช่วย หลีกเลี่ยงอุบัติเหตุได้เสมอ
05:46
because it doesn't have that capability.
120
346808
2059
เพราะว่ามันไม่ได้มีความสามารถนั้น
05:48
But we'll pick some place along the curve here,
121
348867
2249
แต่ว่าเราจะเลือกบางจุดจากเส้นนี้
05:51
and maybe it avoids half of accidents that the human driver misses,
122
351116
3254
แล้วบางทีมันอาจจะหลีกเลี่ยงอุบัติเหตุ ได้ครึ่งนึงของที่มนุษย์ทำพลาด
05:54
and that's amazing, right?
123
354370
1297
มันก็มหัศจรรย์มากแล้วใช่ไหม
05:55
We just reduced accidents on our roads by a factor of two.
124
355667
2727
เราได้ลดอุบัติเหตุบนถนนลงได้ครึ่งนึง
05:58
There are now 17,000 less people dying every year in America.
125
358394
3987
ตอนนี้มีคนเสียชีวิตน้อยลง 17,000 คนต่อปีในอเมริกา
06:02
But if we want a self-driving car,
126
362381
2020
แต่ถ้าหากเราอยากได้รถที่ขับได้ด้วยตัวเอง
06:04
we need a technology curve that looks like this.
127
364401
2307
เราต้องมีโค้งของเทคโนโลยีที่หน้าตาอย่างนี้
06:06
We're going to have to put more sensors in the vehicle,
128
366708
2599
เราจำเป็นจะต้องเพิ่มเซ็นเซอร์เข้าไปในตัวรถ
06:09
and we'll pick some operating point up here
129
369307
2021
แล้วก็เลือกจุดทำงานตรงนี้
06:11
where it basically never gets into a crash.
130
371328
2019
ที่มันจะไม่ชนอะไรเลย
06:13
They'll happen, but very low frequency.
131
373347
2443
มันจะมีบ้างแหละ แต่ว่าในความถี่ที่น้อยมากๆ
06:15
Now you and I could look at this and we could argue
132
375790
2461
ตอนนี้เรามาดูนี่กันแล้ว เราสามารถถกเถียงกัน
06:18
about whether it's incremental, and I could say something like "80-20 rule,"
133
378251
3605
ว่ามันสูงขึ้นหรือเปล่า และผมสามารถอ้างถึงกฎ 80-20
06:21
and it's really hard to move up to that new curve.
134
381856
2568
แต่มันยากมากที่จะย้ายขึ้นไป สู่เส้นโค้งเส้นใหม่
06:24
But let's look at it from a different direction for a moment.
135
384424
2934
แต่เราลองมาดูมัน จากทิศทางที่แตกต่างออกไปสักครู่
06:27
So let's look at how often the technology has to do the right thing.
136
387358
3512
แล้วมาดูว่าเทคโนโลยีนั้น จำป็นต้องทำสิ่งที่ถูกต้องบ่อยขนาดไหน
06:30
And so this green dot up here is a driver assistance system.
137
390870
3506
จุดสีเขียวด้านบนตรงนี้คือ ระบบช่วยเหลือคนขับ
06:34
It turns out that human drivers
138
394376
2485
ปรากฎว่า คนขับที่เป็นมนุษย์นั้น
06:36
make mistakes that lead to traffic accidents
139
396861
2647
ทำพลาดและก่อให้เกิดอุบัติเหตุ
06:39
about once every 100,000 miles in America.
140
399508
3172
ประมาณทุกๆ 100,000 ไมล์ ในอเมริกา
06:42
In contrast, a self-driving system is probably making decisions
141
402680
3167
ในทางกลับกันระบบขับด้วยตัวเอง ทำการตัดสินใจประมาณ
06:45
about 10 times per second,
142
405847
3663
10 ครั้งต่อวินาที
06:49
so order of magnitude,
143
409510
1422
ดังนั้นอันดับของขนาด
06:50
that's about 1,000 times per mile.
144
410932
2832
มันเท่ากับประมาณ 1,000 ครั้งต่อไมล์
06:53
So if you compare the distance between these two,
145
413764
2485
และหากคุณเอาระยะทางมาเปรียบเทียบกัน
06:56
it's about 10 to the eighth, right?
146
416249
2600
มันเท่ากับประมาณ 10 ยกกำลัง 8 เลยใช่ไหม
06:58
Eight orders of magnitude.
147
418849
1765
หรือ ประมาณ 8 เท่า
07:00
That's like comparing how fast I run
148
420614
2809
มันเหมือนกับการเปรียบเทียบความเร็วในการวิ่งของผม
07:03
to the speed of light.
149
423423
2206
กับความเร็วของแสง
07:05
It doesn't matter how hard I train, I'm never actually going to get there.
150
425629
3785
มันไม่เกี่ยวหรอกว่าผมจะซ้อมมาหนักขนาดไหน แต่ผมจะไม่มีวันได้ไปถึงตรงนั้นหรอก
07:09
So there's a pretty big gap there.
151
429414
2438
คือ มันมีช่องว่างขนาดใหญ่อยู่
07:11
And then finally, there's how the system can handle uncertainty.
152
431852
3729
แล้วในที่สุด มันก็มีวิธีที่ระบบ จะจัดการกับความไม่แน่นอน
07:15
So this pedestrian here might be stepping into the road, might not be.
153
435581
3323
นี่คนเดินถนนที่อาจจะ หรืออาจจะไม่ก้าวลงมาที่ถนน
07:18
I can't tell, nor can any of our algorithms,
154
438904
3395
ผมไม่สามารถบอกได้ หรือไม่มีอัลกอรึทึมไหนรู้ได้เช่นกัน
07:22
but in the case of a driver assistance system,
155
442310
2284
แต่ในกรณีของระบบช่วยเหลือคนขับ
07:24
that means it can't take action, because again,
156
444594
2806
นั่นหมายความว่า ผมไม่สามารถทำอะไรได้เพราะว่า
07:27
if it presses the brakes unexpectedly, that's completely unacceptable.
157
447400
3339
หากมันเบรกกระทันหันอย่างไม่คาดคิด มันเป็นเรื่องที่เรารับไม่ได้
07:30
Whereas a self-driving system can look at that pedestrian and say,
158
450739
3133
แต่ว่าระบบขับเคลื่อนด้วยตัวเอง สามารถมองคนเดินถนนคนนั้นแล้วพูดว่า
07:33
I don't know what they're about to do,
159
453872
1890
ไม่รู้ว่าเขาคนนั้นจะทำอะไร
07:35
slow down, take a better look, and then react appropriately after that.
160
455762
3762
ขับช้าลงหน่อย เพื่อให้เห็นชัดเจนขึ้น แล้วค่อยตอบสนองให้เหมาะสมหลังจากนั้น
07:39
So it can be much safer than a driver assistance system can ever be.
161
459524
3702
ดังนั้นมันมีความปลอดภัยมากกว่า ที่ระบบช่วยเหลือผู้ขับจะให้ได้
07:43
So that's enough about the differences between the two.
162
463226
2730
นั่นคงเพียงพอแล้ว สำหรับความแตกต่างระหว่างทั้งสอง
07:45
Let's spend some time talking about how the car sees the world.
163
465956
3484
เรามาใช้เวลาเล็กน้อย พูดเกี่ยวกับว่ารถมองเห็นโลกอย่างไรกัน
07:49
So this is our vehicle.
164
469440
1252
นี่คือรถของเรา
07:50
It starts by understanding where it is in the world,
165
470692
2438
มันเริ่มจาก ทำความเข้าใจ ว่ามันอยู่ส่วนไหนของโลกนี้
07:53
by taking a map and its sensor data and aligning the two,
166
473130
2787
โดยใช้แผนที่และข้อมูลจากเซ็นเซอร์ แล้วเอามาเรียงกัน
07:55
and then we layer on top of that what it sees in the moment.
167
475917
2948
แล้วนำเอาสิ่งที่มันมองเห็นขณะนั้น มาวางทับลงไป
07:58
So here, all the purple boxes you can see are other vehicles on the road,
168
478865
3655
ดังนั้นตรงนี้ กล่องสีม่วงที่คุณเห็นทั้งหมด คือยานพาหนะที่อยู่บนถนน
08:02
and the red thing on the side over there is a cyclist,
169
482520
2528
แล้วสีแดงๆ ที่อยู่ด้านข้างตรงนั้น คือนักปั่นจักรยาน
08:05
and up in the distance, if you look really closely,
170
485048
2402
แล้วในระยะนั้น ถ้าคุณมองดีดี
08:07
you can see some cones.
171
487450
1794
คุณจะเห็นกรวยจำนวนหนึ่ง
08:09
Then we know where the car is in the moment,
172
489244
2773
แล้วเรารู้ว่ารถของเราอยู่ไหนในเวลานั้น
08:12
but we have to do better than that: we have to predict what's going to happen.
173
492017
3833
แต่เราจะต้องทำให้ดีขึ้นไปอีก เราจะต้องคาดเดาว่าอะไรจะเกิดขึ้น
08:15
So here the pickup truck in top right is about to make a left lane change
174
495850
3488
ที่ด้านบนขวามือมีรถกระบะ ที่กำลังจากจะเปลี่ยนไปช่องทางซ้าย
08:19
because the road in front of it is closed,
175
499338
2223
เพราะว่าถนนด้านหน้ามันปิดอยู่
08:21
so it needs to get out of the way.
176
501561
1731
ดังนั้นมันจะต้องออกจากช่องทางเดิม
08:23
Knowing that one pickup truck is great,
177
503292
1863
การที่เรารู้เกี่ยวกับรถกระบะนั้นก็ดีนะ
08:25
but we really need to know what everybody's thinking,
178
505155
2479
แต่ที่เราจะจำเป็นที่จะต้องรู้คือ ทุกๆคนคิดอะไรอยู่
08:27
so it becomes quite a complicated problem.
179
507634
2507
ดังนั้นปัญหามันจึงซับซ้อนยิ่งขึ้นไปอีก
08:30
And then given that, we can figure out how the car should respond in the moment,
180
510141
4749
ด้วยข้อมูลนั้น เราจะคิดออกว่ารถ ควรจะตอบสนองอย่างไรในเวลานั้นๆ
08:34
so what trajectory it should follow, how quickly it should slow down or speed up.
181
514890
3866
แล้วทางไหนที่เราควรจะไป ควรจะเพิ่มหรือลดความเร็ว
08:38
And then that all turns into just following a path:
182
518756
3065
แล้วทั้งหมดนั้นก็จะเป็นแค่ ให้รถตามทางไป
08:41
turning the steering wheel left or right, pressing the brake or gas.
183
521821
3197
หมุนพวงมาลับไปทางซ้ายหรือขวา เหยียบเบรกหรือเหยียบคันเร่ง
08:45
It's really just two numbers at the end of the day.
184
525018
2464
สุดท้ายมันก็เป็นเพียงตัวเลขแค่สองตัว
08:47
So how hard can it really be?
185
527482
2241
มันจะยากขนาดไหนเชียว
08:50
Back when we started in 2009,
186
530433
1952
ย้อนกลับไปเมื่อปี 2552
08:52
this is what our system looked like.
187
532385
1798
ระบบของเราหน้าตาเป็นแบบนี้
08:54
So you can see our car in the middle and the other boxes on the road,
188
534183
3391
ดังนั้นคุณจะเห็นรถของพวกเราอยู่ตรงกลาง แล้วกล่องอื่นๆอยู่บนถนน
08:57
driving down the highway.
189
537574
1271
รถกำลังขับเคลื่อนบนทางหลวง
08:58
The car needs to understand where it is and roughly where the other vehicles are.
190
538845
3818
รถจะต้องรู้ว่าตัวเองอยู่ตรงไหนและ คร่าวๆว่ารถคันอื่นอยู่ตรงไหน
09:02
It's really a geometric understanding of the world.
191
542663
2429
เป็นความเข้าใจโลก ในรูปทรงเลขาคณิต
09:05
Once we started driving on neighborhood and city streets,
192
545092
2948
และเมื่อเราได้เริ่มขับ ในระแวกที่อยู่อาศัยและถนนในเมือง
09:08
the problem becomes a whole new level of difficulty.
193
548040
2445
ปัญหามันยากขึ้นเป็นคนละระดับเลย
09:10
You see pedestrians crossing in front of us, cars crossing in front of us,
194
550485
3494
คุณเห็นคนกำลังข้ามถนน ด้านหน้าเรา เห็นรถผ่านหน้าเรา
09:13
going every which way,
195
553979
1811
ไปในทุกทิศทาง
09:15
the traffic lights, crosswalks.
196
555790
1527
มีไฟจราจร ทางม้าลาย
09:17
It's an incredibly complicated problem by comparison.
197
557317
2797
เมื่อเทียบกันแล้ว นี่เป็นปัญหาที่ซับซ้อนอย่างมาก
09:20
And then once you have that problem solved,
198
560114
2103
และเมื่อไหร่ที่คุณแก้ปัญหานั้นได้
09:22
the vehicle has to be able to deal with construction.
199
562217
2512
รถจะต้องสามารถจัดการกับการตีความได้
09:24
So here are the cones on the left forcing it to drive to the right,
200
564729
3151
มีกรวยอยู่ด้านซ้าย บังคับให้ไปทางขวา
09:27
but not just construction in isolation, of course.
201
567880
2402
แต่ไม่ใช่แค่การตีความแบบแยกไว้เป็นส่วนๆ
09:30
It has to deal with other people moving through that construction zone as well.
202
570282
3723
แต่จะต้องจัดการกับคนอื่น ที่กำลังเคลื่อนที่อยู่ในพื้นที่นั้นด้วย
09:34
And of course, if anyone's breaking the rules, the police are there
203
574005
3263
แน่นอนถ้าหากมีคนทำผิดกฎ ตำรวจก็อยู่ตรงนั้น
09:37
and the car has to understand that that flashing light on the top of the car
204
577268
3622
รถเราจะต้องเข้าใจความหมาย ของสัญญาณไฟที่อยู่บนรถนั้นด้วย
09:40
means that it's not just a car, it's actually a police officer.
205
580890
3105
หมายความว่ารถนั้นไม่ใช่แค่รถธรรมดา แต่เป็นรถตำรวจ
09:43
Similarly, the orange box on the side here,
206
583995
2032
คล้ายกันกับกล่องสีส้ม ที่อยู่ด้านข้างตรงนี้
09:46
it's a school bus,
207
586027
1109
มันเป็นรถโรงเรียน
09:47
and we have to treat that differently as well.
208
587136
2520
และเราจะต้องจัดการกับมัน แตกต่างออกไปเหมือนกัน
09:50
When we're out on the road, other people have expectations:
209
590576
2793
เวลาที่เราอยู่บนถนน คนอื่นก็มีความคาดหวังกับเรา
09:53
So, when a cyclist puts up their arm,
210
593369
1780
เช่น เมื่อนักปั่นจักรยานส่งสัญญาณมือ
09:55
it means they're expecting the car to yield to them and make room for them
211
595149
3518
มันหมายความว่าเขาคาดว่า รถจะยอมให้ไปก่อนและเว้นที่ไว้ให้
09:58
to make a lane change.
212
598667
2053
สำหรับเปลี่ยนช่องจราจร
10:01
And when a police officer stood in the road,
213
601030
2173
และถ้ามีเจ้าหน้าที่ตำรวจยืนบนถนน
10:03
our vehicle should understand that this means stop,
214
603203
2740
ยานพาหนะของเราควรจะเข้าใจว่า มันหมายความว่าจะต้องหยุดรถ
10:05
and when they signal to go, we should continue.
215
605943
3506
แล้วพอเขาให้สัญญาณว่าไปได้ เราก็ควรจะไปต่อ
10:09
Now, the way we accomplish this is by sharing data between the vehicles.
216
609449
3761
วิธีที่ทำให้เราประสบความสำเร็จในเรื่องนี้ คือการแบ่งปันข้อมูลระหว่างรถ
10:13
The first, most crude model of this
217
613210
1696
รถรุ่นแรกที่ได้รับการพัฒนาน้อยสุด
10:14
is when one vehicle sees a construction zone,
218
614906
2113
จะเห็นพื้นที่แต่เพียงคันเดียว
10:17
having another know about it so it can be in the correct lane
219
617019
3062
การที่มีข้อมูลจากรถอีกคัน ทำให้เลือกอยู่ในช่องจราจรที่ถูกต้อง
10:20
to avoid some of the difficulty.
220
620081
1570
จะได้ไม่เจอปัญหา
10:21
But we actually have a much deeper understanding of this.
221
621651
2664
แต่เรามีความเข้าใจที่ลึกลงไปอีก
10:24
We could take all of the data that the cars have seen over time,
222
624315
3009
เราสามารถนำเอาข้อมูลทั้งหมด ที่รถเคยได้เห็นมา
10:27
the hundreds of thousands of pedestrians, cyclists,
223
627324
2376
ไม่ว่าจะเป็นคนถนน นักปั่นจักรยานและ
10:29
and vehicles that have been out there
224
629700
1787
พาหนะที่ออกวิ่งอยู่บนถนนจำนวนเป็นล้าน
10:31
and understand what they look like
225
631487
1695
และเข้าใจว่ามีหน้าตาเป็นอย่างไร
10:33
and use that to infer what other vehicles should look like
226
633182
2831
แล้วใช้ข้อมูลนั้นในการสรุปว่า หน้าตารถคันอื่นเป็นอย่างไร
10:36
and other pedestrians should look like.
227
636013
1926
หน้าตาของคนเดินถนนเป็นอย่างไร
10:37
And then, even more importantly, we could take from that a model
228
637939
3021
และที่สำคัญกว่านั้น เราสามารถเรียนรู้ได้คือ
10:40
of how we expect them to move through the world.
229
640960
2330
เราคาดให้มันเคลื่อนที่อย่างไร
10:43
So here the yellow box is a pedestrian crossing in front of us.
230
643290
2963
กล่องสีเหลืองนี้คือ คนเดินถนนที่จะเดินผ่านด้านหน้าเรา
10:46
Here the blue box is a cyclist and we anticipate
231
646253
2250
กล่องสีฟ้านี่เป็น นักปั่นจักรยานและเราคาดว่า
10:48
that they're going to nudge out and around the car to the right.
232
648503
3312
ว่าพวกขาจะเบี่ยงขวารอบๆรถ
10:52
Here there's a cyclist coming down the road
233
652115
2092
มีนักปั่นจักรยานกำลังมา
10:54
and we know they're going to continue to drive down the shape of the road.
234
654207
3486
และพวกเรารู้ว่าพวกเขาจะขับตามทางถนน
10:57
Here somebody makes a right turn,
235
657693
1867
ตรงนี้มีคนกำลังเลี้ยวขวา
10:59
and in a moment here, somebody's going to make a U-turn in front of us,
236
659560
3360
และตอนนี้ ตรงนี้มีบางคน กำลังจะทำกลับรถข้างหน้าเรา
11:02
and we can anticipate that behavior and respond safely.
237
662920
2614
และเราสามารถคาดเดาการกระทำ แล้วตอบสนองได้อย่างปลอดภัย
11:05
Now, that's all well and good for things that we've seen,
238
665534
2728
เท่าที่เราเห็นก็ยังดีอยู่
11:08
but of course, you encounter lots of things that you haven't
239
668262
2865
แต่ว่าแน่นอน คุณจะเจอหลายสิ่งที่คุณ
11:11
seen in the world before.
240
671127
1231
ไม่เคยเห็นในโลกนี้มาก่อน
11:12
And so just a couple of months ago,
241
672358
1741
ประมาณสองเดือนที่ผ่านมา
11:14
our vehicles were driving through Mountain View,
242
674099
2235
รถของเราที่กำลังขับผ่านภูเขา
11:16
and this is what we encountered.
243
676334
1644
แล้วเราได้เจอกับอะไรบางอย่าง
11:17
This is a woman in an electric wheelchair
244
677978
2082
นี่คือผู้หญิงที่นั่งอยู่บนรถเข็นไฟฟ้า
11:20
chasing a duck in circles on the road. (Laughter)
245
680060
2617
ซึ่งกำลังไล่เป็ดเป็นวงกลมอยู่บนถนน (เสียงหัวเราะ)
11:22
Now it turns out, there is nowhere in the DMV handbook
246
682677
3111
กลายเป็นว่า ไม่มีส่วนไหน ของหนังสือคู่มือการขับขี่
11:25
that tells you how to deal with that,
247
685788
2245
ที่บอกคุณว่าจะต้องทำอย่างเมื่อเจอแบบนี้
11:28
but our vehicles were able to encounter that,
248
688033
2143
แต่ว่ารถของเราก็สามารถผ่านมันไปได้
11:30
slow down, and drive safely.
249
690176
2255
โดยการลดความเร็วแล้วขับอย่างปลอดภัย
11:32
Now, we don't have to deal with just ducks.
250
692431
2041
ตอนนี้เราไม่ต้องจัดการกับเป็ดแล้ว
11:34
Watch this bird fly across in front of us. The car reacts to that.
251
694472
3708
ลองดูนกบินผ่านเรากัน ดูว่ารถตอบสนองอย่างไร
11:38
Here we're dealing with a cyclist
252
698180
1615
นี่เมื่อเราเจอกับนักปั่นจักรยาน
11:39
that you would never expect to see anywhere other than Mountain View.
253
699795
3290
ที่เราไม่คาดว่าจะเจอในที่อื่น ถ้าไม่ใช่แถวภูเขา
11:43
And of course, we have to deal with drivers,
254
703085
2068
และแน่นอน รถจัดการกับคนขับคนอื่น
11:45
even the very small ones.
255
705153
3715
แม้แต่ตัวเล็กๆ
11:48
Watch to the right as someone jumps out of this truck at us.
256
708868
4131
ลองดูภาพด้านขวา ตอนมีคนกระโดดออกมาจากรถกระบะมาหาเรา
11:54
And now, watch the left as the car with the green box decides
257
714460
2929
แล้วดูด้านซ้าย ดูรถที่เป็นกล่องสีเขียวตัวสินใจ
11:57
he needs to make a right turn at the last possible moment.
258
717389
3325
ว่าเขาจะต้องเลี้ยวขวาตอนวินาทีสุดท้าย
12:00
Here, as we make a lane change, the car to our left decides
259
720714
2851
นี่เป็นตอนที่เราจะเปลี่ยนช่องทาง แล้วรถด้านซ้ายของเรา
12:03
it wants to as well.
260
723565
3553
ก็ต้องการจะเปลี่ยนเหมือนกัน
12:07
And here, we watch a car blow through a red light
261
727118
2693
และนี่ เราดูรถฝ่าไฟแดง
12:09
and yield to it.
262
729811
2090
และเราให้ไปก่อน
12:11
And similarly, here, a cyclist blowing through that light as well.
263
731901
3854
คล้ายๆกัน นี่เป็นนักปั่นจักรยาน ฝ่าไฟแดงเหมือนกัน
12:15
And of course, the vehicle responds safely.
264
735755
2746
และแน่นอนรถของเราตอบสนอง ได้อย่างปลอดภัย
12:18
And of course, we have people who do I don't know what
265
738501
2601
และแน่นอนมีคนหลายคน ที่ยังไม่ทราบว่ามาทำอะไรบนถนน
12:21
sometimes on the road, like this guy pulling out between two self-driving cars.
266
741102
3823
เหมือนคนนี้ โผล่มาระหว่างรถที่ขับเคลื่อนด้วยตัวเอง
12:24
You have to ask, "What are you thinking?"
267
744925
2045
เป็นคุณคุณก็คงคิดว่า 'คิดอะไรอยู่นะ'
12:26
(Laughter)
268
746970
1212
(เสียงหัวเราะ)
12:28
Now, I just fire-hosed you with a lot of stuff there,
269
748182
2521
ผมเพิ่งจะพ่นไฟข้อมูลมากมายใส่คุณ
12:30
so I'm going to break one of these down pretty quickly.
270
750703
2650
ดังนั้นผมจะทำให้มันง่ายขึ้น
12:33
So what we're looking at is the scene with the cyclist again,
271
753353
2940
สิ่งที่เรากำลังดูอยู่ในฉากนี้ กับนักปั่นอีกแล้ว
12:36
and you might notice in the bottom, we can't actually see the cyclist yet,
272
756293
3491
คุณอาจจะมองเห็นตรงด้านล่าง ว่าเรายังไม่สามารถเห็นนักปั่นได้
12:39
but the car can: it's that little blue box up there,
273
759784
2504
แต่รถเห็น นั่นก็คือกล่องสีฟ้าเล็กๆตรงนั้น
12:42
and that comes from the laser data.
274
762288
2081
เพราะว่ามันมาจากข้อมูลของเลเซอร์
12:44
And that's not actually really easy to understand,
275
764369
2418
แต่มันไม่ได้อธิบายได้ง่ายๆ
12:46
so what I'm going to do is I'm going to turn that laser data and look at it,
276
766787
3584
ดังนั้นผมจะเปลี่ยนเป็นข้อมูลเลเซอร์ แล้วมาดูกัน
12:50
and if you're really good at looking at laser data, you can see
277
770371
3029
ถ้าคุณอ่านข้อมูลเลเซอร์ออก คุณจะเห็น
12:53
a few dots on the curve there,
278
773400
1487
มีจุดอยู่บนเส้นโค้งตรงนั้น
12:54
right there, and that blue box is that cyclist.
279
774887
2372
ตรงนั้นเอง นั่นคือกล่องสีฟ้าหรือนักปั่น
12:57
Now as our light is red,
280
777259
1149
ตอนนี้ไฟของเราเป็นสีแดง
12:58
the cyclist's light has turned yellow already,
281
778408
2192
แต่ไฟของนักปั่นมันเป็นสีเหลืองแล้ว
13:00
and if you squint, you can see that in the imagery.
282
780600
2438
แล้วถ้าคุณจ้องดูในภาพนี้ดีๆ
13:03
But the cyclist, we see, is going to proceed through the intersection.
283
783038
3286
ว่านักปั่นเค้าจะไม่หยุดปั่น แล้วข้ามทางแยกนี้ไป
13:06
Our light has now turned green, his is solidly red,
284
786324
2394
ไฟเรากลายเป็นสีเขียวแล้ว และของนักปั่นก็เป็นสีแดง
13:08
and we now anticipate that this bike is going to come all the way across.
285
788718
4292
แล้วตอนนี้เราคาดว่ารถจักรยานจะมาจนสุดทาง
13:13
Unfortunately the other drivers next to us were not paying as much attention.
286
793010
3742
แต่ว่าโชคไม่ดีนักที่ คนขับข้างๆเราไม่ได้ตั้งใจดูขนาดเรา
13:16
They started to pull forward, and fortunately for everyone,
287
796752
3157
พวกเขาเริ่มเดินเครื่อง และโชคดีมาก
13:19
this cyclists reacts, avoids,
288
799909
3011
ที่นักปั่นไหวตัวทันและหลบไป
13:22
and makes it through the intersection.
289
802920
2191
ทันที่จะผ่านแยกไป
13:25
And off we go.
290
805111
1568
เราถึงจะออกตัวได้
13:26
Now, as you can see, we've made some pretty exciting progress,
291
806679
2948
ตอนนี้คุณก็เห็นแล้วว่า เรากำลังพัฒนาอย่างน่าตื่นเต้น
13:29
and at this point we're pretty convinced
292
809627
1902
มาถึงจุดนี้เราเชื่อว่า
13:31
this technology is going to come to market.
293
811529
2010
เราสามารถนำเทคโนโลยีนี้เข้าสู่ตลาดได้
13:33
We do three million miles of testing in our simulators every single day,
294
813539
4783
พวกเราทดลองวิ่ง 3 ล้านไมล์ ในเครื่องจำลองเหตุการณ์ทุกๆวัน
13:38
so you can imagine the experience that our vehicles have.
295
818322
2689
ดังนั้นคุณคงจิตนาการได้ว่า รถเราประสบการณ์โชกโชนขนาดไหน
13:41
We are looking forward to having this technology on the road,
296
821011
2864
พวกเราตั้งตาคอย ที่จะเห็นเทคโนโลยีนี้บนท้องถนน
13:43
and we think the right path is to go through the self-driving
297
823875
2890
และพวกเราคิดว่าทางเลือกที่ดีกว่า คือการใช้รถที่ขับได้เอง
13:46
rather than driver assistance approach
298
826765
1844
ดีกว่าที่จะใช้ระบบช่วยเหลือคนขับ
13:48
because the urgency is so large.
299
828609
2621
เพราะว่าภาวะฉุกเฉินมันเกิดขึ้นได้หลากหลาย
13:51
In the time I have given this talk today,
300
831230
2393
ในเวลาที่ผมมาพูดในวันนี้
13:53
34 people have died on America's roads.
301
833623
3135
มี34คนเสียชีวิตจากอุบัติเหตุบนถนนในอเมริกา
13:56
How soon can we bring it out?
302
836758
2368
คำถามคือ เอาออกมาขายได้เมื่อไหร่
13:59
Well, it's hard to say because it's a really complicated problem,
303
839126
3832
เรื่องนี้พูดยาก เพราะว่าปัญหามันซับซ้อนอยู่
14:02
but these are my two boys.
304
842958
2214
แต่ว่าสองคนนี้คือลูกชายของผม
14:05
My oldest son is 11, and that means in four and a half years,
305
845172
3623
คนโตอายุ 11 แล้วนั่นหมายความว่า ผมมีเวลาอีก 4ปีครึ่ง
14:08
he's going to be able to get his driver's license.
306
848795
2577
ก่อนที่เขาจะสามารถทำใบขับขี่ได้
14:11
My team and I are committed to making sure that doesn't happen.
307
851372
3204
ทีมและผมสัญญาว่าจะไม่ให้มันเกิดขึ้น
14:14
Thank you.
308
854576
1904
ขอบคุณครับ
14:16
(Laughter) (Applause)
309
856480
3667
(เสียงหัวเราะ)(เสียงปรบมือ)
14:21
Chris Anderson: Chris, I've got a question for you.
310
861110
2568
คริส แอนเดอร์สัน: คริส ผมมีคำถามครับ
14:23
Chris Urmson: Sure.
311
863678
2809
คริส เอิร์มสัน: เชิญครับ
14:26
CA: So certainly, the mind of your cars is pretty mind-boggling.
312
866487
3924
คริส แอนเดอร์สัน: ความคิดของรถคุณ เป็นเรื่องที่ค่อนข้างน่าพิศวง
14:30
On this debate between driver-assisted and fully driverless --
313
870411
4459
สำหรับการถกเรื่องระบบช่วยเหลือคนขับ หรือรถขับด้วยตัวเอง
14:34
I mean, there's a real debate going on out there right now.
314
874870
3041
ซึ่งมันเป็นเรื่องที่มีการถกกัน ที่ค่อนข้างจริงจังในขณะนี้
14:37
So some of the companies, for example, Tesla,
315
877911
2833
บางบริษัท อย่างเช่น เทสล่า
14:40
are going the driver-assisted route.
316
880744
2159
เลือกที่จะไปใช้ระบบช่วยเหลือคนขับ
14:42
What you're saying is that that's kind of going to be a dead end
317
882903
5248
แต่สิ่งที่คุณพูดคือสุดท้ายมันจะเจอทางตัน
14:48
because you can't just keep improving that route and get to fully driverless
318
888151
5456
เพราะว่าคุณไม่สามารถพัฒนาระบบช่วยคนขับ ไปเป็นระบบขับเคลื่อนด้วยตัวเองได้
14:53
at some point, and then a driver is going to say, "This feels safe,"
319
893607
3530
พอถึงจุดนึง ผู้ขับขี่ก็จะบอกเองว่า 'นี่รู้สึกปลอดภัย'
14:57
and climb into the back, and something ugly will happen.
320
897137
2647
แล้วเอื้อมไปด้านหลังรถ แล้วก็จะเกิดบางอย่างไม่น่าดูขึ้น
14:59
CU: Right. No, that's exactly right, and it's not to say
321
899784
2676
คริส เอิร์มสัน: ใช่นั่นเป็นสิ่งที่ถูกต้อง ยังไม่พูดถึง
15:02
that the driver assistance systems aren't going to be incredibly valuable.
322
902460
3537
ว่าระบบช่วยคนขับจะไม่ได้ช่วยอะไรมาก
15:05
They can save a lot of lives in the interim,
323
905997
2058
มันสามารถช่วยชีวิต ระหว่างช่วงรอยต่อได้
15:08
but to see the transformative opportunity to help someone like Steve get around,
324
908055
3833
แต่จะไม่เห็นโอกาสของการเปลี่ยนแปลง ที่สามารถช่วยคนแบบสตีฟให้ไปไหนมาไหนได้
15:11
to really get to the end case in safety,
325
911888
1969
อย่างปลอดภัยจริงๆ
15:13
to have the opportunity to change our cities
326
913857
2479
การที่มีโอกาสที่จะ เปลี่ยนแปลงบ้านเมืองของเรา
15:16
and move parking out and get rid of these urban craters we call parking lots,
327
916336
4204
และเปลี่ยนแปลงการจอดรถ เพื่อที่จะเอาที่จอดรถออกไปให้หมด
15:20
it's the only way to go.
328
920540
1240
ผมว่านี่เป็นทางเลือกที่ใช่
15:21
CA: We will be tracking your progress with huge interest.
329
921780
2718
คริส แอนเดอร์สัน: พวกเราจะตามความคืบหน้า ของคุณด้วยความสนใจอย่างมาก
15:24
Thanks so much, Chris. CU: Thank you. (Applause)
330
924498
4232
ขอบคุณมากครับคริส คริส เอิร์มสัน: ขอบคุณครับ (เสียงปรบมือ)
เกี่ยวกับเว็บไซต์นี้

ไซต์นี้จะแนะนำคุณเกี่ยวกับวิดีโอ YouTube ที่เป็นประโยชน์สำหรับการเรียนรู้ภาษาอังกฤษ คุณจะได้เห็นบทเรียนภาษาอังกฤษที่สอนโดยอาจารย์ชั้นนำจากทั่วโลก ดับเบิลคลิกที่คำบรรยายภาษาอังกฤษที่แสดงในแต่ละหน้าของวิดีโอเพื่อเล่นวิดีโอจากที่นั่น คำบรรยายเลื่อนซิงค์กับการเล่นวิดีโอ หากคุณมีความคิดเห็นหรือคำขอใด ๆ โปรดติดต่อเราโดยใช้แบบฟอร์มการติดต่อนี้

https://forms.gle/WvT1wiN1qDtmnspy7