ABOUT THE SPEAKER
Maurice Conti - Designer, futurist
Maurice Conti explores new partnerships between technology, nature and humanity.

Why you should listen

Maurice Conti is a designer, futurist and innovator. He's worked with startups, government agencies, artists and corporations to explore the things that will matter to us in the future, and to design solutions to get us there.

Conti is currently Chief Innovation Officer at Alpha -- Europe's first moonshot factory, powered by Telefónica. Conti and his team are responsible for coming up with the ideas, prototypes and proofs of concepts that will go on to become full-blown moonshots at Alpha: projects that will affect 100 million people or more, be a force for good on the planet and grow into billion-euro businesses.

Previously, Conti was Director of Applied Research & Innovation at Autodesk where built and led Autodesk's Applied Research Lab. Conti's work focuses on applied machine learning, advanced robotics, augmented and virtual realities, and the future of work, cities and mobility. 

Conti is also an explorer of geographies and cultures. He has circumnavigated the globe once and been half-way around twice. In 2009 he was awarded the Medal for Exceptional Bravery at Sea by the United Nations, the New Zealand Bravery Medal and a US Coast Guard Citation for Bravery for risking his own life to save three shipwrecked sailors.

Conti lives in Barcelona, Spain, and travels around the world speaking to groups about innovation, technology trends, the future, and high adventure.

More profile about the speaker
Maurice Conti | Speaker | TED.com
TEDxPortland

Maurice Conti: The incredible inventions of intuitive AI

Μόρις Κόντι: Οι απίστευτες εφευρέσεις της διαισθητικής τεχνητής νοημοσύνης

Filmed:
6,173,221 views

Τι παίρνει κανείς όταν δίνει ένα ψηφιακό νευρικό σύστημα σε ένα σχεδιαστικό εργαλείο; Οι υπολογιστές μπορούν να βελτιώσουν την ικανότητά μας να σκεφτόμαστε και να φανταζόμαστε, ενώ τα ρομποτικά συστήματα μπορούν να συλλάβουν (και να κατασκευάσουν) ρηξικέλευθα καινούρια σχέδια για γέφυρες, αυτοκίνητα, ντρόουνς και πολλά περισσότερα, και μάλιστα εντελώς αυτόνομα. Ρίξτε μια ματιά στην Επαυξημένη Εποχή με τον φουτουριστή Μόρις Κόντι, μια ματιά σε ένα μέλλον όπου τα ρομπότ και οι άνθρωποι θα εργάζονται πλάι πλάι για να καταφέρουν πράγματα που κανείς τους δεν θα μπορούσε μόνος του.
- Designer, futurist
Maurice Conti explores new partnerships between technology, nature and humanity. Full bio

Double-click the English transcript below to play the video.

00:12
How manyΠολλά of you are creativesδιαφημιστικά κείμενα,
0
735
2289
Πόσοι από εσάς είστε δημιουργοί,
σχεδιαστές, μηχανικοί,
επιχειρηματίες, καλλιτέχνες,
00:15
designersσχεδιαστές, engineersμηχανικούς,
entrepreneursεπιχειρηματίες, artistsκαλλιτέχνες,
1
3048
3624
ή έχετε απλώς πολύ μεγάλη φαντασία;
00:18
or maybe you just have
a really bigμεγάλο imaginationφαντασία?
2
6696
2387
Σηκώστε τα χέρια! (Επευφημίες)
00:21
ShowΕμφάνιση of handsτα χέρια? (CheersΓεια)
3
9107
1848
Οι περισσότεροι από σας.
00:22
That's mostπλέον of you.
4
10979
1181
00:25
I have some newsΝέα for us creativesδιαφημιστικά κείμενα.
5
13334
2294
Έχω νέα για εμάς τους δημιουργούς.
00:28
Over the courseσειρά μαθημάτων of the nextεπόμενος 20 yearsχρόνια,
6
16714
2573
Μέσα στα επόμενα 20 χρόνια
00:33
more will changeαλλαγή around
the way we do our work
7
21471
2973
ο τρόπος με τον οποίο δουλεύουμε
θα αλλάξει πολύ περισσότερο
00:37
than has happenedσυνέβη in the last 2,000.
8
25382
2157
απ' ό,τι άλλαξε
μέσα στα τελευταία 2.000 χρόνια.
00:40
In factγεγονός, I think we're at the dawnαυγή
of a newνέος ageηλικία in humanο άνθρωπος historyιστορία.
9
28511
4628
Πράγματι, νομίζω ότι ανατέλλει
μια νέα εποχή της ανθρώπινης ιστορίας.
00:45
Now, there have been fourτέσσερα majorμείζων historicalιστορικός
erasεποχές definedορίζεται by the way we work.
10
33645
4761
Ο τρόπος που δουλεύουμε ορίζεται
σε τέσσερις περιόδους.
00:51
The Hunter-GathererΚυνηγών-τροφοσυλλεκτών AgeΗλικία
lastedδιήρκεσε severalαρκετά millionεκατομμύριο yearsχρόνια.
11
39404
3275
Η εποχή του Κυνηγού-Τροφοσυλλέκτη
διήρκεσε αρκετά εκατομμύρια χρόνια.
00:55
And then the AgriculturalΓεωργικών AgeΗλικία
lastedδιήρκεσε severalαρκετά thousandχίλια yearsχρόνια.
12
43163
3576
Και μετά η εποχή της Γεωργοκαλλιέργειας
διήρκεσε αρκετές χιλιάδες χρόνια.
00:59
The IndustrialΒιομηχανική AgeΗλικία lastedδιήρκεσε
a coupleζευγάρι of centuriesαιώνες.
13
47195
3490
Η Βιομηχανική εποχή διήρκεσε
κάνα δυο αιώνες.
Τώρα πλέον, η εποχή της Πληροφορίας
έχει διάρκεια μόλις μερικών δεκαετιών.
01:02
And now the InformationΠληροφορίες AgeΗλικία
has lastedδιήρκεσε just a fewλίγοι decadesδεκαετίες.
14
50709
4287
Σήμερα, βρισκόμαστε στο μεταίχμιο
της επομένης εποχής μας ως είδος.
01:07
And now todayσήμερα, we're on the cuspοξύ άκρο
of our nextεπόμενος great eraεποχή as a speciesείδος.
15
55020
5220
01:13
WelcomeΚαλώς όρισες to the AugmentedΕπαυξημένη AgeΗλικία.
16
61296
2680
Καλωσορίσατε στην Επαυξημένη Εποχή.
Σε αυτή τη νέα εποχή, οι φυσικές σας
ανθρώπινες δεξιότητες θα ενισχυθούν
01:16
In this newνέος eraεποχή, your naturalφυσικός humanο άνθρωπος
capabilitiesικανότητες are going to be augmentedαυξήθηκε
17
64000
3693
μέσω υπολογιστικών συστημάτων
που θα σας βοηθούν να σκέφτεστε,
01:19
by computationalυπολογιστική systemsσυστήματα
that help you think,
18
67717
3068
ρομποτικά συστήματα
θα σας επιτρέπουν να κατασκευάζετε,
01:22
roboticρομποτικό systemsσυστήματα that help you make,
19
70809
2186
01:25
and a digitalψηφιακό nervousνευρικός systemΣύστημα
20
73019
1648
και ένα ψηφιακό νευρικό σύστημα
01:26
that connectsσυνδέει you to the worldκόσμος
farμακριά beyondπέρα your naturalφυσικός sensesαισθήσεις.
21
74691
3690
θα σας συνδέει με τον κόσμο
πολύ πέρα από τις φυσικές σας αισθήσεις.
Ας ξεκινήσουμε με τη γνωστική ενίσχυση.
01:31
Let's startαρχή with cognitiveγνωστική augmentationαύξηση.
22
79437
1942
Πόσοι από εσάς είστε επαυξημένα σάιμποργκ;
01:33
How manyΠολλά of you are augmentedαυξήθηκε cyborgscyborgs?
23
81403
2200
01:36
(LaughterΤο γέλιο)
24
84133
2650
(Γέλια)
Θα έλεγα ότι στην πραγματικότητα
ήδη είμαστε επαυξημένοι.
01:38
I would actuallyπράγματι argueλογομαχώ
that we're alreadyήδη augmentedαυξήθηκε.
25
86807
2821
Φανταστείτε ότι είστε σε ένα πάρτι
01:42
ImagineΦανταστείτε you're at a partyκόμμα,
26
90288
1504
και κάποιος σας κάνει μια ερώτηση
που δεν ξέρετε να απαντήσετε.
01:43
and somebodyκάποιος asksζητάει you a questionερώτηση
that you don't know the answerαπάντηση to.
27
91816
3520
Αν έχετε ένα από αυτά, σε μερικά δεύτερα
θα γνωρίζετε την απάντηση.
01:47
If you have one of these,
in a fewλίγοι secondsδευτερολέπτων, you can know the answerαπάντηση.
28
95360
3760
01:51
But this is just a primitiveπρωτόγονος beginningαρχή.
29
99869
2299
Αυτό είναι μόνο η αρχή.
01:54
Even SiriΤο Siri is just a passiveπαθητικός toolεργαλείο.
30
102863
3331
Ακόμη και η Σίρι είναι απλώς
ένα παθητικό εργαλείο.
01:58
In factγεγονός, for the last
three-and-a-halfτρεις-και-α-μισό millionεκατομμύριο yearsχρόνια,
31
106660
3381
Στην πραγματικότητα, τα τελευταία
τρεισήμισι εκατομμύρια χρόνια
τα εργαλεία που είχαμε
ήταν εντελώς παθητικά.
02:02
the toolsεργαλεία that we'veέχουμε had
have been completelyεντελώς passiveπαθητικός.
32
110065
3109
02:06
They do exactlyακριβώς what we tell them
and nothing more.
33
114203
3655
Κάνουν ακριβώς ό,τι τους λέμε
και τίποτα παραπάνω.
02:09
Our very first toolεργαλείο only cutΤομή
where we struckχτύπησε it.
34
117882
3101
Το πρώτο πρώτο μας εργαλείο
απλώς έκοβε εκεί που το χτυπούσαμε.
02:13
The chiselσμίλη only carvesχαράζει
where the artistκαλλιτέχνης pointsσημεία it.
35
121822
3040
Η σμίλη σμιλεύει
εκεί που την οδηγεί ο καλλιτέχνης.
Ακόμη και τα πιο εξελιγμένα μας εργαλεία
02:17
And even our mostπλέον advancedπροχωρημένος toolsεργαλεία
do nothing withoutχωρίς our explicitσαφής directionκατεύθυνση.
36
125343
5641
δεν κάνουν τίποτα
χωρίς τις ακριβείς μας οδηγίες.
Στην πραγματικότητα, ως σήμερα,
και αυτό είναι κάτι που με απελπίζει,
02:23
In factγεγονός, to dateημερομηνία, and this
is something that frustratesματαιώνει me,
37
131008
3181
ήμασταν πάντα περιορισμένοι
02:26
we'veέχουμε always been limitedπεριωρισμένος
38
134213
1448
από αυτή την ανάγκη να επιβάλουμε
τη θέλησή μας στα εργαλεία μας
02:27
by this need to manuallyχειροκίνητα
pushΣπρώξτε our willsδιαθήκες into our toolsεργαλεία --
39
135685
3501
χειρωνακτικά, κυριολεκτικά
με τα ίδια μας τα χέρια,
02:31
like, manualεγχειρίδιο,
literallyΚυριολεκτικά usingχρησιμοποιώντας our handsτα χέρια,
40
139210
2297
ακόμη και με τους υπολογιστές.
02:33
even with computersΥπολογιστές.
41
141531
1428
02:36
But I'm more like ScottyScotty in "StarΑστέρι TrekΟδοιπορικό."
42
144072
2463
Εγώ είμαι όμως πιο πολύ
σαν τον Σκότι στο Σταρ Τρεκ.
(Γέλια)
02:38
(LaughterΤο γέλιο)
43
146559
1850
02:40
I want to have a conversationσυνομιλία
with a computerυπολογιστή.
44
148433
2146
Θέλω να μπορώ να συζητάω
με έναν υπολογιστή.
Να λέω: «Υπολογιστή,
ας σχεδιάσουμε ένα αυτοκίνητο»,
02:42
I want to say, "ComputerΥπολογιστή,
let's designσχέδιο a carαυτοκίνητο,"
45
150603
2970
και ο υπολογιστής να μου το δείχνει.
02:45
and the computerυπολογιστή showsδείχνει me a carαυτοκίνητο.
46
153597
1539
02:47
And I say, "No, more fast-lookingFast-αναζητούν,
and lessπιο λιγο GermanΓερμανικά,"
47
155160
2608
Να λέω: «Όχι, να είναι πιο γρήγορο
και λιγότερο γερμανικό»
02:49
and bangπάταγος, the computerυπολογιστή showsδείχνει me an optionεπιλογή.
48
157792
2163
και μπαμ, να μου δείχνει ένα τέτοιο.
02:51
(LaughterΤο γέλιο)
49
159979
1865
(Γέλια)
02:54
That conversationσυνομιλία mightθα μπορούσε be
a little waysτρόπους off,
50
162208
2306
Η συζήτηση μπορεί να είναι
λίγο παρατραβηγμένη,
πιθανόν λιγότερο απ' όσο πολλοί
από εμάς νομίζουμε,
02:56
probablyπιθανώς lessπιο λιγο than manyΠολλά of us think,
51
164538
2665
αυτή τη στιγμή όμως
δουλεύουμε πάνω σ' αυτό.
02:59
but right now,
52
167227
1763
03:01
we're workingεργαζόμενος on it.
53
169014
1151
Τα εργαλεία μας θα κάνουν αυτό το άλμα
και από παθητικά θα γίνουν δημιουργικά.
03:02
ToolsΕργαλεία are makingκατασκευή this leapπηδάω
from beingνα εισαι passiveπαθητικός to beingνα εισαι generativeγεννητικός.
54
170189
4033
03:06
GenerativeΠαραγωγική designσχέδιο toolsεργαλεία
use a computerυπολογιστή and algorithmsαλγορίθμους
55
174831
3308
Τα δημιουργικά σχεδιαστικά εργαλεία,
με έναν υπολογιστή και αλγορίθμους
συνθέτουν γεωμετρία,
03:10
to synthesizeσυνθέτω geometryγεωμετρία
56
178163
2608
και εφευρίσκουν νέα σχέδια
εντελώς από μόνα τους.
03:12
to come up with newνέος designsσχέδια
all by themselvesτους εαυτούς τους.
57
180795
2754
Το μόνο που μένει είναι να θέσετε
στόχους και περιορισμούς.
03:15
All it needsανάγκες are your goalsστόχους
and your constraintsπεριορισμούς.
58
183996
2748
03:18
I'll give you an exampleπαράδειγμα.
59
186768
1408
Θα σας δώσω ένα παράδειγμα.
03:20
In the caseπερίπτωση of this aerialεναέρια droneκηφήνας chassisσασί,
60
188200
2788
Για τον σκελετό αυτού
του ιπτάμενου τηλεκατευθυνόμενου
το μόνο που χρειάζεται είναι
να του πείτε κάτι όπως:
03:23
all you would need to do
is tell it something like,
61
191012
2626
θέλω να έχει τέσσερις προπέλες,
να είναι όσο πιο ελαφρύ γίνεται
03:25
it has fourτέσσερα propellersέλικες,
62
193662
1273
03:26
you want it to be
as lightweightπυγμάχος ελαφρού βάρους as possibleδυνατόν,
63
194959
2131
και να είναι αεροδυναμικό.
03:29
and you need it to be
aerodynamicallyαεροδυναμικά efficientαποτελεσματικός.
64
197114
2270
03:31
Then what the computerυπολογιστή does
is it exploresδιερευνά the entireολόκληρος solutionλύση spaceχώρος:
65
199408
4914
Στη συνέχεια ο υπολογιστής μελετά
όλο το φάσμα των πιθανών λύσεων:
όλες τις πιθανές παραλλαγές που επιλύουν
και ανταποκρίνονται στα κριτήρια,
03:36
everyκάθε singleμονόκλινο possibilityδυνατότητα that solvesλύνει
and meetsσυναντά your criteriaκριτήρια --
66
204346
3927
δηλαδή εκατομμύρια επιλογές.
03:40
millionsεκατομμύρια of them.
67
208297
1442
Χρειάζονται μεγάλοι υπολογιστές γι' αυτό.
03:41
It takes bigμεγάλο computersΥπολογιστές to do this.
68
209763
1975
03:43
But it comesέρχεται back to us with designsσχέδια
69
211762
1955
Αλλά μας βγάζει σχέδια
03:45
that we, by ourselvesεμείς οι ίδιοι,
never could'veθα μπορούσε να έχει imaginedφανταστείτε.
70
213741
3143
που εμείς από μόνοι μας
ποτέ δεν θα είχαμε φανταστεί.
Και ο υπολογιστής τα σκέφτεται
όλα αυτά από μόνος του,
03:49
And the computer'sτου υπολογιστή comingερχομός up
with this stuffυλικό all by itselfεαυτό --
71
217326
2912
κανένας δεν σχεδίασε τίποτα
και ξεκίνησε εντελώς από το μηδέν.
03:52
no one ever drewτράβηξε anything,
72
220262
1678
03:53
and it startedξεκίνησε completelyεντελώς from scratchγρατσουνιά.
73
221964
2086
03:57
And by the way, it's no accidentατύχημα
74
225038
2387
Παρεμπιπτόντως, δεν είναι τυχαίο
ότι το σώμα του τηλεκατευθυνόμενου μοιάζει
με την πύελο ενός ιπτάμενου σκίουρου.
03:59
that the droneκηφήνας bodyσώμα looksφαίνεται just like
the pelvisλεκάνη of a flyingπέταγμα squirrelσκίουρος.
75
227449
3481
04:03
(LaughterΤο γέλιο)
76
231287
2007
(Γέλια)
Είναι γιατί οι αλγόριθμοι σχεδιάστηκαν
για να λειτουργούν όπως η εξέλιξη.
04:06
It's because the algorithmsαλγορίθμους
are designedσχεδιασμένο to work
77
234040
2302
04:08
the sameίδιο way evolutionεξέλιξη does.
78
236366
1637
04:10
What's excitingσυναρπαστικός is we're startingεκκίνηση
to see this technologyτεχνολογία
79
238715
2660
Το συναρπαστικό είναι
ότι αυτή η τεχνολογία υπάρχει,
εκεί έξω στον πραγματικό κόσμο.
04:13
out in the realπραγματικός worldκόσμος.
80
241399
1159
04:14
We'veΈχουμε been workingεργαζόμενος with AirbusAirbus
for a coupleζευγάρι of yearsχρόνια
81
242582
2452
Συνεργαζόμαστε με την Airbus
εδώ και λίγα χρόνια
πάνω σε μια ιδέα
για ένα αεροπλάνο του μέλλοντος.
04:17
on this conceptέννοια planeεπίπεδο for the futureμελλοντικός.
82
245058
1909
04:18
It's a waysτρόπους out still.
83
246991
2070
Έχουμε πολύ δρόμο ακόμα.
04:21
But just recentlyπρόσφατα we used
a generative-designπαραγωγική-σχεδιασμός AIAI
84
249085
3780
Πρόσφατα όμως χρησιμοποιήσαμε
μια δημιουργική τεχνητή νοημοσύνη
που σκέφτηκε αυτό.
04:24
to come up with this.
85
252889
1807
Αυτό είναι ένα διαχωριστικό καμπίνας
από τρισδιάστατο εκτυπωτή
04:27
This is a 3D-printedD-τυπωμένα cabinκαμπίνα partitionΔιαμέρισμα
that's been designedσχεδιασμένο by a computerυπολογιστή.
86
255609
5153
το οποίο σχεδιάστηκε από έναν υπολογιστή.
04:32
It's strongerισχυρότερη than the originalπρωτότυπο
yetΑκόμη halfΉμισυ the weightβάρος,
87
260786
2824
Είναι ανθεκτικότερο από το πρωτότυπο
αλλά με το μισό βάρος
και θα πετάει με το Airbus A320
αργότερα εντός του έτους.
04:35
and it will be flyingπέταγμα
in the AirbusAirbus A320 laterαργότερα this yearέτος.
88
263634
3146
Οι υπολογιστές μπορούν πια να δημιουργούν,
04:39
So computersΥπολογιστές can now generateπαράγω;
89
267405
1559
04:40
they can come up with theirδικα τους ownτα δικά solutionsλύσεων
to our well-definedσαφώς καθορισμένο problemsπροβλήματα.
90
268988
4595
να βρίσκουν τις δικές τους λύσεις
σε δικά μας σαφώς καθορισμένα προβλήματα.
Αλλά δεν έχουν διαίσθηση.
04:46
But they're not intuitiveενστικτώδης.
91
274677
1310
04:48
They still have to startαρχή from scratchγρατσουνιά
everyκάθε singleμονόκλινο time,
92
276011
3086
Ακόμη πρέπει να αρχίζουν
κάθε φορά από το μηδέν,
επειδή ποτέ δεν μαθαίνουν.
04:51
and that's because they never learnμαθαίνω.
93
279121
2565
04:54
UnlikeΣε αντίθεση με MaggieMaggie.
94
282368
1766
Σε αντίθεση με τη Μάγκι.
(Γέλια)
04:56
(LaughterΤο γέλιο)
95
284158
1581
Η Μάγκι είναι πράγματι πιο έξυπνη από
τα πιο προχωρημένα σχεδιαστικά εργαλεία.
04:57
Maggie'sΜάγκι του actuallyπράγματι smarterεξυπνότερα
than our mostπλέον advancedπροχωρημένος designσχέδιο toolsεργαλεία.
96
285763
3297
05:01
What do I mean by that?
97
289467
1440
Τι εννοώ με αυτό;
Αν ο ιδιοκτήτης πιάσει αυτό το λουρί,
05:02
If her ownerιδιοκτήτης picksεπιλογές up that leashλουρί,
98
290931
1590
05:04
MaggieMaggie knowsξέρει with a fairέκθεση
degreeβαθμός of certaintyβεβαιότητα
99
292545
2068
η Μάγκι ξέρει, με αρκετά μεγάλη
βεβαιότητα, ότι είναι ώρα για βόλτα.
05:06
it's time to go for a walkΠερπατήστε.
100
294637
1404
Πώς το έμαθε αυτό;
05:08
And how did she learnμαθαίνω?
101
296065
1185
Λοιπόν, κάθε φορά που ο ιδιοκτήτης
έπαιρνε το λουρί, πήγαιναν βόλτα.
05:09
Well, everyκάθε time the ownerιδιοκτήτης pickedεκλεκτός up
the leashλουρί, they wentπήγε for a walkΠερπατήστε.
102
297274
3324
Η Μάγκι έκανε τρια πράγματα:
05:12
And MaggieMaggie did threeτρία things:
103
300622
1878
έδινε προσοχή, θυμόταν τι είχε γίνει
την προηγούμενη φορά,
05:14
she had to payπληρωμή attentionπροσοχή,
104
302524
1869
05:16
she had to rememberθυμάμαι what happenedσυνέβη
105
304417
2082
και δημιουργούσε και κράταγε
τη φόρμουλα στο μυαλό της.
05:18
and she had to retainδιατηρώ and createδημιουργώ
a patternπρότυπο in her mindμυαλό.
106
306523
4017
05:23
InterestinglyΕίναι ενδιαφέρον, that's exactlyακριβώς what
107
311429
2095
Το ενδιαφέρον είναι πως σε αυτό ακριβώς
προσπαθούν οι επιστήμονες
05:25
computerυπολογιστή scientistsΕπιστήμονες
have been tryingπροσπαθεί to get AIsAIs to do
108
313548
2523
να εκπαιδεύσουν την τεχνητή νοημοσύνη
για τα τελευταία 60 χρόνια.
05:28
for the last 60 or so yearsχρόνια.
109
316095
1859
05:30
Back in 1952,
110
318683
1349
Το 1952 έφτιαξαν έναν υπολογιστή
που μπορούσε να παίζει τρίλιζα.
05:32
they builtχτισμένο this computerυπολογιστή
that could playπαίζω Tic-Tac-ToeTic-Tac-Toe.
111
320056
3801
05:37
BigΜεγάλο dealσυμφωνία.
112
325081
1160
Σιγά το πράγμα.
05:39
Then 45 yearsχρόνια laterαργότερα, in 1997,
113
327029
3000
Έπειτα, 45 χρόνια αργότερα, το 1997,
ο Deep Blue νίκησε τον Κασπάροφ στο σκάκι.
05:42
DeepΒαθύ BlueΜπλε beatsχτυπάει KasparovΟ Κασπάροβ at chessσκάκι.
114
330053
2472
05:46
2011, WatsonWatson beatsχτυπάει these two
humansτου ανθρώπου at JeopardyΔιακινδύνευση,
115
334046
4968
Το 2011 ο Γουάτσον κέρδισε δύο ανθρώπους
στο παιχνίδι ερωτήσεων Jeopardy,
που είναι πολύ πιο δύσκολο από το σκάκι
για έναν υπολογιστή.
05:51
whichοι οποίες is much harderπιο δυνατα for a computerυπολογιστή
to playπαίζω than chessσκάκι is.
116
339038
2928
Και αυτό γιατί, αντί να δουλεύει
με προκαθορισμένες απαντήσεις,
05:53
In factγεγονός, ratherμάλλον than workingεργαζόμενος
from predefinedπροκαθορισμένα recipesσυνταγές,
117
341990
3812
ο Γουάτσον έπρεπε να νικήσει με τη λογική
τους ανθρώπους αντιπάλους του.
05:57
WatsonWatson had to use reasoningαιτιολογία
to overcomeκαταβάλλω his humanο άνθρωπος opponentsαντιπάλους.
118
345826
3323
06:02
And then a coupleζευγάρι of weeksεβδομάδες agoπριν,
119
350393
2439
Λίγες εβδομάδες πριν,
ο AlphaGo της DeepMind
06:04
DeepMind'sΤου DeepMind AlphaGoAlphaGo beatsχτυπάει
the world'sτου κόσμου bestκαλύτερος humanο άνθρωπος at Go,
120
352856
4262
νίκησε τον καλύτερο παίκτη
στο παιχνίδι Go,
το πιο δύσκολο παιχνίδι που υπάρχει.
06:09
whichοι οποίες is the mostπλέον difficultδύσκολος
gameπαιχνίδι that we have.
121
357142
2212
Στο Go υπάρχουν περισσότερες
πιθανές κινήσεις
06:11
In factγεγονός, in Go, there are more
possibleδυνατόν movesκινήσεις
122
359378
2896
απ' ό,τι άτομα στο σύμπαν.
06:14
than there are atomsάτομα in the universeσύμπαν.
123
362298
2024
06:18
So in orderΣειρά to winνίκη,
124
366210
1826
Προκειμένου λοιπόν να νικήσει,
ο AlphaGo έπρεπε να αναπτύξει διαίσθηση.
06:20
what AlphaGoAlphaGo had to do
was developαναπτύσσω intuitionδιαίσθηση.
125
368060
2618
06:23
And in factγεγονός, at some pointsσημεία,
AlphaGo'sΤου AlphaGo programmersπρογραμματιστές didn't understandκαταλαβαίνουν
126
371098
4110
Και μάλιστα, σε κάποια σημεία,
οι προγραμματιστές του AlphaGo
δεν καταλάβαιναν καν γιατί ο AlphaGo
έκανε αυτό που έκανε.
06:27
why AlphaGoAlphaGo was doing what it was doing.
127
375232
2286
Άρα όλα εξελίσσονται πολύ γρήγορα.
06:31
And things are movingκίνηση really fastγρήγορα.
128
379451
1660
Σκεφτείτε ότι, στη διάρκεια
της ζωής ενός ανθρώπου,
06:33
I mean, considerσκεφτείτε --
in the spaceχώρος of a humanο άνθρωπος lifetimeΔιάρκεια Ζωής,
129
381135
3227
οι υπολογιστές εξελίχθηκαν
από παιδικό παιχνίδι
06:36
computersΥπολογιστές have goneχαμένος from a child'sτου παιδιού gameπαιχνίδι
130
384386
2233
σε αυτό που αναγνωρίζεται ως
το αποκορύφωμα της στρατηγικής σκέψης.
06:39
to what's recognizedαναγνωρισμένος as the pinnacleκολοφών
of strategicστρατηγική thought.
131
387920
3048
06:43
What's basicallyβασικα happeningσυμβαίνει
132
391999
2417
Αυτό που ουσιαστικά συμβαίνει
είναι ότι οι υπολογιστές
εξελίσσονται από Σποκ...
06:46
is computersΥπολογιστές are going
from beingνα εισαι like SpockΣποκ
133
394440
3310
06:49
to beingνα εισαι a lot more like KirkKirk.
134
397774
1949
σε Κάπτεν Κερκ.
06:51
(LaughterΤο γέλιο)
135
399747
3618
(Γέλια)
06:55
Right? From pureκαθαρός logicλογική to intuitionδιαίσθηση.
136
403389
3424
Έτσι; Από την καθαρή λογική στη διαίσθηση.
07:00
Would you crossσταυρός this bridgeγέφυρα?
137
408184
1743
Θα περνούσατε αυτή τη γέφυρα;
Οι περισσότεροι από σας
θα λέγατε: «Όχι βέβαια!»
07:02
MostΠερισσότερα of you are sayingρητό, "Oh, hellκόλαση no!"
138
410609
2323
(Γέλια)
07:04
(LaughterΤο γέλιο)
139
412956
1308
Χρειάστηκε ένα δευτερόλεπτο
για να πάρετε αυτή την απόφαση.
07:06
And you arrivedέφτασε at that decisionαπόφαση
in a splitσπλιτ secondδεύτερος.
140
414288
2657
Κατά κάποιο τρόπο ήδη ξέρατε
ότι η γέφυρα δεν ήταν ασφαλής.
07:08
You just sortείδος of knewήξερε
that bridgeγέφυρα was unsafeμη ασφαλές.
141
416969
2428
07:11
And that's exactlyακριβώς the kindείδος of intuitionδιαίσθηση
142
419421
1989
Αυτό ακριβώς το είδος της διαίσθησης
07:13
that our deep-learningβαθιά-μάθηση systemsσυστήματα
are startingεκκίνηση to developαναπτύσσω right now.
143
421434
3568
αναπτύσσουν αυτή τη στιγμή
τα συστήματά μας που μαθαίνουν.
Πολύ σύντομα θα μπορείτε
07:17
Very soonσύντομα, you'llθα το κάνετε literallyΚυριολεκτικά be ableικανός
144
425722
1707
να δείξετε σε έναν υπολογιστή
κάτι που φτιάξατε, που σχεδιάσατε,
07:19
to showπροβολή something you've madeέκανε,
you've designedσχεδιασμένο,
145
427453
2206
07:21
to a computerυπολογιστή,
146
429683
1153
κι αυτός θα το κοιτάει και θα σας λέει:
07:22
and it will look at it and say,
147
430860
1489
«Λυπάμαι μάγκα, δεν θα λειτουργήσει,
πρέπει να προσπαθήσεις ξανά».
07:24
"Sorry, homiehomie, that'llαυτό θα γίνει never work.
You have to try again."
148
432373
2823
Θα μπορείτε να ρωτήσετε αν θα αρέσει
στον κόσμο το νέο σας τραγούδι,
07:27
Or you could askπαρακαλώ it if people
are going to like your nextεπόμενος songτραγούδι,
149
435854
3070
07:31
or your nextεπόμενος flavorγεύση of iceπάγος creamκρέμα.
150
439773
2063
ή η καινούρια γεύση παγωτού που φτιάξατε.
07:35
Or, much more importantlyείναι σημαντικό,
151
443549
2579
Ακόμη πιο σημαντικό, θα μπορούσατε
να συνεργαστείτε με έναν υπολογιστή,
07:38
you could work with a computerυπολογιστή
to solveλύσει a problemπρόβλημα
152
446152
2364
για να επιλύσετε ένα εντελώς
καινούριο πρόβλημα.
07:40
that we'veέχουμε never facedαντιμετωπίζουν before.
153
448540
1637
Για παράδειγμα, η κλιματική αλλαγή:
δεν τα καταφέρνουμε μόνοι μας,
07:42
For instanceπαράδειγμα, climateκλίμα changeαλλαγή.
154
450201
1401
07:43
We're not doing a very
good jobδουλειά on our ownτα δικά,
155
451626
2020
όσο περισσότερη βοήθεια έχουμε,
τόσο το καλύτερο για μας.
07:45
we could certainlyσίγουρα use
all the help we can get.
156
453670
2245
Γι' αυτό ακριβώς μιλάω,
07:47
That's what I'm talkingομιλία about,
157
455939
1458
πώς η τεχνολογία ενισχύει
τις γνωστικές μας ικανότητες
07:49
technologyτεχνολογία amplifyingενισχύοντας
our cognitiveγνωστική abilitiesικανότητες
158
457421
2555
ώστε να μπορούμε να φανταστούμε και
να σχεδιάσουμε πράγματα απλησίαστα ως τώρα
07:52
so we can imagineφαντάζομαι and designσχέδιο things
that were simplyαπλά out of our reachφθάνω
159
460000
3552
07:55
as plainπεδιάδα oldπαλαιός un-augmentedun-επαυξημένη humansτου ανθρώπου.
160
463576
2559
σαν απλοί μη-επαυξημένοι άνθρωποι.
Γιατί να μη φτιάξουμε λοιπόν
όλα αυτά τα τρελά καινούρια πράγματα
07:59
So what about makingκατασκευή
all of this crazyτρελός newνέος stuffυλικό
161
467984
2941
που πρόκειται να εφεύρουμε
και να σχεδιάσουμε;
08:02
that we're going to inventεφευρίσκω and designσχέδιο?
162
470949
2441
08:05
I think the eraεποχή of humanο άνθρωπος augmentationαύξηση
is as much about the physicalφυσικός worldκόσμος
163
473952
4093
Η εποχή της επαύξησης του ανθρώπου
τόσο για τον πραγματικό κόσμο
όσο και για τον εικονικό
ανήκει στη σφαίρα της διανόησης.
08:10
as it is about the virtualεικονικός,
intellectualδιανοούμενος realmβασίλειο.
164
478069
3065
08:13
How will technologyτεχνολογία augmentαύξησε την us?
165
481833
1921
Πώς θα μας επαυξήσει η τεχνολογία;
08:16
In the physicalφυσικός worldκόσμος, roboticρομποτικό systemsσυστήματα.
166
484261
2473
Στον πραγματικό κόσμο,
ρομποτικά συστήματα.
08:19
OK, there's certainlyσίγουρα a fearφόβος
167
487620
1736
Εντάξει, σίγουρα υπάρχει ένας φόβος
ότι τα ρομπότ θα πάρουν
τις δουλειές των ανθρώπων
08:21
that robotsρομπότ are going to take
jobsθέσεις εργασίας away from humansτου ανθρώπου,
168
489380
2488
και αυτό είναι αλήθεια
για ορισμένους τομείς.
08:23
and that is trueαληθής in certainβέβαιος sectorsτομείς.
169
491892
1830
Εμένα όμως μου αρέσει
πολύ περισσότερο η ιδέα
08:26
But I'm much more interestedενδιαφερόμενος in this ideaιδέα
170
494174
2878
08:29
that humansτου ανθρώπου and robotsρομπότ workingεργαζόμενος togetherμαζί
are going to augmentαύξησε την eachκαθε other,
171
497076
5010
ότι άνθρωποι και ρομπότ σε συνεργασία
θα επαυξήσουν ο ένας τον άλλον
και θα βρεθούν σε ένα νέο πεδίο.
08:34
and startαρχή to inhabitκατοικούν a newνέος spaceχώρος.
172
502110
2058
Αυτό είναι το εργαστήρι εφαρμοσμένης
έρευνας στο Σαν Φρανσίσκο.
08:36
This is our appliedεφαρμοσμένος researchέρευνα labεργαστήριο
in SanSan FranciscoΦρανσίσκο,
173
504192
2362
08:38
where one of our areasπεριοχές of focusΣυγκεντρώνω
is advancedπροχωρημένος roboticsΡομποτική,
174
506578
3142
Ένα από τα πεδία της έρευνάς μας
είναι η εξελιγμένη ρομποτική
08:41
specificallyειδικά, human-robotανθρώπου-ρομπότ collaborationσυνεργασία.
175
509744
2511
και ειδικότερα η συνεργασία
ανθρώπων και ρομπότ.
08:45
And this is BishopΕπίσκοπος, one of our robotsρομπότ.
176
513034
2759
Αυτός είναι ο Μπίσοπ,
ένα από τα ρομπότ μας.
Σε ένα πείραμα τον βάλαμε
να βοηθήσει έναν άνθρωπο
08:47
As an experimentπείραμα, we setσειρά it up
177
515817
1789
08:49
to help a personπρόσωπο workingεργαζόμενος in constructionκατασκευή
doing repetitiveεπαναλαμβανόμενες tasksκαθήκοντα --
178
517630
3460
που δούλευε στις οικοδομές και
έκανε επαναλαμβανόμενες κινήσεις,
08:53
tasksκαθήκοντα like cuttingτομή out holesτρύπες for outletsσημεία πώλησης
or lightφως switchesδιακόπτες in drywallγυψοσανίδας.
179
521984
4194
κινήσεις όπως να ανοίγει τρύπες για πρίζες
ή διακόπτες πάνω σε γυψοσανίδες.
(Γέλια)
08:58
(LaughterΤο γέλιο)
180
526202
2466
Ο άνθρωπος-συνεργάτης
του Μπίσοπ του λέει τι να κάνει
09:01
So, Bishop'sΤου Επισκόπου humanο άνθρωπος partnerεταίρος
can tell what to do in plainπεδιάδα EnglishΑγγλικά
181
529877
3111
σε απλά Αγγλικά και με απλές χειρονομίες,
κάπως σαν να μιλά σε σκύλο,
09:05
and with simpleαπλός gesturesχειρονομίες,
182
533012
1305
09:06
kindείδος of like talkingομιλία to a dogσκύλος,
183
534341
1447
και μετά ο Μπίσοπ εκτελεί
αυτές τις οδηγίες με απόλυτη ακρίβεια.
09:07
and then BishopΕπίσκοπος executesεκτελεί
on those instructionsοδηγίες
184
535812
2143
09:09
with perfectτέλειος precisionακρίβεια.
185
537979
1892
09:11
We're usingχρησιμοποιώντας the humanο άνθρωπος
for what the humanο άνθρωπος is good at:
186
539895
2989
Χρησιμοποιούμε τον άνθρωπο
σ' αυτό που ο άνθρωπος είναι καλός:
επαγρύπνηση, αντίληψη και λήψη αποφάσεων.
09:14
awarenessεπίγνωση, perceptionαντίληψη and decisionαπόφαση makingκατασκευή.
187
542908
2333
Χρησιμοποιούμε το ρομπότ
εκεί που είναι καλό:
09:17
And we're usingχρησιμοποιώντας the robotρομπότ
for what it's good at:
188
545265
2240
ακρίβεια και επανάληψη.
09:19
precisionακρίβεια and repetitivenessεπαναληπτικότητα.
189
547529
1748
Να άλλο ένα άλλο ωραίο πρότζεκτ
στο οποίο δούλεψε ο Μπίσοπ.
09:22
Here'sΕδώ είναι anotherαλλο coolδροσερός projectέργο
that BishopΕπίσκοπος workedεργάστηκε on.
190
550252
2367
Ο στόχος αυτού του πρότζεκτ
που το λέμε HIVE, κυψέλη,
09:24
The goalστόχος of this projectέργο,
whichοι οποίες we calledπου ονομάζεται the HIVEΚΥΨΈΛΗ,
191
552643
3075
είναι να αναπαραστήσουμε την εμπειρία
ανθρώπων, υπολογιστών και ρομπότ
09:27
was to prototypeπρωτότυπο the experienceεμπειρία
of humansτου ανθρώπου, computersΥπολογιστές and robotsρομπότ
192
555742
3851
που δουλεύουν όλοι μαζί για να λύσουν ένα
ιδιαίτερα πολύπλοκο πρόβλημα σχεδιασμού.
09:31
all workingεργαζόμενος togetherμαζί to solveλύσει
a highlyυψηλά complexσυγκρότημα designσχέδιο problemπρόβλημα.
193
559617
3220
Ο άνθρωποι ενέργησαν ως εργάτες.
09:35
The humansτου ανθρώπου actedενήργησε as laborεργασία.
194
563793
1451
Κινήθηκαν στο εργοτάξιο,
επεξεργάστηκαν το μπαμπού,
09:37
They cruisedπανηγύρισε around the constructionκατασκευή siteιστοσελίδα,
they manipulatedχειραγωγείται the bambooμπαμπού --
195
565268
3473
το οποίο, επειδή είναι ένα
μη-ισοφορμικό υλικό
09:40
whichοι οποίες, by the way,
because it's a non-isomorphicμη-ισομορφική materialυλικό,
196
568765
2756
είναι πολύ δύσκολο για τα ρομπότ
να το χειριστούν.
09:43
is superσούπερ hardσκληρά for robotsρομπότ to dealσυμφωνία with.
197
571545
1874
Αλλά μετά τα ρομπότ έκαναν αυτό
το δέσιμο με τις ίνες
09:45
But then the robotsρομπότ
did this fiberίνα windingεκκαθάριση,
198
573443
2022
09:47
whichοι οποίες was almostσχεδόν impossibleαδύνατο
for a humanο άνθρωπος to do.
199
575489
2451
που ήταν σχεδόν αδύνατο
να το κάνει άνθρωπος.
09:49
And then we had an AIAI
that was controllingέλεγχος everything.
200
577964
3621
Είχαμε και μια τεχνητή νοημοσύνη
που έλεγχε τα πάντα.
Έλεγε στους ανθρώπους τι να κάνουν,
έλεγε στα ρομπότ τι να κάνουν,
09:53
It was tellingαποτελεσματικός the humansτου ανθρώπου what to do,
tellingαποτελεσματικός the robotsρομπότ what to do
201
581609
3290
και κρατούσε λογαριασμό
για χιλιάδες συστατικά στοιχεία.
09:56
and keepingτήρηση trackπίστα of thousandsχιλιάδες
of individualάτομο componentsσυστατικά.
202
584923
2915
Το πιο ενδιαφέρον είναι
09:59
What's interestingενδιαφέρων is,
203
587862
1180
ότι το να χτίσουμε αυτό το περίπτερο
ήταν απλά αδύνατο
10:01
buildingΚτίριο this pavilionπερίπτερο
was simplyαπλά not possibleδυνατόν
204
589066
3141
χωρίς τους ανθρώπους, τα ρομπότ
και την τεχνητή νοημοσύνη
10:04
withoutχωρίς humanο άνθρωπος, robotρομπότ and AIAI
augmentingαυξάνοντας eachκαθε other.
205
592231
4524
να επαυξάνουν το ένα το άλλο.
10:09
OK, I'll shareμερίδιο one more projectέργο.
This one'sκάποιου a little bitκομμάτι crazyτρελός.
206
597890
3320
Εντάξει, θα μοιραστώ μαζί σας
ένα ακόμη πρότζεκτ, λίγο τρελό.
Μαζί με έναν καλλιτέχνη στο Άμστερνταμ,
τον Γιόρις Λάρμαν και την ομάδα του MX3D
10:13
We're workingεργαζόμενος with Amsterdam-basedΒασίζεται σε Άμστερνταμ artistκαλλιτέχνης
JorisΓιόρις LaarmanLaarman and his teamομάδα at MXMX3D
207
601234
4468
για να σχεδιάσουμε
και να εκτυπώσουμε ρομποτικά
10:17
to generativelygeneratively designσχέδιο
and roboticallyρομποτικά printΤυπώνω
208
605726
2878
την πρώτη αυτοκατασκευαζόμενη
γέφυρα στον κόσμο.
10:20
the world'sτου κόσμου first autonomouslyαυτόνομα
manufacturedκατασκευάζονται bridgeγέφυρα.
209
608628
2995
10:24
So, JorisΓιόρις and an AIAI are designingσχέδιο
this thing right now, as we speakμιλώ,
210
612315
3685
Έτσι, ο Γιόρις και μια τεχνητή νοημοσύνη
τη σχεδιάζουν τώρα στο Άμστερνταμ.
10:28
in AmsterdamΆμστερνταμ.
211
616024
1172
Ακολούθως θα πατήσουμε το κουμπί
και τα ρομπότ θα αρχίσουν την εκτύπωση
10:29
And when they're doneΈγινε,
we're going to hitΚτύπημα "Go,"
212
617220
2321
10:31
and robotsρομπότ will startαρχή 3D printingεκτύπωση
in stainlessανοξείδωτο steelατσάλι,
213
619565
3311
τρισδιάστατα, σε ανοξείδωτο ατσάλι,
και θα συνεχίσουν να εκτυπώνουν,
10:34
and then they're going to keep printingεκτύπωση,
withoutχωρίς humanο άνθρωπος interventionπαρέμβαση,
214
622900
3283
χωρίς ανθρώπινη παρέμβαση,
μέχρι η γέφυρα να τελειώσει.
10:38
untilμέχρις ότου the bridgeγέφυρα is finishedπεπερασμένος.
215
626207
1558
Καθώς λοιπόν οι υπολογιστές
θα επαυξήσουν την ικανότητά μας
10:41
So, as computersΥπολογιστές are going
to augmentαύξησε την our abilityικανότητα
216
629099
2928
να φανταζόμαστε και να σχεδιάζουμε
καινούρια πράγματα,
10:44
to imagineφαντάζομαι and designσχέδιο newνέος stuffυλικό,
217
632051
2150
τα ρομποτικά συστήματα θα μας βοηθήσουν
να κατασκευάσουμε πράγματα
10:46
roboticρομποτικό systemsσυστήματα are going to help us
buildχτίζω and make things
218
634225
2895
10:49
that we'veέχουμε never been ableικανός to make before.
219
637144
2084
που δεν θα μπορούσαμε να κάνουμε πριν.
Τι θα γίνει όμως με την ικανότητά μας να
αισθανόμαστε και να τα ελέγχουμε αυτά;
10:52
But what about our abilityικανότητα
to senseέννοια and controlέλεγχος these things?
220
640347
4160
Τι θα λέγατε για ένα νευρικό σύστημα
για τα πράγματα που θα φτιάξουμε;
10:56
What about a nervousνευρικός systemΣύστημα
for the things that we make?
221
644531
4031
Το νευρικό μας σύστημα,
το ανθρώπινο νευρικό σύστημα,
11:00
Our nervousνευρικός systemΣύστημα,
the humanο άνθρωπος nervousνευρικός systemΣύστημα,
222
648586
2512
μας ενημερώνει για όλα
όσα συμβαίνουν γύρω μας.
11:03
tellsλέει us everything
that's going on around us.
223
651122
2311
11:06
But the nervousνευρικός systemΣύστημα of the things
we make is rudimentaryστοιχειώδη at bestκαλύτερος.
224
654186
3684
Αλλά το νευρικό σύστημα των πραγμάτων
που φτιάχνουμε είναι το πολύ υποτυπώδες.
Για παράδειγμα, ένα αυτοκίνητο δεν λέει
στο τμήμα δημοσίων έργων μιας πόλης
11:09
For instanceπαράδειγμα, a carαυτοκίνητο doesn't tell
the city'sτης ΠΟΛΗΣ publicδημόσιο worksεργοστάσιο departmentτμήμα
225
657894
3563
ότι μόλις βρήκε μια λακκούβα
στη γωνία Μπροντγουέι και Μόρισον.
11:13
that it just hitΚτύπημα a potholeλακκούβα at the cornerγωνία
of BroadwayBroadway and MorrisonΜόρισον.
226
661481
3130
Ένα κτίριο δεν λέει στους σχεδιαστές του
11:16
A buildingΚτίριο doesn't tell its designersσχεδιαστές
227
664635
2032
αν αρέσει ή όχι στους ανθρώπους
να ζούνε μέσα του,
11:18
whetherκατά πόσο or not the people insideμέσα
like beingνα εισαι there,
228
666691
2684
και ο κατασκευαστής παιχνιδιών
11:21
and the toyπαιχνίδι manufacturerκατασκευαστής doesn't know
229
669399
3010
δεν ξέρει αν πραγματικά
παίζουν με κάποιο παιχνίδι,
11:24
if a toyπαιχνίδι is actuallyπράγματι beingνα εισαι playedέπαιξε with --
230
672433
2007
πώς και πού και αν είναι διασκεδαστικό.
11:26
how and where and whetherκατά πόσο
or not it's any funδιασκέδαση.
231
674464
2539
11:29
Look, I'm sure that the designersσχεδιαστές
imaginedφανταστείτε this lifestyleΤΡΟΠΟΣ ΖΩΗΣ for BarbieBarbie
232
677620
3814
Σίγουρα οι δημιουργοί της Μπάρμπι
ήξεραν πώς θα ήταν η ζωή της,
11:33
when they designedσχεδιασμένο her.
233
681458
1224
όταν την έφτιαξαν.
11:34
(LaughterΤο γέλιο)
234
682706
1447
(Γέλια)
11:36
But what if it turnsστροφές out that Barbie'sΤης Barbie
actuallyπράγματι really lonelyμοναχικός?
235
684177
2906
Αλλά τι γίνεται αν τελικά
η Μπάρμπι νοιώθει μοναξιά;
(Γέλια)
11:39
(LaughterΤο γέλιο)
236
687107
3147
Αν οι δημιουργοί της είχαν γνώσεις
για τον πραγματικό κόσμο των σχεδίων τους
11:43
If the designersσχεδιαστές had knownγνωστός
237
691266
1288
11:44
what was really happeningσυμβαίνει
in the realπραγματικός worldκόσμος
238
692578
2107
11:46
with theirδικα τους designsσχέδια -- the roadδρόμος,
the buildingΚτίριο, BarbieBarbie --
239
694709
2583
- τον δρόμο, το σπίτι, την Μπάρμπι -
θα μπορούσαν να τις χρησιμοποιήσουν
11:49
they could'veθα μπορούσε να έχει used that knowledgeη γνώση
to createδημιουργώ an experienceεμπειρία
240
697316
2694
για να δημιουργήσουν
μια καλύτερη εμπειρία για τον χρήστη.
11:52
that was better for the userχρήστης.
241
700034
1400
Αυτό που λείπει είναι ένα νευρικό σύστημα
11:53
What's missingλείπει is a nervousνευρικός systemΣύστημα
242
701458
1791
που να μας ενώνει με όλα τα πράγματα που
σχεδιάζουμε, κάνουμε και χρησιμοποιούμε.
11:55
connectingσυνδετικός us to all of the things
that we designσχέδιο, make and use.
243
703273
3709
11:59
What if all of you had that kindείδος
of informationπληροφορίες flowingρεύση to you
244
707915
3555
Πώς θα ήταν αν όλοι εσείς είχατε αυτή
την πληροφορία να ρέει προς εσάς,
από τα πράγματα που δημιουργείτε
στον πραγματικό κόσμο;
12:03
from the things you createδημιουργώ
in the realπραγματικός worldκόσμος?
245
711494
2183
Για όλα τα πράγματα που φτιάχνουμε
ξοδεύουμε άπειρα χρήματα και ενέργεια,
12:07
With all of the stuffυλικό we make,
246
715432
1451
12:08
we spendδαπανήσει a tremendousκαταπληκτικός amountποσό
of moneyχρήματα and energyενέργεια --
247
716907
2435
πέρυσι δύο τρις δολάρια,
12:11
in factγεγονός, last yearέτος,
about two trillionτρισεκατομμύριο dollarsδολάρια --
248
719366
2376
προσπαθώντας να πείσουμε τους ανθρώπους
να αγοράσουν τα πράγματα που φτιάξαμε.
12:13
convincingπειστικός people to buyαγορά
the things we'veέχουμε madeέκανε.
249
721766
2854
12:16
But if you had this connectionσύνδεση
to the things that you designσχέδιο and createδημιουργώ
250
724644
3388
Αν όμως είχαμε αυτή τη σύνδεση
με τα πράγματα που δημιουργούμε
αφότου βρεθούν έξω στον πραγματικό κόσμο,
αφότου πουληθούν ή κυκλοφορήσουν,
12:20
after they're out in the realπραγματικός worldκόσμος,
251
728056
1727
12:21
after they'veέχουν been soldπωληθεί
or launchedξεκίνησε or whateverοτιδήποτε,
252
729807
3614
θα μπορούσαμε να το αλλάξουμε αυτό:
12:25
we could actuallyπράγματι changeαλλαγή that,
253
733445
1620
12:27
and go from makingκατασκευή people want our stuffυλικό,
254
735089
3047
αντί να κάνουμε τους ανθρώπους
να θέλουν αυτά που φτιάχνουμε,
να φτιάχνουμε πράγματα που οι άνθρωποι
θα ήθελαν έτσι κι αλλιώς.
12:30
to just makingκατασκευή stuffυλικό that people
want in the first placeθέση.
255
738160
3434
Τα καλά νέα είναι ότι δουλεύουμε
σε ψηφιακά νευρικά συστήματα
12:33
The good newsΝέα is, we're workingεργαζόμενος
on digitalψηφιακό nervousνευρικός systemsσυστήματα
256
741618
2787
12:36
that connectσυνδέω us to the things we designσχέδιο.
257
744429
2801
που μας συνδέουν με τα πράγματα
που σχεδιάζουμε.
12:40
We're workingεργαζόμενος on one projectέργο
258
748365
1627
Δουλεύουμε σε ένα πρότζεκτ
με κάποιους εκεί στο Λος Άντζελες,
τους αδερφούς Μπαντίτο και την ομάδα τους.
12:42
with a coupleζευγάρι of guys down in LosΛος AngelesΆντζελες
calledπου ονομάζεται the BanditoBandito BrothersΑδελφοί
259
750016
3712
12:45
and theirδικα τους teamομάδα.
260
753752
1407
Ένα από αυτά που κάνουν αυτοί οι τύποι
είναι να φτιάχνουν κάτι τρελά αυτοκίνητα
12:47
And one of the things these guys do
is buildχτίζω insaneπαράφρων carsαυτοκίνητα
261
755183
3433
που κάνουν απολύτως τρελά πράγματα.
12:50
that do absolutelyαπολύτως insaneπαράφρων things.
262
758640
2873
12:54
These guys are crazyτρελός --
263
762905
1450
Είναι τρελοί αυτοί οι τύποι
12:56
(LaughterΤο γέλιο)
264
764379
1036
(Γέλια)
12:57
in the bestκαλύτερος way.
265
765439
1403
με την καλή την έννοια.
Αυτό που κάνουμε μαζί τους
13:00
And what we're doing with them
266
768993
1763
είναι να πάρουμε το κανονικό σασί
ενός αγωνιστικού αυτοκινήτου
13:02
is takingλήψη a traditionalπαραδοσιακός race-carαγωνιστικών αυτοκινήτων chassisσασί
267
770780
2440
και να του βάζουμε ένα νευρικό σύστημα.
13:05
and givingδίνοντας it a nervousνευρικός systemΣύστημα.
268
773244
1585
13:06
So we instrumentedενοργανώνεται it
with dozensντουζίνες of sensorsΑισθητήρες,
269
774853
3058
Το κατασκευάσαμε λοιπόν
με ένα σωρό αισθητήρες,
βάλαμε έναν οδηγό παγκοσμίου κλάσης
πίσω από το τιμόνι,
13:09
put a world-classπαγκόσμιας κλάσης driverοδηγός behindπίσω the wheelΡΟΔΑ,
270
777935
2635
το βγάλαμε στην έρημο και το οδηγήσαμε
όσο δεν παίρνει επί μία εβδομάδα.
13:12
tookπήρε it out to the desertέρημος
and droveοδήγησε the hellκόλαση out of it for a weekεβδομάδα.
271
780594
3357
Το νευρικό σύστημα του αυτοκινήτου
κατέγραψε τα πάντα,
13:15
And the car'sτου αυτοκινήτου nervousνευρικός systemΣύστημα
capturedσυλληφθεί everything
272
783975
2491
όλα όσα συνέβαιναν στο αυτοκίνητο.
13:18
that was happeningσυμβαίνει to the carαυτοκίνητο.
273
786490
1482
13:19
We capturedσυλληφθεί fourτέσσερα billionδισεκατομμύριο dataδεδομένα pointsσημεία;
274
787996
2621
Καταγράψαμε τέσσερα
δισεκατομμύρια στοιχεία δεδομένων
13:22
all of the forcesδυνάμεις
that it was subjectedυποβληθεί to.
275
790641
2310
και όλες τις δυνάμεις που υπέστη.
13:24
And then we did something crazyτρελός.
276
792975
1659
Μετά κάναμε κάτι τρελό.
13:27
We tookπήρε all of that dataδεδομένα,
277
795268
1500
Πήραμε όλα αυτά τα δεδομένα
και τα κατεβάσαμε σε μια τεχνητή νοημοσύνη
σχεδιασμού που τη λέμε Ονειροπαγίδα.
13:28
and pluggedστην πρίζα it into a generative-designπαραγωγική-σχεδιασμός AIAI
we call "DreamcatcherΟνειροπαγίδα."
278
796792
3736
13:33
So what do get when you give
a designσχέδιο toolεργαλείο a nervousνευρικός systemΣύστημα,
279
801270
3964
Τι παίρνει κανείς λοιπόν όταν δίνει σε ένα
σχεδιαστικό εργαλείο ένα νευρικό σύστημα,
και του ζητά να του φτιάξει
το τέλειο σασί αυτοκινήτου.
13:37
and you askπαρακαλώ it to buildχτίζω you
the ultimateτελικός carαυτοκίνητο chassisσασί?
280
805258
2882
13:40
You get this.
281
808723
1973
Παίρνει αυτό.
13:44
This is something that a humanο άνθρωπος
could never have designedσχεδιασμένο.
282
812293
3713
Αυτό είναι κάτι που ο άνθρωπος
δεν θα μπορούσε ποτέ να σχεδιάσει.
13:48
ExceptΕκτός από a humanο άνθρωπος did designσχέδιο this,
283
816707
1888
Άνθρωπος όμως το σχεδίασε αυτό,
μόνο που ήταν ένας άνθρωπος επαυξημένος
από μια τεχνητή νοημοσύνη σχεδιασμού,
13:50
but it was a humanο άνθρωπος that was augmentedαυξήθηκε
by a generative-designπαραγωγική-σχεδιασμός AIAI,
284
818619
4309
ένα ψηφιακό νευρικό σύστημα
13:54
a digitalψηφιακό nervousνευρικός systemΣύστημα
285
822952
1231
και ρομπότ που μπορούν
να φτιάξουν κάτι τέτοιο.
13:56
and robotsρομπότ that can actuallyπράγματι
fabricateκατασκευάσει something like this.
286
824207
3005
13:59
So if this is the futureμελλοντικός,
the AugmentedΕπαυξημένη AgeΗλικία,
287
827680
3595
Αν αυτό είναι το μέλλον,
η Επαυξημένη Εποχή,
και πρόκειται να επαυξηθούν οι γνώσεις,
οι φυσικές και διανοητικές μας ικανότητες,
14:03
and we're going to be augmentedαυξήθηκε
cognitivelyδιανοητικά, physicallyφυσικώς and perceptuallyαντιληπτικά,
288
831299
4261
πώς θα μοιάζει αυτό;
14:07
what will that look like?
289
835584
1408
14:09
What is this wonderlandχώρα των θαυμάτων going to be like?
290
837576
3321
Πώς θα είναι αυτή η χώρα των θαυμάτων;
Νομίζω πως θα δούμε έναν κόσμο
14:12
I think we're going to see a worldκόσμος
291
840921
1709
όπου θα περάσουμε από τα πράγματα
που κατασκευάζονται
14:14
where we're movingκίνηση
from things that are fabricatedκατασκευάζονται
292
842654
3068
στα πράγματα που καλλιεργούνται.
14:17
to things that are farmedεκτροφής.
293
845746
1445
14:20
Where we're movingκίνηση from things
that are constructedκατασκευάστηκε
294
848159
3453
Περνάμε από τα πράγματα που χτίζονται
σε πράγματα που αναπτύσσονται.
14:23
to that whichοι οποίες is grownκαλλιεργούνται.
295
851636
1704
14:26
We're going to moveκίνηση from beingνα εισαι isolatedαπομονωμένος
296
854134
2188
Περνάμε από την απομόνωση στη σύνδεση.
14:28
to beingνα εισαι connectedσυνδεδεμένος.
297
856346
1610
14:30
And we'llΚαλά moveκίνηση away from extractionεκχύλιση
298
858634
2411
Απομακρυνόμαστε από την εξαγωγή
και αποδεχόμαστε την ενσωμάτωση.
14:33
to embraceεναγκαλισμός aggregationΆθροιση.
299
861069
1873
14:35
I alsoεπίσης think we'llΚαλά shiftβάρδια
from cravingλαχτάρα obedienceυπακοή from our things
300
863967
3767
Νομίζω επίσης ότι δεν θα απαιτούμε πια
υπακοή από τα πράγματά μας
αλλά θα εκτιμούμε την αυτονομία.
14:39
to valuingαποτίμηση autonomyαυτονομία.
301
867758
1641
14:42
ThanksΕυχαριστώ to our augmentedαυξήθηκε capabilitiesικανότητες,
302
870510
1905
Χάρη στις επαυξημένες μας δεξιότητες,
ο κόσμος μας θα αλλάξει δραματικά.
14:44
our worldκόσμος is going to changeαλλαγή dramaticallyδραματικά.
303
872439
2377
Θα έχουμε έναν κόσμο με μεγαλύτερη
ποικιλία, μεγαλύτερη συνδεσιμότητα,
14:47
We're going to have a worldκόσμος
with more varietyποικιλία, more connectednessσυνεκτικότητα,
304
875576
3246
πιο δυναμικό, πιο πολύπλοκο,
14:50
more dynamismδυναμισμός, more complexityπερίπλοκο,
305
878846
2287
πιο προσαρμόσιμο, και φυσικά πιο όμορφο.
14:53
more adaptabilityπροσαρμοστικότητα and, of courseσειρά μαθημάτων,
306
881157
2318
14:55
more beautyομορφιά.
307
883499
1217
Το μέλλον δε θα μοιάζει καθόλου
με αυτά που έχουμε δει μέχρι τώρα.
14:57
The shapeσχήμα of things to come
308
885231
1564
14:58
will be unlikeδιαφορετικός anything
we'veέχουμε ever seenείδα before.
309
886819
2290
Γιατί; Γιατί αυτό
που θα διαμορφώσει όλα αυτά
15:01
Why?
310
889133
1159
15:02
Because what will be shapingδιαμόρφωση those things
is this newνέος partnershipσυνεταιρισμός
311
890316
3755
είναι η νέα συνεργασία της τεχνολογίας
με τη φύση και τον άνθρωπο.
15:06
betweenμεταξύ technologyτεχνολογία, natureφύση and humanityανθρωπότητα.
312
894095
3670
15:11
That, to me, is a futureμελλοντικός
well worthαξία looking forwardπρος τα εμπρός to.
313
899279
3804
Αυτό, κατά τη γνώμη μου, είναι ένα μέλλον
που αξίζει να το περιμένει κανείς.
Σας ευχαριστώ όλους πάρα πολύ.
15:15
Thank you all so much.
314
903107
1271
15:16
(ApplauseΧειροκροτήματα)
315
904402
5669
(Χειροκρότημα)
Translated by Eleni Tziafa
Reviewed by Maria Pericleous

▲Back to top

ABOUT THE SPEAKER
Maurice Conti - Designer, futurist
Maurice Conti explores new partnerships between technology, nature and humanity.

Why you should listen

Maurice Conti is a designer, futurist and innovator. He's worked with startups, government agencies, artists and corporations to explore the things that will matter to us in the future, and to design solutions to get us there.

Conti is currently Chief Innovation Officer at Alpha -- Europe's first moonshot factory, powered by Telefónica. Conti and his team are responsible for coming up with the ideas, prototypes and proofs of concepts that will go on to become full-blown moonshots at Alpha: projects that will affect 100 million people or more, be a force for good on the planet and grow into billion-euro businesses.

Previously, Conti was Director of Applied Research & Innovation at Autodesk where built and led Autodesk's Applied Research Lab. Conti's work focuses on applied machine learning, advanced robotics, augmented and virtual realities, and the future of work, cities and mobility. 

Conti is also an explorer of geographies and cultures. He has circumnavigated the globe once and been half-way around twice. In 2009 he was awarded the Medal for Exceptional Bravery at Sea by the United Nations, the New Zealand Bravery Medal and a US Coast Guard Citation for Bravery for risking his own life to save three shipwrecked sailors.

Conti lives in Barcelona, Spain, and travels around the world speaking to groups about innovation, technology trends, the future, and high adventure.

More profile about the speaker
Maurice Conti | Speaker | TED.com