TEDxPortland
Maurice Conti: The incredible inventions of intuitive AI
موریس کنتی: اختراع باورنکردنی از هوش مصنوعی دارای بینش
Filmed:
Readability: 4.6
6,173,221 views
وقتی که شما به یک ابزار طراحی، یک سیستم عصبی دیجیتال داده بشه، چی دریافت می کنید؟
کامپیوترهایی که توانایی ما رو در جهت تفکر و تخیل رشد می دهند، و سیستم های رباتیکی که می تونن با طراحی های جدید ریشه ای برای پل ها، ماشین ها، هواپیماهای بدون سرنشین و حتی بیشتر از اینها ،که همگی بوسیله خودشون صورت میگیره، ظهور کنند ( و اونها رو بسازند). نگاهی به عصرتکامل همراه با آینده بین موریس کنتی و پیش نمایشی از کار ربات ها و انسانها در کنار هم، برای تکمیل کارهایی که هیچ کدام آنها به تنهایی قادر به انجام اش نخواهند بود.
Maurice Conti - Designer, futurist
Maurice Conti explores new partnerships between technology, nature and humanity. Full bio
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 many of you are creatives,
0
735
2289
چند نفر از شما آدم خلاق،
00:15
designers, engineers,
entrepreneurs, artists,
entrepreneurs, artists,
1
3048
3624
طراح، مهندس، کارآفرین، هنرمند
00:18
or maybe you just have
a really big imagination?
a really big imagination?
2
6696
2387
و یا شاید حتی یک خیال پردازی
واقعا بزرگی رو داشته باشه؟
واقعا بزرگی رو داشته باشه؟
00:21
Show of hands? (Cheers)
3
9107
1848
با دستاتون نشون بدید؟ (صدای حضار)
00:22
That's most of you.
4
10979
1181
بله ،اکثر شماها.
من خبرهایی برای آدمهای خلاقی
مثل خودمون دارم.
مثل خودمون دارم.
00:25
I have some news for us creatives.
5
13334
2294
00:28
Over the course of the next 20 years,
6
16714
2573
در طول دوره ۲۰ سال آینده،
تغییراتی زیادی را در زمینه کاریمان
خواهیم داشت
خواهیم داشت
00:33
more will change around
the way we do our work
the way we do our work
7
21471
2973
نسبت به آنچه که در ۲۰۰۰ سال اخیر
اتفاق افتاده است.
اتفاق افتاده است.
00:37
than has happened in the last 2,000.
8
25382
2157
در حقیقت، به تصور من، ما در سپیده دم یک
دوره جدید در تاریخ بشری بسر می بریم.
دوره جدید در تاریخ بشری بسر می بریم.
00:40
In fact, I think we're at the dawn
of a new age in human history.
of a new age in human history.
9
28511
4628
00:45
Now, there have been four major historical
eras defined by the way we work.
eras defined by the way we work.
10
33645
4761
حالا، چهار عصرتاریخی اصلی
تعریف شده در مسیر کاری ما وجود داره.
تعریف شده در مسیر کاری ما وجود داره.
00:51
The Hunter-Gatherer Age
lasted several million years.
lasted several million years.
11
39404
3275
عصر شکار که میلیون ها سال به طول انجامید.
بعد از اون عصر کشاورزی که چندین هزار سال
طول کشید.
طول کشید.
00:55
And then the Agricultural Age
lasted several thousand years.
lasted several thousand years.
12
43163
3576
00:59
The Industrial Age lasted
a couple of centuries.
a couple of centuries.
13
47195
3490
عصر صنعتی چند قرن به درازا کشید.
01:02
And now the Information Age
has lasted just a few decades.
has lasted just a few decades.
14
50709
4287
و اکنون عصر اطلاعات فقط
چند دهه ادامه پیدا کرده.
چند دهه ادامه پیدا کرده.
01:07
And now today, we're on the cusp
of our next great era as a species.
of our next great era as a species.
15
55020
5220
و اکنون در امروز، ما به عنوان یک گونه،
در نقطه شروع عصر بزرگ بعدی قرار داریم.
در نقطه شروع عصر بزرگ بعدی قرار داریم.
01:13
Welcome to the Augmented Age.
16
61296
2680
به عصر تکمیل شده خوش آمدید.
01:16
In this new era, your natural human
capabilities are going to be augmented
capabilities are going to be augmented
17
64000
3693
در این عصر جدید،
قابلیت های طبیعی انسانی شما
قابلیت های طبیعی انسانی شما
با سیستم های محاسباتی که در
فکر کردن شما کمک میکنند، تقویت می شوند،
فکر کردن شما کمک میکنند، تقویت می شوند،
01:19
by computational systems
that help you think,
that help you think,
18
67717
3068
سیستم های رباتیک که به شما
در ساختن کمک می کنند،
در ساختن کمک می کنند،
01:22
robotic systems that help you make,
19
70809
2186
01:25
and a digital nervous system
20
73019
1648
و یک سیستم عصبی دیجیتال
01:26
that connects you to the world
far beyond your natural senses.
far beyond your natural senses.
21
74691
3690
که شما را با دنیایی فراتر از
حواس طبیعی تون متصل می کنه.
حواس طبیعی تون متصل می کنه.
اجاره بدید با تکامل هوشیار شروع کنیم.
01:31
Let's start with cognitive augmentation.
22
79437
1942
چند نفر از شما سایبورگ تکامل یافته هستید؟
(انسان هایی با اعضای اضافه شده بیومکانیکی)
(انسان هایی با اعضای اضافه شده بیومکانیکی)
01:33
How many of you are augmented cyborgs?
23
81403
2200
01:36
(Laughter)
24
84133
2650
(خنده حضار)
01:38
I would actually argue
that we're already augmented.
that we're already augmented.
25
86807
2821
در واقع می خوام توضیح بدم که
ما همین حالا هم تکامل یافته هستیم.
ما همین حالا هم تکامل یافته هستیم.
01:42
Imagine you're at a party,
26
90288
1504
تصور کنید که در یک مهمانی ،
01:43
and somebody asks you a question
that you don't know the answer to.
that you don't know the answer to.
27
91816
3520
فردی از شما سوالی می پرسد
که شما جوابش رو نمی دانید.
که شما جوابش رو نمی دانید.
01:47
If you have one of these,
in a few seconds, you can know the answer.
in a few seconds, you can know the answer.
28
95360
3760
اگه شما یکی از این ها رو داشته باشید،
در چند ثانیه، می تونید جواب رو بدونید.
در چند ثانیه، می تونید جواب رو بدونید.
01:51
But this is just a primitive beginning.
29
99869
2299
اما این فقط شروع اولیه هست.
01:54
Even Siri is just a passive tool.
30
102863
3331
حتی "Siri" فقط یک ابزار منفعل (بی حس) هست.
01:58
In fact, for the last
three-and-a-half million years,
three-and-a-half million years,
31
106660
3381
در حقیقت، برای سه و نیم میلیون سال گذشته،
02:02
the tools that we've had
have been completely passive.
have been completely passive.
32
110065
3109
ابزارهایی که ما دراختیار داشتیم
کاملا بی حسی بوده اند.
کاملا بی حسی بوده اند.
02:06
They do exactly what we tell them
and nothing more.
and nothing more.
33
114203
3655
اونها دقیقا کارهایی که ما ازشون می خواستیم
رو انجام می دادند، نه بیشتر.
رو انجام می دادند، نه بیشتر.
02:09
Our very first tool only cut
where we struck it.
where we struck it.
34
117882
3101
ابتدایی ترین ابزارمان، فقط زمانی که ما بهش
ضربه می زدیم برش می داد.
ضربه می زدیم برش می داد.
قلم درز فقط مکانی که هرمند هدف دارد را
حکاکی میکند.
حکاکی میکند.
02:13
The chisel only carves
where the artist points it.
where the artist points it.
35
121822
3040
02:17
And even our most advanced tools
do nothing without our explicit direction.
do nothing without our explicit direction.
36
125343
5641
و حتی اکثر ابزارهای پیشرفته،
بدون هدایت صریح ما کاری انجام نمی دهند.
بدون هدایت صریح ما کاری انجام نمی دهند.
02:23
In fact, to date, and this
is something that frustrates me,
is something that frustrates me,
37
131008
3181
در حقیقت، این چیزی است
که من رو ناامید می کنه،
که من رو ناامید می کنه،
02:26
we've always been limited
38
134213
1448
ما همیشه به این نیاز محدود شده ایم که
02:27
by this need to manually
push our wills into our tools --
push our wills into our tools --
39
135685
3501
به طور دستی خواسته هامون
رو به ابزارها اعمال کنیم--
رو به ابزارها اعمال کنیم--
02:31
like, manual,
literally using our hands,
literally using our hands,
40
139210
2297
مثل، کارهای دستی،
دقیقا از دستهامون استفاده می کنیم،
دقیقا از دستهامون استفاده می کنیم،
02:33
even with computers.
41
141531
1428
حتی زمانی که با کامپیوتر کار می کنیم.
02:36
But I'm more like Scotty in "Star Trek."
42
144072
2463
اما من بیشتر شبیه اسکاتی در
"پیشتازان فضا" هستم.
"پیشتازان فضا" هستم.
02:38
(Laughter)
43
146559
1850
(خنده حضار)
می خوام با یک کامپیوتر مکالمه داشته باشم.
02:40
I want to have a conversation
with a computer.
with a computer.
44
148433
2146
02:42
I want to say, "Computer,
let's design a car,"
let's design a car,"
45
150603
2970
می خوام بگم که،
" کامپیوتر، بیا ماشین بسازیم،"
" کامپیوتر، بیا ماشین بسازیم،"
02:45
and the computer shows me a car.
46
153597
1539
و اون یک ماشین نشونم بده.
02:47
And I say, "No, more fast-looking,
and less German,"
and less German,"
47
155160
2608
من می گم،
" نه، ظاهرش سریعتر و کمتر (شبیه)آلمانی باشه،"
" نه، ظاهرش سریعتر و کمتر (شبیه)آلمانی باشه،"
02:49
and bang, the computer shows me an option.
48
157792
2163
و یهو، کامپیوتر یه نمونه
رو به من نشون میده.
رو به من نشون میده.
02:51
(Laughter)
49
159979
1865
(خنده حضار)
02:54
That conversation might be
a little ways off,
a little ways off,
50
162208
2306
همچین مکالمه ای (با کامپیوتر)
شاید به این زودی ها نباشه،
شاید به این زودی ها نباشه،
02:56
probably less than many of us think,
51
164538
2665
شاید کمتر از آنچه که خیلی
از ما فکرش رو کنیم،
از ما فکرش رو کنیم،
02:59
but right now,
52
167227
1763
اما همین الان،
ما داریم روش کار می کنیم.
03:01
we're working on it.
53
169014
1151
03:02
Tools are making this leap
from being passive to being generative.
from being passive to being generative.
54
170189
4033
ابزارهایی که از منفعل بودن
به تولید کننده بودن، جهش می کنند.
به تولید کننده بودن، جهش می کنند.
03:06
Generative design tools
use a computer and algorithms
use a computer and algorithms
55
174831
3308
ابزارهای طراحی مولد
از یک کامپیوتر و الگوریتم هایی
از یک کامپیوتر و الگوریتم هایی
03:10
to synthesize geometry
56
178163
2608
برای ترکیب هندسی استفاده می کنند،
03:12
to come up with new designs
all by themselves.
all by themselves.
57
180795
2754
تا با طراحی های جدیدی که
همگی کار خودشون بوده، ظهور کنند.
همگی کار خودشون بوده، ظهور کنند.
03:15
All it needs are your goals
and your constraints.
and your constraints.
58
183996
2748
تمام چیزی که نیاز داره،
هدف ها و چهارچوب های شماست.
هدف ها و چهارچوب های شماست.
03:18
I'll give you an example.
59
186768
1408
براتون یک مثال میزنم.
03:20
In the case of this aerial drone chassis,
60
188200
2788
در مورد این شاسی هواپیمای بدون سرنشین،
تمام کاری که لازم خواهید داشت اینه
که بهش چیزی شبیه این بگید که،
که بهش چیزی شبیه این بگید که،
03:23
all you would need to do
is tell it something like,
is tell it something like,
61
191012
2626
03:25
it has four propellers,
62
193662
1273
چهارتا پروانه داشته باشه ،
03:26
you want it to be
as lightweight as possible,
as lightweight as possible,
63
194959
2131
ازش می خواهید تا جای امکان سبک باشه،
03:29
and you need it to be
aerodynamically efficient.
aerodynamically efficient.
64
197114
2270
و نیاز دارید تا به
طور آیرودینامیکی کارامد باشه.
طور آیرودینامیکی کارامد باشه.
03:31
Then what the computer does
is it explores the entire solution space:
is it explores the entire solution space:
65
199408
4914
و چیزی که کامپیوتر انجام میده اینه
که کل راه حل های ممکن رو بررسی می کنه
که کل راه حل های ممکن رو بررسی می کنه
03:36
every single possibility that solves
and meets your criteria --
and meets your criteria --
66
204346
3927
هر مورد ممکنی رو که معیار شما
رو پوشش بده و به نتیجه برسونه
رو پوشش بده و به نتیجه برسونه
03:40
millions of them.
67
208297
1442
میلیون ها از اونها رو.
03:41
It takes big computers to do this.
68
209763
1975
برای این کار به کامپیوترهای بزرگ نیاز هست.
03:43
But it comes back to us with designs
69
211762
1955
اما اون با این ایده به سراغمون اومد که
03:45
that we, by ourselves,
never could've imagined.
never could've imagined.
70
213741
3143
ما، خودمون هم، هرگز تصورش رو نکرده بودیم.
03:49
And the computer's coming up
with this stuff all by itself --
with this stuff all by itself --
71
217326
2912
و کامپیوتری با این توانایی در خودش،
در حال ظهور هست
در حال ظهور هست
که هیچ کس تا حالا چیزی مثل
اون رو طراحی نکرده،
اون رو طراحی نکرده،
03:52
no one ever drew anything,
72
220262
1678
03:53
and it started completely from scratch.
73
221964
2086
و این(کامپیوتر) طراحی رو کاملا از
صفر شروع کرد.
صفر شروع کرد.
03:57
And by the way, it's no accident
74
225038
2387
از طرف دیگر، این تصادفی نیست که
03:59
that the drone body looks just like
the pelvis of a flying squirrel.
the pelvis of a flying squirrel.
75
227449
3481
که بدنه هواپیمای بدون سرنشین کاملا
به لگن یک سنجاب پرنده شباهت داره.
به لگن یک سنجاب پرنده شباهت داره.
04:03
(Laughter)
76
231287
2007
(خنده حضار)
04:06
It's because the algorithms
are designed to work
are designed to work
77
234040
2302
بخاطر اینکه الگوریتم هایی طراحی شده
04:08
the same way evolution does.
78
236366
1637
تا مشابه راهی که سیر تکاملی انجام میده،
عمل کنند.
عمل کنند.
04:10
What's exciting is we're starting
to see this technology
to see this technology
79
238715
2660
چیزی که ما رو به هیجان میاره
اینه که ما شروع کردیم تا
اینه که ما شروع کردیم تا
این تکنولوژی رو در دنیای واقعی ببینیم.
04:13
out in the real world.
80
241399
1159
04:14
We've been working with Airbus
for a couple of years
for a couple of years
81
242582
2452
ما برای دو سالی روی هواپیمای ایرباس
04:17
on this concept plane for the future.
82
245058
1909
با این مفهوم هواپیمایی برای آینده کار کرده ایم.
04:18
It's a ways out still.
83
246991
2070
هنوز روش داره کار میشه.
04:21
But just recently we used
a generative-design AI
a generative-design AI
84
249085
3780
اما اخیرا از یک هوش مصنوعی
مولد طراحی استفاده کردیم
مولد طراحی استفاده کردیم
04:24
to come up with this.
85
252889
1807
که ازش این نمونه دراومده.
04:27
This is a 3D-printed cabin partition
that's been designed by a computer.
that's been designed by a computer.
86
255609
5153
این یک چاپ سه بعدی پارتیشن کابین هست
که بوسیله یک کامپیوتر طراحی شده.
که بوسیله یک کامپیوتر طراحی شده.
04:32
It's stronger than the original
yet half the weight,
yet half the weight,
87
260786
2824
محکم تر از مدل اصلی،
با وزن نصف تا به الان،
با وزن نصف تا به الان،
04:35
and it will be flying
in the Airbus A320 later this year.
in the Airbus A320 later this year.
88
263634
3146
و اواخر امسال در ایرباس
A320 به پرواز درمیاد.
A320 به پرواز درمیاد.
04:39
So computers can now generate;
89
267405
1559
خلاصه که اکنون کامپیوترها قادر
به تولید هستند;
به تولید هستند;
04:40
they can come up with their own solutions
to our well-defined problems.
to our well-defined problems.
90
268988
4595
اونها برای مشکلات به خوبی تعریف شده ما،
راه حل های خودشون رو ارائه می دهند.
راه حل های خودشون رو ارائه می دهند.
04:46
But they're not intuitive.
91
274677
1310
اما اونها حسی نیستند.
04:48
They still have to start from scratch
every single time,
every single time,
92
276011
3086
هنوز، برای هر (طراحی) مجبورند
از ابتدا شروع کنند،
از ابتدا شروع کنند،
04:51
and that's because they never learn.
93
279121
2565
به این خاطر که اونها هرگز آموزش نمی بینند.
04:54
Unlike Maggie.
94
282368
1766
غیر از "مگی"
04:56
(Laughter)
95
284158
1581
(خنده حضار)
04:57
Maggie's actually smarter
than our most advanced design tools.
than our most advanced design tools.
96
285763
3297
در واقع مگی از اکثر ابزارهای
پیشرفته ما باهوش تر است.
پیشرفته ما باهوش تر است.
05:01
What do I mean by that?
97
289467
1440
منظورم از این مورد چیه؟
05:02
If her owner picks up that leash,
98
290931
1590
اگه صاحب مگی قلاده اش رو برداره،
05:04
Maggie knows with a fair
degree of certainty
degree of certainty
99
292545
2068
اون با درجه منطقی ای از اطمینان می دونه که
05:06
it's time to go for a walk.
100
294637
1404
زمان بیرون رفتن برای پیاده روی رسیده.
05:08
And how did she learn?
101
296065
1185
و چطور یادگرفته؟
05:09
Well, every time the owner picked up
the leash, they went for a walk.
the leash, they went for a walk.
102
297274
3324
خوب، هر زمان که صاحب اش قلاده رو برمی داره،
اونها برای پیاده روی بیرون رفتن.
اونها برای پیاده روی بیرون رفتن.
05:12
And Maggie did three things:
103
300622
1878
و مگی سه کار رو انجام داده:
05:14
she had to pay attention,
104
302524
1869
او کاملا حواس اش رو جمع کرده،
05:16
she had to remember what happened
105
304417
2082
باید به خاطر بسپارد که چه اتفاقی اتفاده
05:18
and she had to retain and create
a pattern in her mind.
a pattern in her mind.
106
306523
4017
و مجبور شده تا یک الگو رو
در ذهنش ایجاد و نگهداری کنه.
در ذهنش ایجاد و نگهداری کنه.
05:23
Interestingly, that's exactly what
107
311429
2095
جالبه، این دقیقا همونی هست که
05:25
computer scientists
have been trying to get AIs to do
have been trying to get AIs to do
108
313548
2523
دانشمندان کامپیوتر در طول 60
سال گذشته در تلاش برای رساندن
سال گذشته در تلاش برای رساندن
05:28
for the last 60 or so years.
109
316095
1859
هوش مصنوعی به این مرحله هستند.
05:30
Back in 1952,
110
318683
1349
برگردیم به سال ۱۹۵۲،
05:32
they built this computer
that could play Tic-Tac-Toe.
that could play Tic-Tac-Toe.
111
320056
3801
اونها این کامپیوتر را برای بازی دوز (تیک-تاک-تو) ساختند.
05:37
Big deal.
112
325081
1160
معامله بزرگی بود!
05:39
Then 45 years later, in 1997,
113
327029
3000
۴۵ سال بعد از اون، در۱۹۹۷،
05:42
Deep Blue beats Kasparov at chess.
114
330053
2472
دیپ بلو (کامپیوتر شطرنج)
کاسپارو را در بازی شطرنج شکست داد.
کاسپارو را در بازی شطرنج شکست داد.
05:46
2011, Watson beats these two
humans at Jeopardy,
humans at Jeopardy,
115
334046
4968
۲۰۱۱، واتسون در مسابقه تلویزیونی جپردی
این دو شرکت کننده انسان رو شکست داد،
این دو شرکت کننده انسان رو شکست داد،
05:51
which is much harder for a computer
to play than chess is.
to play than chess is.
116
339038
2928
که اینکار برای یک کامپیوتر
سخت تر از بازی شطرنج هست.
سخت تر از بازی شطرنج هست.
05:53
In fact, rather than working
from predefined recipes,
from predefined recipes,
117
341990
3812
در حقیقت، بجای کار روی
دستورعمل های از قبل طرح شده،
دستورعمل های از قبل طرح شده،
05:57
Watson had to use reasoning
to overcome his human opponents.
to overcome his human opponents.
118
345826
3323
واتسون مجبور به استفاده از استدلال
جهت مقابله با رقیب های انسانی اش بود.
جهت مقابله با رقیب های انسانی اش بود.
06:02
And then a couple of weeks ago,
119
350393
2439
و دو هفته پیش،
06:04
DeepMind's AlphaGo beats
the world's best human at Go,
the world's best human at Go,
120
352856
4262
(نرم افزار طراحی شده شرکت) ذهن-عمیق-گوگل،
آلفاگو، قویترین انسان در (بازی) گو رو شکست داد،
آلفاگو، قویترین انسان در (بازی) گو رو شکست داد،
06:09
which is the most difficult
game that we have.
game that we have.
121
357142
2212
که دشوارترین بازی شناخته شده است.
06:11
In fact, in Go, there are more
possible moves
possible moves
122
359378
2896
در واقع، در بازی گو،
حرکتهای ممکن برای این بازی بیشتر از
حرکتهای ممکن برای این بازی بیشتر از
06:14
than there are atoms in the universe.
123
362298
2024
اتم های موجود در جهان هست.
06:18
So in order to win,
124
366210
1826
پس در راستای برنده شدن،
06:20
what AlphaGo had to do
was develop intuition.
was develop intuition.
125
368060
2618
کاری که آلفاگو مجبور به انجام اش بود
توسعه (الگوریتمی) دارای بینش بود.
توسعه (الگوریتمی) دارای بینش بود.
06:23
And in fact, at some points,
AlphaGo's programmers didn't understand
AlphaGo's programmers didn't understand
126
371098
4110
و در حقیقت،
در برخی موارد، برنامه نویسان آلفاگو
در برخی موارد، برنامه نویسان آلفاگو
06:27
why AlphaGo was doing what it was doing.
127
375232
2286
علت کارهایی که آلفاگو انجام داده بود
رو متوجه نمی شدند.
رو متوجه نمی شدند.
پیشرفتها خیلی سریع اتفاق می افتند.
06:31
And things are moving really fast.
128
379451
1660
06:33
I mean, consider --
in the space of a human lifetime,
in the space of a human lifetime,
129
381135
3227
منظورم اینه که، در نظر بگیرید.
در محدوده ی طول عمر یک انسان،
در محدوده ی طول عمر یک انسان،
06:36
computers have gone from a child's game
130
384386
2233
کامپیوترها از سمت بازی های کودکان
06:39
to what's recognized as the pinnacle
of strategic thought.
of strategic thought.
131
387920
3048
به سمت چیزی که بهش
اوج تفکر استراتژیک می گیم، رفته اند.
اوج تفکر استراتژیک می گیم، رفته اند.
06:43
What's basically happening
132
391999
2417
چیزی که اصولا داره اتفاق میوفته
06:46
is computers are going
from being like Spock
from being like Spock
133
394440
3310
اینه که کامپیوترها از چیزی شبیه آقای اسپاک
06:49
to being a lot more like Kirk.
134
397774
1949
به چیزی بیشتر شبیه آقای کرک،
در حال پیشرفت هستند.
در حال پیشرفت هستند.
06:51
(Laughter)
135
399747
3618
(خنده حضار)
06:55
Right? From pure logic to intuition.
136
403389
3424
درسته؟ از منطق خالص به بینش پیدا کردن.
07:00
Would you cross this bridge?
137
408184
1743
آیا از این پل رد می شید؟
07:02
Most of you are saying, "Oh, hell no!"
138
410609
2323
بیشتر شما می گید، "اوه، غلط بکنم!"
07:04
(Laughter)
139
412956
1308
(خنده حضار)
07:06
And you arrived at that decision
in a split second.
in a split second.
140
414288
2657
و شما در بخشی از ثانیه
این تصمیم رو می گیرید.
این تصمیم رو می گیرید.
07:08
You just sort of knew
that bridge was unsafe.
that bridge was unsafe.
141
416969
2428
یه جورایی می دونستید که این پل امن نیست.
07:11
And that's exactly the kind of intuition
142
419421
1989
و این دقیقا همون بینشی هست
07:13
that our deep-learning systems
are starting to develop right now.
are starting to develop right now.
143
421434
3568
که هم اکنون، سیستم های عمیق یادگیر ما،
در حال شروع به ارتقا(به آن) هستند.
در حال شروع به ارتقا(به آن) هستند.
07:17
Very soon, you'll literally be able
144
425722
1707
بزودی، شما دقیقا قادر خواهید بود
تا چیزهایی که ساخته و طراحی کرده اید
07:19
to show something you've made,
you've designed,
you've designed,
145
427453
2206
رو به یک کامپیوتر نشون بدید،
07:21
to a computer,
146
429683
1153
07:22
and it will look at it and say,
147
430860
1489
و کامپیوتر بهش نگاه کنه و بگه،
07:24
"Sorry, homie, that'll never work.
You have to try again."
You have to try again."
148
432373
2823
"متاسفم رفیق، این هرگز کار نخواهد کرد.
باید دوباره تلاش کنی."
باید دوباره تلاش کنی."
07:27
Or you could ask it if people
are going to like your next song,
are going to like your next song,
149
435854
3070
یا اینکه ازش بپرسید که
آیا مردم آهنگ بعدی شما رو دوست خواهند داشت،
آیا مردم آهنگ بعدی شما رو دوست خواهند داشت،
07:31
or your next flavor of ice cream.
150
439773
2063
یا طعم جدیدی از بستنی.
07:35
Or, much more importantly,
151
443549
2579
یا، خیلی مهم تر از این،
07:38
you could work with a computer
to solve a problem
to solve a problem
152
446152
2364
می تونستید با کامپیوتری کار کنید
که مشکلی رو حل کنه
که مشکلی رو حل کنه
07:40
that we've never faced before.
153
448540
1637
که هرگز قبلا باهش روبرو نشده بودیم.
07:42
For instance, climate change.
154
450201
1401
برای مثال، تغییرات آب وهوایی.
07:43
We're not doing a very
good job on our own,
good job on our own,
155
451626
2020
که خودمون از پس اش برنیومدیم،
07:45
we could certainly use
all the help we can get.
all the help we can get.
156
453670
2245
مطمئنا می تونستیم تمام کمک های
ممکن رو استفاده کنیم.
ممکن رو استفاده کنیم.
07:47
That's what I'm talking about,
157
455939
1458
چیزی که در موردش صحبت می کنم،
07:49
technology amplifying
our cognitive abilities
our cognitive abilities
158
457421
2555
تکنولوژی، توانایی های درکی ما
رو تقویت می کنه
رو تقویت می کنه
07:52
so we can imagine and design things
that were simply out of our reach
that were simply out of our reach
159
460000
3552
که به عنوان انسان های تکمیل نشده قدیمی
می تونیم چیزهایی رو تصور و طراحی کنیم که
می تونیم چیزهایی رو تصور و طراحی کنیم که
07:55
as plain old un-augmented humans.
160
463576
2559
به سادگی خارج از دسترس ما بوده.
07:59
So what about making
all of this crazy new stuff
all of this crazy new stuff
161
467984
2941
حالا در مورد ساخت تمامی
این چیزهای جدید احمقانه ای که
این چیزهای جدید احمقانه ای که
08:02
that we're going to invent and design?
162
470949
2441
ما قراره اختراع و طراحی کنیم ،چطور؟
08:05
I think the era of human augmentation
is as much about the physical world
is as much about the physical world
163
473952
4093
به نظر من عصر انسان تکامل یافته به همان
اندازه که درمورد دنیای فیزیکیه
اندازه که درمورد دنیای فیزیکیه
08:10
as it is about the virtual,
intellectual realm.
intellectual realm.
164
478069
3065
در مورد حوزه مجازی و فکری هم هست.
08:13
How will technology augment us?
165
481833
1921
پس چطور تکنولوژی ما رو کامل می کنه؟
08:16
In the physical world, robotic systems.
166
484261
2473
در دنیای فیزیکی، سیستم های رباتیک.
08:19
OK, there's certainly a fear
167
487620
1736
باشه، مطمئنا این ترس وجود داره که
08:21
that robots are going to take
jobs away from humans,
jobs away from humans,
168
489380
2488
رباتها دارن کار رو از انسان ها می گیرند،
08:23
and that is true in certain sectors.
169
491892
1830
در بخش های خاصی این واقعیت وجود داره.
08:26
But I'm much more interested in this idea
170
494174
2878
اما من بیشتر،
به این ایده علاقه مند هستم که
به این ایده علاقه مند هستم که
08:29
that humans and robots working together
are going to augment each other,
are going to augment each other,
171
497076
5010
همکاری انسان و رباتها،
آنها رو به سمت تکامل همدیگر،
آنها رو به سمت تکامل همدیگر،
08:34
and start to inhabit a new space.
172
502110
2058
و آغاز سکونت در فضای جدیدی، پیش میبره.
این آزمایشگاه تحقیقات کاربردی
ما در سانفرانسیسکو هست،
ما در سانفرانسیسکو هست،
08:36
This is our applied research lab
in San Francisco,
in San Francisco,
173
504192
2362
08:38
where one of our areas of focus
is advanced robotics,
is advanced robotics,
174
506578
3142
یکی از حوزه های تمرکز
ما برروی رباتهای پیشرفته هست،
ما برروی رباتهای پیشرفته هست،
08:41
specifically, human-robot collaboration.
175
509744
2511
مخصوصا، حوزه همکاری انسان و ربات.
08:45
And this is Bishop, one of our robots.
176
513034
2759
و این بیشاپ یکی از ربات های ما هست.
08:47
As an experiment, we set it up
177
515817
1789
برای آزمایش، اون رو برای کمک به فردی
08:49
to help a person working in construction
doing repetitive tasks --
doing repetitive tasks --
178
517630
3460
که روی ساخت و سازی
با اعمال تکراری کار می کنه، تنظیم کردیم--
با اعمال تکراری کار می کنه، تنظیم کردیم--
08:53
tasks like cutting out holes for outlets
or light switches in drywall.
or light switches in drywall.
179
521984
4194
کارهای شبیه برش دیوار تیغه ای
برای پریز برق یا کلید لامپ.
برای پریز برق یا کلید لامپ.
08:58
(Laughter)
180
526202
2466
(خنده حضار)
پس، همکار انسانی ربات بیشاپ می تونه
به زبان انگلیسی ساده و حرکات اولیه
به زبان انگلیسی ساده و حرکات اولیه
09:01
So, Bishop's human partner
can tell what to do in plain English
can tell what to do in plain English
181
529877
3111
به ربات بگه که چه کاری انجام بده،
09:05
and with simple gestures,
182
533012
1305
09:06
kind of like talking to a dog,
183
534341
1447
چیزی شبیه صحبت با یک سگ،
09:07
and then Bishop executes
on those instructions
on those instructions
184
535812
2143
و سپس بیشاپ اون دستورعمل ها رو
09:09
with perfect precision.
185
537979
1892
با دقت کاملی اجرا می کنه.
09:11
We're using the human
for what the human is good at:
for what the human is good at:
186
539895
2989
ما از انسان در مواردی که
در اونها توانایی داره استفاده میکنیم مثل:
در اونها توانایی داره استفاده میکنیم مثل:
09:14
awareness, perception and decision making.
187
542908
2333
آگاهی، ادراک و تصمیم گیری.
09:17
And we're using the robot
for what it's good at:
for what it's good at:
188
545265
2240
و از ربات در مواردی که در
اونها خوب عمل می کنه مثل:
اونها خوب عمل می کنه مثل:
09:19
precision and repetitiveness.
189
547529
1748
دقت عمل و تکرار.
این یک پروژه باحال دیگه ای هست
که بیشاپ روش کارکرده.
که بیشاپ روش کارکرده.
09:22
Here's another cool project
that Bishop worked on.
that Bishop worked on.
190
550252
2367
09:24
The goal of this project,
which we called the HIVE,
which we called the HIVE,
191
552643
3075
هدف این پروژه که HIVE نام گذاری شده،
این بود که
این بود که
09:27
was to prototype the experience
of humans, computers and robots
of humans, computers and robots
192
555742
3851
نمونه اولیه ای از تجربه همکاری
مشترک انسان ها، کامپیوترها و ربات ها
مشترک انسان ها، کامپیوترها و ربات ها
09:31
all working together to solve
a highly complex design problem.
a highly complex design problem.
193
559617
3220
برای حل مشکلات طراحی پیچیده، ساخته بشه.
09:35
The humans acted as labor.
194
563793
1451
انسان به عنوان کارگر عمل کرد.
09:37
They cruised around the construction site,
they manipulated the bamboo --
they manipulated the bamboo --
195
565268
3473
اونها دور سایت ساخت و ساز میچرخند،
بامبو رو با دست حالت می دادند --
بامبو رو با دست حالت می دادند --
09:40
which, by the way,
because it's a non-isomorphic material,
because it's a non-isomorphic material,
196
568765
2756
خوب، از این لحاظ که بامبو ماده ای
متفاوت با دیگر مواد هست،
متفاوت با دیگر مواد هست،
09:43
is super hard for robots to deal with.
197
571545
1874
برای رباتها کار فوق العاده مشکلی هست.
09:45
But then the robots
did this fiber winding,
did this fiber winding,
198
573443
2022
اما بعد از اون رباتها
(الیاف های) فیبری را پیچاندند.
(الیاف های) فیبری را پیچاندند.
09:47
which was almost impossible
for a human to do.
for a human to do.
199
575489
2451
که انجام دادنش تقریبا برای انسانها
غیرممکن بود.
غیرممکن بود.
09:49
And then we had an AI
that was controlling everything.
that was controlling everything.
200
577964
3621
و بعد از اون ما یک هوش مصنوعی داشتیم
که همه چیز رو کنترل می کرد.
که همه چیز رو کنترل می کرد.
09:53
It was telling the humans what to do,
telling the robots what to do
telling the robots what to do
201
581609
3290
به انسان ها می گفت چه کاری رو انجام بدن
و اینکه رباتها چه کارهایی رو انجام بدن
و اینکه رباتها چه کارهایی رو انجام بدن
09:56
and keeping track of thousands
of individual components.
of individual components.
202
584923
2915
و هزاران اجزای مجزا از هم رو،
رو در نظر داشت.
رو در نظر داشت.
09:59
What's interesting is,
203
587862
1180
چیزی که جالبه اینه که
10:01
building this pavilion
was simply not possible
was simply not possible
204
589066
3141
بدون اینکه انسان، ربات و هوش مصنوعی
همدیگر رو کامل کنند،
همدیگر رو کامل کنند،
10:04
without human, robot and AI
augmenting each other.
augmenting each other.
205
592231
4524
ساخت این ساختار به سادگی غیرممکن بود.
10:09
OK, I'll share one more project.
This one's a little bit crazy.
This one's a little bit crazy.
206
597890
3320
خوب، پروژه دیگه ای رو باهاتون به اشتراک می ذارم که
این یکی یکم احمقانه است.
این یکی یکم احمقانه است.
10:13
We're working with Amsterdam-based artist
Joris Laarman and his team at MX3D
Joris Laarman and his team at MX3D
207
601234
4468
ما با هنرمند مستقر در آمستردام "جوریس لارمن"
و تیم اش در MX3D کار میکردیم
و تیم اش در MX3D کار میکردیم
10:17
to generatively design
and robotically print
and robotically print
208
605726
2878
تا با الهام از طبیعت اطرافش طراحی
و به طور چاپ رباتیکی،
و به طور چاپ رباتیکی،
اولین پل ساخته شده خودگردان جهان
رو بسازه.
رو بسازه.
10:20
the world's first autonomously
manufactured bridge.
manufactured bridge.
209
608628
2995
10:24
So, Joris and an AI are designing
this thing right now, as we speak,
this thing right now, as we speak,
210
612315
3685
خوب،هم اکنون جوریس و یک هوش مصنوعی
در آمستردام، که بهش اشاره کردم،
در آمستردام، که بهش اشاره کردم،
در حال طراحی این پل هستند.
10:28
in Amsterdam.
211
616024
1172
و وقتی این کار به اتمام رسید،
ما قراره که Go رو شکست بدیم،
ما قراره که Go رو شکست بدیم،
10:29
And when they're done,
we're going to hit "Go,"
we're going to hit "Go,"
212
617220
2321
10:31
and robots will start 3D printing
in stainless steel,
in stainless steel,
213
619565
3311
و ربات ها پرینت 3D
با استیل ضد زنگ رو شروع خواهند کرد،
با استیل ضد زنگ رو شروع خواهند کرد،
10:34
and then they're going to keep printing,
without human intervention,
without human intervention,
214
622900
3283
بعد، اونها به ادامه پرینت
تا اتمام پایان کار پل
تا اتمام پایان کار پل
10:38
until the bridge is finished.
215
626207
1558
بدون دخالت انسان ادامه می دهند.
10:41
So, as computers are going
to augment our ability
to augment our ability
216
629099
2928
پس، از اونجایی که کامپیوترها
به سمت تکمیل توانایی ما
به سمت تکمیل توانایی ما
10:44
to imagine and design new stuff,
217
632051
2150
برای تصور و طراحی چیزهای جدید می روند،
10:46
robotic systems are going to help us
build and make things
build and make things
218
634225
2895
سیستم های رباتیک در ساخت چیزهایی
10:49
that we've never been able to make before.
219
637144
2084
که قبل از اون هرگز قادر به انجام اش
نبودیم به کمک ما میان.
نبودیم به کمک ما میان.
10:52
But what about our ability
to sense and control these things?
to sense and control these things?
220
640347
4160
و اما توانایی ما در احساس و
کنترل این کارها چی میشه؟
کنترل این کارها چی میشه؟
10:56
What about a nervous system
for the things that we make?
for the things that we make?
221
644531
4031
در مورد یک سیستم عصبی
برای چیزهایی که ما میسازیم، چطور؟
برای چیزهایی که ما میسازیم، چطور؟
11:00
Our nervous system,
the human nervous system,
the human nervous system,
222
648586
2512
سیستم عصبی ما، سیستم عصبی انسان،
11:03
tells us everything
that's going on around us.
that's going on around us.
223
651122
2311
در مورد هر چیزی که در اطراف ما
میگذره بهمون اطلاعات میده.
میگذره بهمون اطلاعات میده.
11:06
But the nervous system of the things
we make is rudimentary at best.
we make is rudimentary at best.
224
654186
3684
اما سیستم عصبی چیزهایی که می سازیم
بصورت ابتدایی هست.
بصورت ابتدایی هست.
11:09
For instance, a car doesn't tell
the city's public works department
the city's public works department
225
657894
3563
برای مثال، یک ماشین به بخش خدمات شهری،
هشدار اینکه
هشدار اینکه
11:13
that it just hit a pothole at the corner
of Broadway and Morrison.
of Broadway and Morrison.
226
661481
3130
همون لحظه به یک گودال در نبش خیابان برادوی و موریسون
برخورد کرده رو ارسال نمی کنه.
برخورد کرده رو ارسال نمی کنه.
11:16
A building doesn't tell its designers
227
664635
2032
و ساختمانی، در مورد اینکه آیا مردمی
که داخل اون هستند، تمایل به بودن در
که داخل اون هستند، تمایل به بودن در
11:18
whether or not the people inside
like being there,
like being there,
228
666691
2684
اونجا رو دارند یا نه، اطلاعاتی نمی ده،
11:21
and the toy manufacturer doesn't know
229
669399
3010
و سازنده اسباب بازی اطلاعی نداره
از اینکه آیا واقعا
از اینکه آیا واقعا
11:24
if a toy is actually being played with --
230
672433
2007
با یک اسباب بازی، بازی می شه --
11:26
how and where and whether
or not it's any fun.
or not it's any fun.
231
674464
2539
چطور و کجا یا اینکه اصلا سرگرم کننده بوده یا نه.
11:29
Look, I'm sure that the designers
imagined this lifestyle for Barbie
imagined this lifestyle for Barbie
232
677620
3814
ببینید، من مطمئن هستم که طراح ها
برای عروسک باربی همچین مدلی رو
برای عروسک باربی همچین مدلی رو
11:33
when they designed her.
233
681458
1224
در زمان طراحی اش تصور کرده اند.
11:34
(Laughter)
234
682706
1447
(خنده حضار)
11:36
But what if it turns out that Barbie's
actually really lonely?
actually really lonely?
235
684177
2906
اما چطور میشه اگر مشخص بشه
که باربی در واقع تنها مونده؟
که باربی در واقع تنها مونده؟
11:39
(Laughter)
236
687107
3147
(خنده حضار)
11:43
If the designers had known
237
691266
1288
اگر طراحان از حقیقتی که در در
دنیای واقعی در مورد طرحاشون
دنیای واقعی در مورد طرحاشون
11:44
what was really happening
in the real world
in the real world
238
692578
2107
- جاده ها، ساختمان و عروسک باربی --
11:46
with their designs -- the road,
the building, Barbie --
the building, Barbie --
239
694709
2583
اطلاع پیدا کرده بودند
11:49
they could've used that knowledge
to create an experience
to create an experience
240
697316
2694
قادر به استفاده از این دانش برای ایجاد تجربه ای که
11:52
that was better for the user.
241
700034
1400
برای کاربران بهتر بود می کردند.
11:53
What's missing is a nervous system
242
701458
1791
چیزی که اینجا وجود نداره
یک سیستم عصبی هست که
یک سیستم عصبی هست که
11:55
connecting us to all of the things
that we design, make and use.
that we design, make and use.
243
703273
3709
ما رو به تمامی چیزهایی که طراحی، ساخته
و استفاده می کنیم متصل کنه.
و استفاده می کنیم متصل کنه.
11:59
What if all of you had that kind
of information flowing to you
of information flowing to you
244
707915
3555
چی میشد اگه برای همگی شما،
به اطلاعات چیزهایی که شما
به اطلاعات چیزهایی که شما
12:03
from the things you create
in the real world?
in the real world?
245
711494
2183
در دنیای واقعی ساخته اید، دسترسی داشتید؟
12:07
With all of the stuff we make,
246
715432
1451
با هر کالایی که می سازیم،
12:08
we spend a tremendous amount
of money and energy --
of money and energy --
247
716907
2435
ما مقدار زیادی پول و انرژی
12:11
in fact, last year,
about two trillion dollars --
about two trillion dollars --
248
719366
2376
در حقیقت، سال گذشته
حدود دو تریلیون دلار
حدود دو تریلیون دلار
12:13
convincing people to buy
the things we've made.
the things we've made.
249
721766
2854
برای اینکه مردم رو به خرید چیزهایی که ساخته ایم
راضی کنیم، خرج کردیم.
راضی کنیم، خرج کردیم.
12:16
But if you had this connection
to the things that you design and create
to the things that you design and create
250
724644
3388
اما اگه شما این ارتباط رو با کالاهایی که توسط شما
طراحی و ساخته میشه داشتید
طراحی و ساخته میشه داشتید
12:20
after they're out in the real world,
251
728056
1727
بعد از اینکه اونها به دنیای واقعی وارد می شدند،
یا هرچیز دیقه ایی،
یا هرچیز دیقه ایی،
12:21
after they've been sold
or launched or whatever,
or launched or whatever,
252
729807
3614
بعد از اینکه اونها حتی فروخته یا عرضه می شدند،
12:25
we could actually change that,
253
733445
1620
در واقع می تونستیم این رو تغییر بدیم،
12:27
and go from making people want our stuff,
254
735089
3047
و بجای اینکه مردم رو به داشتن کالاهامون وادار کنیم،
12:30
to just making stuff that people
want in the first place.
want in the first place.
255
738160
3434
وسایلی رو بسازیم که مردم در همون دیدار اول
خواستار اون ها هستند.
خواستار اون ها هستند.
12:33
The good news is, we're working
on digital nervous systems
on digital nervous systems
256
741618
2787
خبر خوب اینه که ما روی سیستم های عصبی دیجیتال
12:36
that connect us to the things we design.
257
744429
2801
که ما رو به چیزهایی که طراحی کرده ایم متصل میکنه،
درحال کار هستیم.
درحال کار هستیم.
12:40
We're working on one project
258
748365
1627
ما روی یک پروژه ای
12:42
with a couple of guys down in Los Angeles
called the Bandito Brothers
called the Bandito Brothers
259
750016
3712
با دو برادر در لس آنجلس
بنام برادران بندیگو
بنام برادران بندیگو
12:45
and their team.
260
753752
1407
و تیم آنها در حال کار هستیم.
12:47
And one of the things these guys do
is build insane cars
is build insane cars
261
755183
3433
یکی از کارهایی که این بچه ها انجام میدن
ساخت اتومبیل های دیوانه هست
ساخت اتومبیل های دیوانه هست
12:50
that do absolutely insane things.
262
758640
2873
برای کارهای واقعا دیوانه وار.
12:54
These guys are crazy --
263
762905
1450
این بچه ها دیونه اند --
12:56
(Laughter)
264
764379
1036
(خنده حضار)
12:57
in the best way.
265
765439
1403
در بهترین شکل.
13:00
And what we're doing with them
266
768993
1763
و کاری که با اونها انجام می دیم اینه که
13:02
is taking a traditional race-car chassis
267
770780
2440
به شاسی ماشین مسابقه قدیمی
13:05
and giving it a nervous system.
268
773244
1585
یک سیستم عصبی متصل کنیم.
13:06
So we instrumented it
with dozens of sensors,
with dozens of sensors,
269
774853
3058
خوب، اون رو با دوجین از سنسورها مجهز کردیم،
13:09
put a world-class driver behind the wheel,
270
777935
2635
یک راننده در سطح جهانی
رو پشت این ماشین نشوندیم،
رو پشت این ماشین نشوندیم،
13:12
took it out to the desert
and drove the hell out of it for a week.
and drove the hell out of it for a week.
271
780594
3357
و برای رانندگی به مدت
یک هفته به صحرا بردیم.
یک هفته به صحرا بردیم.
13:15
And the car's nervous system
captured everything
captured everything
272
783975
2491
و سیستم عصبی ماشین تمام اتفاقاتی
که برای ماشین افتاده بود
که برای ماشین افتاده بود
13:18
that was happening to the car.
273
786490
1482
رو ضبط و ذخیره کرد.
13:19
We captured four billion data points;
274
787996
2621
چهار بیلیون نقاط داده را ذخیره کردیم;
13:22
all of the forces
that it was subjected to.
that it was subjected to.
275
790641
2310
تمام نیروهایی اعمالی رو.
13:24
And then we did something crazy.
276
792975
1659
و بعد از اون ما کار احمقانه ای کردیم.
13:27
We took all of that data,
277
795268
1500
تمامی این داده ها رو جمع کرده،
13:28
and plugged it into a generative-design AI
we call "Dreamcatcher."
we call "Dreamcatcher."
278
796792
3736
و وارد یک طراح مولد هوش مصنوعی
با نام "دریم کچر" کردیم.
با نام "دریم کچر" کردیم.
13:33
So what do get when you give
a design tool a nervous system,
a design tool a nervous system,
279
801270
3964
خوب زمانی که شما یک ابزار طراحی یک سیستم عصبی بدید
(به هوش مصنوعی مولد)
(به هوش مصنوعی مولد)
13:37
and you ask it to build you
the ultimate car chassis?
the ultimate car chassis?
280
805258
2882
و ازش می خواید تا براتون شاسی نهایی
ماشین رو بسازه، چه می گیرید؟
ماشین رو بسازه، چه می گیرید؟
13:40
You get this.
281
808723
1973
این رو بدست می آورید.
13:44
This is something that a human
could never have designed.
could never have designed.
282
812293
3713
این چیزی هست که انسان
هرگز نتونسته طراحی کنه.
هرگز نتونسته طراحی کنه.
13:48
Except a human did design this,
283
816707
1888
به غیراز انسانی که این رو طراحی کرد،
13:50
but it was a human that was augmented
by a generative-design AI,
by a generative-design AI,
284
818619
4309
اما اون انسانی بود تکامل یافته
از یک طراح مولد هوش مصنوعی،
از یک طراح مولد هوش مصنوعی،
13:54
a digital nervous system
285
822952
1231
یک سیستم عصبی دیجیتال
13:56
and robots that can actually
fabricate something like this.
fabricate something like this.
286
824207
3005
و رباتهایی که در واقع قادر
به ساخت چیزی شبیه به این هستند.
به ساخت چیزی شبیه به این هستند.
13:59
So if this is the future,
the Augmented Age,
the Augmented Age,
287
827680
3595
پس اگر این آینده عصر تکامل هست،
14:03
and we're going to be augmented
cognitively, physically and perceptually,
cognitively, physically and perceptually,
288
831299
4261
و ما در حال تکامل
شناختی، فیزیکی و ادراکی هستیم،
شناختی، فیزیکی و ادراکی هستیم،
14:07
what will that look like?
289
835584
1408
اون چه شکلی خواهد بود؟
14:09
What is this wonderland going to be like?
290
837576
3321
این سرزمین عجایب قراره چه شکلی باشه؟
14:12
I think we're going to see a world
291
840921
1709
فکر می کنم که ما داریم دنیایی رو میبینیم که
14:14
where we're moving
from things that are fabricated
from things that are fabricated
292
842654
3068
جایی که ما از چیزهایی که ساخته میشن
14:17
to things that are farmed.
293
845746
1445
به چیزهایی که کشت می شن، منتقل می شویم.
14:20
Where we're moving from things
that are constructed
that are constructed
294
848159
3453
جایی که ما از چیزهایی که ساخته می شن
14:23
to that which is grown.
295
851636
1704
به اونهایی که رشد می کنند منتقل می شویم.
14:26
We're going to move from being isolated
296
854134
2188
ما از سمت منزوی بودن
14:28
to being connected.
297
856346
1610
به سمت متصل شدن در حال انتقال هستیم.
14:30
And we'll move away from extraction
298
858634
2411
و ما از استخراج کردن
14:33
to embrace aggregation.
299
861069
1873
به سمت پذیرفتن تجمع خواهیم رفت.
14:35
I also think we'll shift
from craving obedience from our things
from craving obedience from our things
300
863967
3767
من همچنین فکر می کنم که ما ازاشتیاق اطاعت وسایلمون (از ما)
14:39
to valuing autonomy.
301
867758
1641
به ارزش گذاری خودمختار،
انتقال پیدا خواهیم کرد.
انتقال پیدا خواهیم کرد.
14:42
Thanks to our augmented capabilities,
302
870510
1905
به لطف توانایی های تکاملی مان،
14:44
our world is going to change dramatically.
303
872439
2377
دنیای ما در حال تغییرات چشمگیری هست.
14:47
We're going to have a world
with more variety, more connectedness,
with more variety, more connectedness,
304
875576
3246
دنیایی خواهیم داشت با تنوع بیشتر،
اتصال بیشتر،
اتصال بیشتر،
14:50
more dynamism, more complexity,
305
878846
2287
پویایی بیشتر، پیچیده گی بیشتر،
14:53
more adaptability and, of course,
306
881157
2318
سازگاری بیشتر و، البته،
14:55
more beauty.
307
883499
1217
زیبایی بیشتر.
14:57
The shape of things to come
308
885231
1564
شکل چیزهایی که در راه هستند
14:58
will be unlike anything
we've ever seen before.
we've ever seen before.
309
886819
2290
کاملا متفاوت از چیزهایی هستند
که تا حالا دیده ایم.
که تا حالا دیده ایم.
15:01
Why?
310
889133
1159
چرا؟
چون چیزی که اونها رو شکل خواهند داد،
این همکاری جدید
این همکاری جدید
15:02
Because what will be shaping those things
is this new partnership
is this new partnership
311
890316
3755
15:06
between technology, nature and humanity.
312
894095
3670
بین تکنولوژی، طبیعت و انسانیت هستند.
15:11
That, to me, is a future
well worth looking forward to.
well worth looking forward to.
313
899279
3804
که ، برای من،
این آینده ارزشمندی هست که منتظرش هستم.
این آینده ارزشمندی هست که منتظرش هستم.
از همگی شما متشکرم.
15:15
Thank you all so much.
314
903107
1271
15:16
(Applause)
315
904402
5669
(تشویق حضار)
ABOUT THE SPEAKER
Maurice Conti - Designer, futuristMaurice 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.
Maurice Conti | Speaker | TED.com