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

Çeviri: Esra Çakmak Gözden geçirme: Figen Ergürbüz

I’m Aicha Evans,

Ben Aicha Evans.

I am from Senegal, West Africa,

Batı Afrika, Senegalliyim.

and I fell in love with technology, science and engineering

Çok erken yaşlarda

bilime, teknolojiye ve mühendisliğe tutkun oldum.

at a very young age.

Three things happened.

Üç şey oldu.

I was studying in Paris,

Paris’te okuyordum

and starting at seven years old,

ve yedi yaşımdan itibaren

flying back and forth between Dakar, Senegal and Paris

Dekar, Senegal ile Paris arasında tek başıma mekik dokuyordum.

as an unaccompanied minor.

So it wasn't just about the travel.

Sadece seyahat söz konusu değildi.

It was really about a portal to knowledge,

Bilgiye geçit, farklı ortamlar ve adapte olmak söz konusuydu.

different environments

and adapting.

Second thing that happened

İkinci olarak, ne zaman Senegal’de evimde olsam

was every time I was at home in Senegal,

I wanted to talk to my friends in Paris.

Paris’teki arkadaşlarımla konuşmak isterdim.

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

Babam uzak mesafe telefon faturalarından bıktı

so he put a little lock on the phone --

ve çevirmeli telefona küçük bir kilit taktı.

the rotary phone.

I said, OK, no problem,

Pekâlâ, dedim, hiç sorun yok,

hacked it,

telefonu ayarladım

and he kept getting the bills.

ve faturalar gelmeye devam etti.

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

Bir gün bunu izliyor olursan özür dilerim baba.

And then, obviously, the internet was also emerging.

Sonrasında, internet doğmaya başladı.

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

Teknoloji anlamında, bana ifade ettiği şekliyle;

I really saw it as something that shaped your experiences,

interneti deneyimleri ve dünyayı algılayışımızı şekillendiren,

how you understand the world

bir şey olarak algıladım

and wanting to be part of it.

ve bunun bir parçası olmak istedim.

And for me,

Bana göre buradaki ortak nokta,

the common thread is that physical and virtual transportation --

yani fiziksel ve sanal ulaşım

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

-- çevirmeli telefon benim için tam da bunu ifade ediyordu --

are at the center of the innovation flywheel.

yenilik çarkının merkezinde.

Now, fast-forward.

Şimdi ileri sarıyorum.

I’m here today,

Bugün burada,

I’m part of a movement and an industry

ulaşım ve teknolojiyi bir araya getirmeye çabalayan

that is working on bringing transportation and technology together.

bir akımın ve endüstrinin bir parçasıyım.

Huh.

It’s not just about your commutes.

Bu yalnızca sizin ev-iş arası ulaşımınızdan ibaret bir konu değil.

It’s really about changing everything

Nihayetinde; insanların ve nesnelerin

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

ulaştırma hizmetlerini değiştirmekten geçiyor.

That transformation involves robotaxis.

Bu ulaşımda robotaksiler mevzu bahis.

Driverless cars again, really?

Yine sürücüsüz arabalar mı?

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

Evet, evet. Daha önce bunu duymuştuk.

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

Ayrıca her beş on yılda bir bu konu yeniden gündeme geliyor

and oh, by the way,

ve bu arada, şirketlerin üzerine çalıştığı alfabe çorbası da var

there’s an alphabet soup of companies working on it

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

ve kimin kim olduğunu ve kimin ne yaptığını bile hatırlayamıyoruz.

Yeah?

Değil mi?

Audience: Yeah.

Dinleyici: Evet.

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

Pekâlâ, burada bahsi geçen şahsi otonom arabalar değil.

Sorry to disappoint you.

Hayal kırıklığına uğrattıysam özür dilerim.

This is really about a few things.

Burada bazı şeyler söz konusu.

First of all,

Öncelikle, kişisel ve şahsi arabalar müsrif bir harcama

personally and individually owned cars are a wasteful expense,

and they contribute to, basically, a lot of pollution

ve esasında birçok kirliliğe

and also traffic in urban areas.

ve kentsel alanlarda trafiğe yol açıyorlar.

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

İkinci olarak, otonom servis kanısı var

but frankly, they are optimized for many.

ama açıkçası birçok kişi için optimize edilmiştir.

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

Yalnızca sizi a noktasından b noktasına götüremezler.

OK, now we have --

hm, how am I going to say this --

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

Günümüzde “şahsi otonom arabalar” olarak geçen araçlar var.

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

İşin aslı, bu araçlar faal olabilmek için yine de bir insan varlığına muhtaç.

A safety driver.

Bir güvenlik şoförü gerekli.

Make no mistake about it.

Hiç şüpheniz olmasın.

I own one of those,

Bu araçlardan biri bende var ve ben içerisindeyken

and when I’m in it,

I am a safety driver.

güvenlik şoförü benim.

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

Akıllara şu soru geliyor:

Biz ne yapıyoruz?

Well, we think that robotaxis,

Öncelikle, robotaksiler sizleri a noktasından b noktasına götürür.

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

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

İkinci olarak, onları kullanmadığınız zamanlarda

somebody else will be using them.

başka birisi kullanabilecek.

And they are being tested today.

Şu anda test aşamasındalar.

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

O vizyonu nihayetinde gerçekleştirmenin doruklarındayız,

there's actually reason to believe it.

bunu destekleyen şartlar mevcut.

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

Otonom araç teknolojisinin kalbinde bilgisayar görüşü vardır.

Computer vision is a real-time representation,

Bilgisayar görüşü; evren ve evrenle etkileşimlerin

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

gerçek zamanlı dijital gösterimdir.

It has benefited from leaps and bounds of advancements

Bilgisayar, sensörler, makine öğrenmesi ve yazılım inovasyonun sayesinde,

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

ilerlemelerdeki yükseliş ve sıçrayıştan fayda sağladı.

At the core of computer vision are camera systems.

Bilgisayar görüşünün merkezinde kamera sistemleri vardır.

Cameras basically help you see agents such as cars,

Temelde kameralar;

arabaları, konum ile hareketlerini,

their locations and their actions,

pedestrians,

yayaları ve konumları ile hareketlerini,

their locations,

their actions and their gestures.

jestlerini görebilmemizi sağlar.

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

Buna ek olarak, birçok gelişme yaşandı.

So one example is our vehicle can see the skeleton framework

Buna örnek olarak, aracımız rota yönünü gösterebilmek amacıyla

to show you the direction of travel;

iskelet çerçeveyi algılayabiliyor;

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

ayrıca size şu gibi detayları da verebiliyor,

karşınızdaki inşaat alanındaki bir inşaat işçisi mi

in a construction zone

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

yoksa telefonuyla meşgül olduğu için dalmış bir yaya mı.

because they are looking on their phone?

Now the reality, though --

İşin aslı şu ki --

and this is where it gets interesting --

burada işler farklı bir hâl alıyor --

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

bizlere yardımcı olan bu kamera ve algoritmalar,

insan beyninin çevreyi anlama ve yorumlama yetisine erişemiyor.

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

They just can’t.

Bunu başaramıyorlar.

Even though they provide you really high-resolution imaging

Sizlere yorulmayan, bozulmayan,

sarhoş olmayan veya bu şekilde sorunlar yaşatmayan;

that really gives you continuous coverage,

that doesn’t get fatigued, impaired

kesintisiz kayıt sunan,

or, you know, drunk or anything like that,

yüksek çözünürlüklü görüntüleme imkânı veren bir sistem olsa da

at the end of the day,

günün sonunda,

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

göremeyecekleri ve ölçemeyecekleri şeyler mevcut.

So if we want autonomous-driving robotaxis soon,

Yakın zamanda otonom robotaksiler istiyorsak

we have to supplement cameras.

bu araçlara kamera eklemek zorundayız.

Let me walk through some examples.

Bazı örneklerin üzerinden geçelim.

So radar gives you the direction of travel

Radar sizlere seyahat yönünü gösterir

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

ve saniyede santimetre ölçekli faktörün hareketini ölçer.

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

Lidar ise derinlik algılamasıyla

uzun menzilli ve mühim gece görüşünün yanı sıra,

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

nesne ve şekilleri çıkartır.

And let me tell you about this,

Bu konu hakkında şunu da ekleyeyim

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

çünkü şahsi olarak benim ve benim gibi insanlar için önemli bir konu.

Then you have, also, long-wave infrared

Ayrıca; hayvan ve insanlar gibi ısı yayan nesneleri görebilmenizi sağlayan

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

uzun dalga kızılötesi ışınlar da var.

such as animals and humans.

And that’s again,

Bu, özellikle geceleyin çok önemli.

especially at night,

super important.

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

Bu sensörlerin her biri kendi başına çok önemli

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

ancak hepsi bir araya gelince olağanüstü bir şeye dönüşüyor.

If you see with this vehicle, for example,

Mesela bu araca bakacak olursak

you have these multiple sensor modalities

aracın üst dört köşesinde kesintisiz,

at all top four corners of the vehicle

bir şey es geçmemesi adına bolca veri sağlayan,

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

360 derecelik alan görüşü sağlayan birçok sensör var.

continuously,

in a redundant manner,

so that we don't miss anything.

And this is that same thing

Bütün farklı çıktılar birleştiğinde de

with all of the different outputs fused together.

aynı şey oluyor.

And looking at this, basically,

Esasen buna baktığımızda,

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

gördüğümüz şeye baktığımızda ve veriyi işleme şeklimize,

then learn,

sonrasında öğrendiklerimize,

then continue to improve our driving,

sonra sürüş şeklimizi geliştirmeye devam etmemiz

is what tells us that we have confidence,

kendimize güvendiğimizin bir göstergesi;

this is the right approach

doğru yaklaşım bu

and this time it’s actually coming.

ve artık gerçekten yaşanıyor.

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

Bu arada, tamamen yeni bir konsept değil bu.

Humans have been basically using vision systems

İnsanlar, uzun bir süredir

kendilerine fayda sağlayan görüş sistemlerini kullanıyorlar.

to assist them for a long time.

Tezimi desteklemek amacıyla şunları söyleyeyim

Let me back up the boat a little bit,

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

çünkü herkesin şunu düşündüğünü biliyorum:

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

“Şu anda herkesin aklına takılan

out there on the streets today?”

bütün senaryoların üstesinden nasıl geleceksin?”

Most of us are drivers,

Çoğumuz araba kullanıyoruz

and it’s complicated out there.

ve durumlar karışık.

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

İşin aslı, uç örnekler her zaman var olacak;

that sit at the boundary of our real-world testing

gerçek dünyada test sınırlarını zorlayan

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

veya gerçek yollarda denemesi çok tehlikeli olan durumlar olacak.

That is the truth,

İşin aslı bu

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

ve bu durum uzunca bir süre baki kalacak.

Human beings are pretty underrated in their abilities.

İnsanların yetenekleri bayağı hafife alınıyor.

So what we do is we use simulation.

Bunun için simülasyonları kullanıyoruz.

And with simulation,

Simülasyon sayesinde,

we’re able to construct millions of scenarios

uydurma bir alanda yazılımımızın tepkisini ölçebileceğimiz

in a fabricated environment

milyonlarca senaryo yaratabiliyoruz.

so that we can see how our software would react.

And that’s the simulation footage.

Simülasyon kaydı bu.

You can see we’re building the world,

Gördüğünüz üzere dünya inşa ediyoruz,

we’re putting in scenarios

senaryolar yaratıyoruz

and we can add things,

ve bir şeyler ekleyebiliyoruz,

remove things

bir şeyler çıkarabiliyoruz

and see how we would react.

ve devamında tepkimizi ölçebiliyoruz.

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

Buna ek olarak, döngüdeki insan dediğimiz bir şey var.

This is very similar to aviation systems today.

Günümüzdeki havacılık sistemlerine çok benziyor.

We don’t want the vehicle to get stuck,

Aracın sıkışmasını istemeyiz

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

ve nadir de olsa, ne yapacağını bilemediği anlar oluyor.

So we have a team of teleguidance operators

Kontrol merkezlerinde bekleyen

that are sitting at a control center,

teledestek operatör takımımız var

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

ve eğer araç sıkışacağını anlarsa

or it doesn’t know what to do,

ve ne yapacağını bilemezse

it asks for guidance and help

yardım ve destek talep ediyor

and it receives it remotely

ve uzaktan bu desteği alıyor

and then it proceeds.

ve yoluna devam ediyor.

Now, none of these really are new concepts,

Az önce bahsettiğim gibi,

as I alluded to earlier.

artık bunların hiçbiri yeni konseptler değil.

Vision systems have been assisting humans for a long time,

Görüş sistemleri uzunca bir zamandır insanlara destek sağlıyorlar,

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

özellikle çıplak gözle görülemeyecek şeyler söz konusu olduğunda.

So ...

Pekâlâ...

microscopes, right?

Mikroskop gibi, değil mi?

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

Uzun bir süredir, mikrop ve hücreleri inceliyoruz.

Telescopes:

Teleskoplar;

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

uzun bir süredir, milyonlarca ışık yılı ötedeki

for a long time.

galaksileri tespit edip inceliyoruz.

And both of these have caused us,

Bunların her biri,

for example,

şu gibi birçok endüstriyi dönüştürmemize imkân sağladı;

to transform industries like medicine,

ilaç,

farming,

tarım,

astrophysics

astrofizik

and much more.

ve çok daha fazlası.

So when we talk about computer vision,

Bilgisayar görüşünden bahsederken,

when it started,

ilk ortaya çıktığında

it was really a thought experiment

kamera kullanarak insan görüşünü taklit edebileceğimizi test etme amaçlı

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

bir düşünce deneyiydi.

It has now graduated with sensors,

Sensörlerle, bilgisayarlarla, yapay zekâ

computers,

AI

and software innovation

ve yazılım inovasyonlarıyla ilerledi;

to be about surpassing what humans can see and perceive.

insanların görüp algıladıklarını aşacak bir seviyeye ulaştı.

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

Bu alanda birçok ilerleme kaydettik

but at the end of the day,

ancak günün sonunda,

we have a lot more to do.

yapacak daha çok şeyimiz var.

And with an autonomous robotaxi,

Otonom bir robotaksiyle,

you want it to be safe,

her bir sürüş deneyiminde güvenilir,

right and reliable every single time,

doğru ve emin olmasını isteriz

which requires rigorous testing and optimization.

ki bu da sıkı bir test ve optimizasyon gerektiriyor.

And when that happens

Bu gerçekleştiğinde

and we reach that state,

ve o noktaya ulaştığımızda,

we will wonder how we ever accepted

yüzde 94 oranındaki insan [hatası] kaynaklı kazaları

or tolerated

94 percent of crashes

nasıl kabul edip bunlara tahammül ettiğimizi sorgular olacağız.

being caused by human [error].

So with computer vision,

Bilgisayar görüşüyle birlikte,

we have the opportunity

sorun çözücü noktasından sorun önleyici tarafa geçmiş olacağız.

to move from problem-solving to problem-preventing.

And I truly, truly believe

Şuna canı gönülden inanıyorum ki

that the next generation of scientists and technologists

gelecek nesil bilim insanları ve teknoloji uzmanları;

in, yes, Silicon Valley,

Silikon Vadisi’ndekiler,

but in Paris,

Paris’tekiler,

in Senegal, West Africa

Batı Afrika, Senegal’dekiler

and all over the world,

ve dünyanın dört bir yanındakiler

will be exposed to computer vision applied broadly.

geniş çapta bilgisayar görüşü uygulamalarına maruz kalacak.

And with that,

Bununla birlikte,

all industries will be transformed,

bütün endüstriler dönüşecek

and we will experience the world in a different way.

ve dünyayı farklı bir yönde deneyimleyeceğiz.

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

Umarım bunun gelecek nesle borçlu olduğumuz

that we almost owe our next generation that is coming,

bir lütuf olduğu konusunda bana katılırsınız

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

çünkü bilgisayar görüşünün üstesinden geleceği birçok sorun var.

Thank you.

Teşekkür ederim.

(Applause)

(Alkış)