TEDxPortland
Maurice Conti: The incredible inventions of intuitive AI
モーリス・コンティ: 直感を持った人工知能が生み出すすごい発明
Filmed:
Readability: 4.6
6,173,221 views
デザインツールにデジタル神経系を与えたら何ができるでしょう？ コンピューターが我々の思考力や想像力を高め、ロボットシステムが橋や車やドローンなどの画期的な新しいデザインを自分で考え出し、構築するのです。未来学者のモーリス・コンティといっしょに「拡張の時代」へと旅し、人にもロボットにも単独では作り得ないようなものが共同で作り上げられる世界を垣間見てみましょう。
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.
この中で創造的なことを
している人 —
している人 —
00:12
How many of you are creatives,
0
735
2289
デザイナー エンジニア
起業家 アーティスト
起業家 アーティスト
00:15
designers, engineers,
entrepreneurs, artists,
entrepreneurs, artists,
1
3048
3624
あるいは単に想像力が豊かという人は
どれくらいいますか？
どれくらいいますか？
00:18
or maybe you just have
a really big imagination?
a really big imagination?
2
6696
2387
00:21
Show of hands? (Cheers)
3
9107
1848
手を挙げてください (歓声)
00:22
That's most of you.
4
10979
1181
ほとんどがそうですね
そういう人に
お知らせすることがあります
お知らせすることがあります
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
これからの20年で
00:33
more will change around
the way we do our work
the way we do our work
7
21471
2973
私たちの仕事の仕方は
これまでの２千年間における変化よりも
大きく変わるでしょう
大きく変わるでしょう
00:37
than has happened in the last 2,000.
8
25382
2157
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
私たちは人類史の新時代に
差し掛かっていると思います
差し掛かっていると思います
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
人類史には 仕事の仕方に応じて
大きく４つの時代がありました
大きく４つの時代がありました
00:51
The Hunter-Gatherer Age
lasted several million years.
lasted several million years.
11
39404
3275
狩猟採集時代が
数百万年続き
数百万年続き
00:55
And then the Agricultural Age
lasted several thousand years.
lasted several thousand years.
12
43163
3576
それから数千年の
農耕時代があり
農耕時代があり
00:59
The Industrial Age lasted
a couple of centuries.
a couple of centuries.
13
47195
3490
２百年ほどの
工業化時代があり
工業化時代があり
01:02
And now the Information Age
has lasted just a few decades.
has lasted just a few decades.
14
50709
4287
現在の情報化時代が
ほんの数十年です
ほんの数十年です
そして今 私たちは人類にとって
新しく大きな時代の始まりにいます
新しく大きな時代の始まりにいます
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
01:13
Welcome to the Augmented Age.
16
61296
2680
「拡張の時代」へようこそ
この新時代においては 人間の自然な能力が
拡張されることになるでしょう
拡張されることになるでしょう
01:16
In this new era, your natural human
capabilities are going to be augmented
capabilities are going to be augmented
17
64000
3693
01:19
by computational systems
that help you think,
that help you think,
18
67717
3068
計算システムが
人間の思考を補助し
人間の思考を補助し
01:22
robotic systems that help you make,
19
70809
2186
ロボットシステムが
作業を助け
作業を助け
デジタル神経系が
生来の感覚を大きく越えて
生来の感覚を大きく越えて
01:25
and a digital nervous system
20
73019
1648
01:26
that connects you to the world
far beyond your natural senses.
far beyond your natural senses.
21
74691
3690
私たちを世界へと繋げます
認識力拡張の話から
始めましょう
始めましょう
01:31
Let's start with cognitive augmentation.
22
79437
1942
強化サイボーグだという方は
どれくらい いらっしゃいますか？
どれくらい いらっしゃいますか？
01:33
How many of you are augmented cyborgs?
23
81403
2200
01:36
(Laughter)
24
84133
2650
(笑)
01:38
I would actually argue
that we're already augmented.
that we're already augmented.
25
86807
2821
私たちは既に増強されていると
言えると思います
言えると思います
01:42
Imagine you're at a party,
26
90288
1504
パーティで誰かに
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
知らないことを聞かれたところを
想像してください
想像してください
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
こういうものを持っていれば
数秒で答えが分かります
数秒で答えが分かります
でもこれはまだ原始的な
始まりでしかありません
始まりでしかありません
01:51
But this is just a primitive beginning.
29
99869
2299
01:54
Even Siri is just a passive tool.
30
102863
3331
あのSiriでさえ
ただの受け身のツールです
ただの受け身のツールです
01:58
In fact, for the last
three-and-a-half million years,
three-and-a-half million years,
31
106660
3381
実際 過去350万年の間
人類の道具はずっと
完全に受け身のものでした
完全に受け身のものでした
02:02
the tools that we've had
have been completely passive.
have been completely passive.
32
110065
3109
02:06
They do exactly what we tell them
and nothing more.
and nothing more.
33
114203
3655
指示した通りのことだけをし
それ以上のことはしません
それ以上のことはしません
02:09
Our very first tool only cut
where we struck it.
where we struck it.
34
117882
3101
人類最初の道具は
打ち付けた場所を切るだけでした
打ち付けた場所を切るだけでした
のみは彫刻家が指定したところを
削るだけです
削るだけです
02:13
The chisel only carves
where the artist points it.
where the artist points it.
35
121822
3040
最も先進的なツールでさえ
明示的な指示なしには何もしません
明示的な指示なしには何もしません
02:17
And even our most advanced tools
do nothing without our explicit direction.
do nothing without our explicit direction.
36
125343
5641
02:23
In fact, to date, and this
is something that frustrates me,
is something that frustrates me,
37
131008
3181
これは私がよくフラストレーションを
感じることですが
感じることですが
02:26
we've always been limited
38
134213
1448
道具にこちらの意向を
指示する必要によって
指示する必要によって
02:27
by this need to manually
push our wills into our tools --
push our wills into our tools --
39
135685
3501
我々は制限されてきました
コンピューターがあっても
02:31
like, manual,
literally using our hands,
literally using our hands,
40
139210
2297
文字通り手を使って
指示する必要があります
指示する必要があります
02:33
even with computers.
41
141531
1428
しかし私はスタートレックの
スコッティみたいな人間です
スコッティみたいな人間です
02:36
But I'm more like Scotty in "Star Trek."
42
144072
2463
02:38
(Laughter)
43
146559
1850
(笑)
02:40
I want to have a conversation
with a computer.
with a computer.
44
148433
2146
コンピューターと
会話がしたいんです
会話がしたいんです
02:42
I want to say, "Computer,
let's design a car,"
let's design a car,"
45
150603
2970
「コンピューター 車をデザインしよう」
と言ったら
と言ったら
コンピューターが
車を出して見せます
車を出して見せます
02:45
and the computer shows me a car.
46
153597
1539
02:47
And I say, "No, more fast-looking,
and less German,"
and less German,"
47
155160
2608
「もっと速そうな感じで
ドイツっぽくなくしてくれ」と言うと
ドイツっぽくなくしてくれ」と言うと
02:49
and bang, the computer shows me an option.
48
157792
2163
コンピューターが注文通りに
してくれるんです
してくれるんです
02:51
(Laughter)
49
159979
1865
(笑)
02:54
That conversation might be
a little ways off,
a little ways off,
50
162208
2306
この会話は
まだ先の話ですが
まだ先の話ですが
02:56
probably less than many of us think,
51
164538
2665
皆さんが考えるほど
遠くはなく
遠くはなく
02:59
but right now,
52
167227
1763
私たちは既に
取り組んでいます
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
道具は受け身のものから
生成するものへと飛躍しつつあります
生成するものへと飛躍しつつあります
03:06
Generative design tools
use a computer and algorithms
use a computer and algorithms
55
174831
3308
デザイン生成ツールは
コンピューターとアルゴリズムを使って
コンピューターとアルゴリズムを使って
03:10
to synthesize geometry
56
178163
2608
形状を合成し
03:12
to come up with new designs
all by themselves.
all by themselves.
57
180795
2754
自分で新しいデザインを
作り出します
作り出します
03:15
All it needs are your goals
and your constraints.
and your constraints.
58
183996
2748
必要なのは
目標と制約だけです
目標と制約だけです
03:18
I'll give you an example.
59
186768
1408
例をお見せしましょう
03:20
In the case of this aerial drone chassis,
60
188200
2788
これはドローン用の
フレームの例ですが
フレームの例ですが
03:23
all you would need to do
is tell it something like,
is tell it something like,
61
191012
2626
こちらがするのは
必要なことを伝えるだけ
必要なことを伝えるだけ
４つのプロペラがあるとか
03:25
it has four propellers,
62
193662
1273
03:26
you want it to be
as lightweight as possible,
as lightweight as possible,
63
194959
2131
出来るだけ軽くとか
空力的な効率を良くしろとか
03:29
and you need it to be
aerodynamically efficient.
aerodynamically efficient.
64
197114
2270
03:31
Then what the computer does
is it explores the entire solution space:
is it explores the entire solution space:
65
199408
4914
すると与えられた条件を満たす
あらゆる可能な解の全体—
あらゆる可能な解の全体—
03:36
every single possibility that solves
and meets your criteria --
and meets your criteria --
66
204346
3927
何百万通りという解を
コンピューターが探索します
03:40
millions of them.
67
208297
1442
これには大型のコンピューターが
必要になりますが
必要になりますが
03:41
It takes big computers to do this.
68
209763
1975
03:43
But it comes back to us with designs
69
211762
1955
私たち自身が
考えも付かないような
考えも付かないような
03:45
that we, by ourselves,
never could've imagined.
never could've imagined.
70
213741
3143
デザインが生まれます
コンピューターは
自分だけで答えを出します
自分だけで答えを出します
03:49
And the computer's coming up
with this stuff all by itself --
with this stuff all by itself --
71
217326
2912
誰かが何か
描いてやることはなく
描いてやることはなく
03:52
no one ever drew anything,
72
220262
1678
03:53
and it started completely from scratch.
73
221964
2086
何もないところから
始めるのです
始めるのです
03:57
And by the way, it's no accident
74
225038
2387
ちなみに このドローンの
フレームが
フレームが
03:59
that the drone body looks just like
the pelvis of a flying squirrel.
the pelvis of a flying squirrel.
75
227449
3481
ムササビの骨盤に似ているのは
偶然ではありません
偶然ではありません
04:03
(Laughter)
76
231287
2007
(笑)
このアルゴリズムは
進化と同じように働くよう
進化と同じように働くよう
04:06
It's because the algorithms
are designed to work
are designed to work
77
234040
2302
デザインされているからです
04:08
the same way evolution does.
78
236366
1637
この技術を世の中で
実際に目にするようになって
実際に目にするようになって
04:10
What's exciting is we're starting
to see this technology
to see this technology
79
238715
2660
ワクワクしています
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
この２年 オートデスク社は
エアバス社と協力して
エアバス社と協力して
未来の飛行機のコンセプトモデルに
取り組んできました
取り組んできました
04:17
on this concept plane for the future.
82
245058
1909
04:18
It's a ways out still.
83
246991
2070
まだ先は長いですが
デザイン生成AIを使って
04:21
But just recently we used
a generative-design AI
a generative-design AI
84
249085
3780
最近こんなものを
作り出しました
作り出しました
04:24
to come up with this.
85
252889
1807
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
これは3D印刷された客室の隔壁ですが
コンピューターがデザインしたものです
コンピューターがデザインしたものです
04:32
It's stronger than the original
yet half the weight,
yet half the weight,
87
260786
2824
元の半分の重量で
より高い強度を持ち
より高い強度を持ち
04:35
and it will be flying
in the Airbus A320 later this year.
in the Airbus A320 later this year.
88
263634
3146
年内にエアバスA320で
使われ始める予定です
使われ始める予定です
明確に定義された問題に対して
04:39
So computers can now generate;
89
267405
1559
04:40
they can come up with their own solutions
to our well-defined problems.
to our well-defined problems.
90
268988
4595
コンピューターは今や
自力で独自の解を生み出せるんです
自力で独自の解を生み出せるんです
しかし直感的とは言えません
04:46
But they're not intuitive.
91
274677
1310
04:48
They still have to start from scratch
every single time,
every single time,
92
276011
3086
毎回 １から始める
必要があります
必要があります
04:51
and that's because they never learn.
93
279121
2565
学習しないからです
うちの犬のマギーとは違います
04:54
Unlike Maggie.
94
282368
1766
04:56
(Laughter)
95
284158
1581
(笑)
04:57
Maggie's actually smarter
than our most advanced design tools.
than our most advanced design tools.
96
285763
3297
マギーは実際 最先端のデザインツールよりも
賢いんです
賢いんです
05:01
What do I mean by that?
97
289467
1440
どういう意味かというと
05:02
If her owner picks up that leash,
98
290931
1590
飼い主がリードを
手にしていたら
手にしていたら
05:04
Maggie knows with a fair
degree of certainty
degree of certainty
99
292545
2068
それはかなりの確率で
散歩を意味すると
散歩を意味すると
05:06
it's time to go for a walk.
100
294637
1404
マギーは理解しています
どうやってそう
学んだのでしょう？
学んだのでしょう？
05:08
And how did she learn?
101
296065
1185
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
飼い主がリードを手に取るたびに
散歩に出たからです
散歩に出たからです
そこでマギーは
３つのことをしていました
３つのことをしていました
05:12
And Maggie did three things:
103
300622
1878
05:14
she had to pay attention,
104
302524
1869
注意を払うこと
05:16
she had to remember what happened
105
304417
2082
何が起きたか
覚えていること
覚えていること
05:18
and she had to retain and create
a pattern in her mind.
a pattern in her mind.
106
306523
4017
心の中にパターンを作って
保持することです
保持することです
05:23
Interestingly, that's exactly what
107
311429
2095
興味深いことに
これはまさにコンピューター科学者達が
過去60年の間
過去60年の間
05:25
computer scientists
have been trying to get AIs to do
have been trying to get AIs to do
108
313548
2523
人工知能にさせようと
試み続けてきたことです
試み続けてきたことです
05:28
for the last 60 or so years.
109
316095
1859
1952年に
05:30
Back in 1952,
110
318683
1349
05:32
they built this computer
that could play Tic-Tac-Toe.
that could play Tic-Tac-Toe.
111
320056
3801
三目並べができる
コンピューターが作られました
コンピューターが作られました
05:37
Big deal.
112
325081
1160
大したことでした
05:39
Then 45 years later, in 1997,
113
327029
3000
45年後の1997年
ディープブルーはチェス王者
カスパロフを破りました
カスパロフを破りました
05:42
Deep Blue beats Kasparov at chess.
114
330053
2472
2011年 ワトソンはクイズ番組ジェパディで
歷代チャンピオン２人に勝ちました
歷代チャンピオン２人に勝ちました
05:46
2011, Watson beats these two
humans at Jeopardy,
humans at Jeopardy,
115
334046
4968
これはコンピューターには
チェスよりも ずっと難しいことです
チェスよりも ずっと難しいことです
05:51
which is much harder for a computer
to play than chess is.
to play than chess is.
116
339038
2928
05:53
In fact, rather than working
from predefined recipes,
from predefined recipes,
117
341990
3812
定められた手順に
従ってやる代わりに
従ってやる代わりに
ワトソンは人間の対戦相手に勝つために
推論をする必要がありました
推論をする必要がありました
05:57
Watson had to use reasoning
to overcome his human opponents.
to overcome his human opponents.
118
345826
3323
06:02
And then a couple of weeks ago,
119
350393
2439
そして２週間前
ディープマインド社のAlphaGoが
最も難しいゲームとされる碁で
最も難しいゲームとされる碁で
06:04
DeepMind's AlphaGo beats
the world's best human at Go,
the world's best human at Go,
120
352856
4262
世界最強の碁指しを
破りました
破りました
06:09
which is the most difficult
game that we have.
game that we have.
121
357142
2212
碁には宇宙の原子の
総数よりも
総数よりも
06:11
In fact, in Go, there are more
possible moves
possible moves
122
359378
2896
多くの手があります
06:14
than there are atoms in the universe.
123
362298
2024
勝つためにAlphaGoは
06:18
So in order to win,
124
366210
1826
06:20
what AlphaGo had to do
was develop intuition.
was develop intuition.
125
368060
2618
直感力を発達させる
必要がありました
必要がありました
06:23
And in fact, at some points,
AlphaGo's programmers didn't understand
AlphaGo's programmers didn't understand
126
371098
4110
実際AlphaGoが
なぜそうしたのか
なぜそうしたのか
開発者自身にも
分からないことがありました
分からないことがありました
06:27
why AlphaGo was doing what it was doing.
127
375232
2286
物事はとても
速く進んでいます
速く進んでいます
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
人の一生の時間のうちに
コンピューターにできることが
子供の遊びから
子供の遊びから
06:36
computers have gone from a child's game
130
384386
2233
最高度の戦略的思考にまで
進歩したのです
進歩したのです
06:39
to what's recognized as the pinnacle
of strategic thought.
of strategic thought.
131
387920
3048
06:43
What's basically happening
132
391999
2417
ここで起きているのは
スポックのようだった
コンピューターが
コンピューターが
06:46
is computers are going
from being like Spock
from being like Spock
133
394440
3310
カークみたいになった
ということです
ということです
06:49
to being a lot more like Kirk.
134
397774
1949
06:51
(Laughter)
135
399747
3618
(笑)
06:55
Right? From pure logic to intuition.
136
403389
3424
純粋な論理から
直感へという変化です
直感へという変化です
みなさん この橋を
渡ろうと思いますか？
渡ろうと思いますか？
07:00
Would you cross this bridge?
137
408184
1743
07:02
Most of you are saying, "Oh, hell no!"
138
410609
2323
多くの人は
「まさか！」と言うでしょう
「まさか！」と言うでしょう
07:04
(Laughter)
139
412956
1308
(笑)
07:06
And you arrived at that decision
in a split second.
in a split second.
140
414288
2657
コンマ何秒で
そういう判断をするのです
そういう判断をするのです
07:08
You just sort of knew
that bridge was unsafe.
that bridge was unsafe.
141
416969
2428
この橋は安全でないと
知っていたかのようです
知っていたかのようです
07:11
And that's exactly the kind of intuition
142
419421
1989
今やディープラーニングシステムが
07:13
that our deep-learning systems
are starting to develop right now.
are starting to develop right now.
143
421434
3568
そのような直感を
獲得しつつあります
獲得しつつあります
近い将来 皆さんは
07:17
Very soon, you'll literally be able
144
425722
1707
自分の作ったものや
デザインしたものを
デザインしたものを
07:19
to show something you've made,
you've designed,
you've designed,
145
427453
2206
コンピューターに見せて
07:21
to a computer,
146
429683
1153
意見してもらえる
ようになるでしょう
ようになるでしょう
07:22
and it will look at it and say,
147
430860
1489
「相棒 こりゃ駄目だよ
やり直しだね」
やり直しだね」
07:24
"Sorry, homie, that'll never work.
You have to try again."
You have to try again."
148
432373
2823
あるいは「みんなこの歌を
気に入ってくれるだろうか？」とか
気に入ってくれるだろうか？」とか
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
「この新しい味のアイスは受けるか？」とか
聞けるでしょう
聞けるでしょう
07:31
or your next flavor of ice cream.
150
439773
2063
07:35
Or, much more importantly,
151
443549
2579
さらに重要なのは
これまで直面したことの
ない問題に
ない問題に
07:38
you could work with a computer
to solve a problem
to solve a problem
152
446152
2364
コンピューターで
取り組めるようになることです
取り組めるようになることです
07:40
that we've never faced before.
153
448540
1637
07:42
For instance, climate change.
154
450201
1401
たとえば気候変動です
人類はあまり上手く
対処できていないので
対処できていないので
07:43
We're not doing a very
good job on our own,
good job on our own,
155
451626
2020
どんな助けでも
ありがたいことでしょう
ありがたいことでしょう
07:45
we could certainly use
all the help we can get.
all the help we can get.
156
453670
2245
それが私の
お話ししていることです
お話ししていることです
07:47
That's what I'm talking about,
157
455939
1458
07:49
technology amplifying
our cognitive abilities
our cognitive abilities
158
457421
2555
テクノロジーが人間の
認知能力を増強し
認知能力を増強し
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
拡張されていない素の人間には
単に手の届かなかったものを
単に手の届かなかったものを
07:55
as plain old un-augmented humans.
160
463576
2559
思い描き デザインできるように
なるということです
なるということです
では我々が発明しデザインしようとしている
そういう新しいクレージーなものは
そういう新しいクレージーなものは
07:59
So what about making
all of this crazy new stuff
all of this crazy new stuff
161
467984
2941
08:02
that we're going to invent and design?
162
470949
2441
どうやって
製造するのか？
製造するのか？
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
人類拡張の時代は
仮想的・知的な領域だけでなく
仮想的・知的な領域だけでなく
08:10
as it is about the virtual,
intellectual realm.
intellectual realm.
164
478069
3065
物質的世界にも
関わるものです
関わるものです
テクノロジーはいかに
人間を拡張するのか？
人間を拡張するのか？
08:13
How will technology augment us?
165
481833
1921
08:16
In the physical world, robotic systems.
166
484261
2473
物質的世界では
ロボットシステムによってです
ロボットシステムによってです
人間の仕事が
ロボットに奪われる怖れは
ロボットに奪われる怖れは
08:19
OK, there's certainly a fear
167
487620
1736
08:21
that robots are going to take
jobs away from humans,
jobs away from humans,
168
489380
2488
確かにあって
ある種の領域では
実際そうなるでしょう
実際そうなるでしょう
08:23
and that is true in certain sectors.
169
491892
1830
でも私がもっと興味があるのは
08:26
But I'm much more interested in this idea
170
494174
2878
一緒に働く人間とロボットが
互いを拡張し合って
互いを拡張し合って
08:29
that humans and robots working together
are going to augment each other,
are going to augment each other,
171
497076
5010
新しい領域を切り開く
というアイデアです
というアイデアです
08:34
and start to inhabit a new space.
172
502110
2058
これはサンフランシスコにある
我々の応用技術研究所です
我々の応用技術研究所です
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
その主要な研究領域の１つが
先進ロボット工学 —
先進ロボット工学 —
08:41
specifically, human-robot collaboration.
175
509744
2511
特に人間とロボットの
共同作業です
共同作業です
08:45
And this is Bishop, one of our robots.
176
513034
2759
これは我々のロボットBishopです
繰り返し作業のある建築現場で
作業者を手伝うよう
作業者を手伝うよう
08:47
As an experiment, we set it up
177
515817
1789
08:49
to help a person working in construction
doing repetitive tasks --
doing repetitive tasks --
178
517630
3460
実験的に セットアップしてあります
08:53
tasks like cutting out holes for outlets
or light switches in drywall.
or light switches in drywall.
179
521984
4194
壁にコンセントや電灯スイッチのための
穴を開けるといった作業です
穴を開けるといった作業です
08:58
(Laughter)
180
526202
2466
(笑)
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
人間のパートナーが
単純な言葉やシンプルな手振りで
やることを示します
やることを示します
09:05
and with simple gestures,
182
533012
1305
09:06
kind of like talking to a dog,
183
534341
1447
犬に話かけるみたいに
09:07
and then Bishop executes
on those instructions
on those instructions
184
535812
2143
Bishopは指示されたことを
完璧な正確さで実行します
09:09
with perfect precision.
185
537979
1892
09:11
We're using the human
for what the human is good at:
for what the human is good at:
186
539895
2989
人間には 人間の得意なことを
してもらいます
してもらいます
認識とか 知覚とか 意志決定です
09:14
awareness, perception and decision making.
187
542908
2333
ロボットには ロボットの得意な
ことをさせます
ことをさせます
09:17
And we're using the robot
for what it's good at:
for what it's good at:
188
545265
2240
09:19
precision and repetitiveness.
189
547529
1748
精密な反復作業です
これはBishopがやった
別の面白いプロジェクトです
別の面白いプロジェクトです
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
このHIVEという名の
プロジェクトでは
プロジェクトでは
人間と コンピューターと
ロボットが共同して
ロボットが共同して
09:27
was to prototype the experience
of humans, computers and robots
of humans, computers and robots
192
555742
3851
非常に複雑な設計問題を解決するという
体験を試行しています
体験を試行しています
09:31
all working together to solve
a highly complex design problem.
a highly complex design problem.
193
559617
3220
人間は労働者として働きます
09:35
The humans acted as labor.
194
563793
1451
09:37
They cruised around the construction site,
they manipulated the bamboo --
they manipulated the bamboo --
195
565268
3473
建築現場を動き回り
竹素材を扱います
竹素材を扱います
ちなみに形状の異なる竹は
09:40
which, by the way,
because it's a non-isomorphic material,
because it's a non-isomorphic material,
196
568765
2756
ロボットには扱うのが
非常に難しい素材です
非常に難しい素材です
09:43
is super hard for robots to deal with.
197
571545
1874
ロボットはこのファイバーを
張る作業をします
張る作業をします
09:45
But then the robots
did this fiber winding,
did this fiber winding,
198
573443
2022
09:47
which was almost impossible
for a human to do.
for a human to do.
199
575489
2451
人間にはほとんど
不可能なことです
不可能なことです
09:49
And then we had an AI
that was controlling everything.
that was controlling everything.
200
577964
3621
そして人工知能が
全体の制御をしています
全体の制御をしています
人間とロボットに
それぞれの作業を指示し
それぞれの作業を指示し
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
何千という要素を管理します
09:56
and keeping track of thousands
of individual components.
of individual components.
202
584923
2915
これが興味深いのは
09:59
What's interesting is,
203
587862
1180
10:01
building this pavilion
was simply not possible
was simply not possible
204
589066
3141
このパビリオンの構築は
人間とロボットと人工知能が 補い合って
取り組まねば 不可能だったということです
取り組まねば 不可能だったということです
10:04
without human, robot and AI
augmenting each other.
augmenting each other.
205
592231
4524
もう１つプロジェクトをご紹介しましょう
ちょっとクレージーなものです
ちょっとクレージーなものです
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
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
アムステルダムを中心に活動する
ヨリス・ラーマンとMX3Dのチームとともに
ヨリス・ラーマンとMX3Dのチームとともに
10:17
to generatively design
and robotically print
and robotically print
208
605726
2878
世界初の自律的に建設する橋を
デザイン生成と ロボットによる3D印刷で
作ろうというものです
作ろうというものです
10:20
the world's first autonomously
manufactured bridge.
manufactured bridge.
209
608628
2995
今まさにアムステルダムで
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
ヨリスと人工知能が
橋をデザインしています
橋をデザインしています
10:28
in Amsterdam.
211
616024
1172
10:29
And when they're done,
we're going to hit "Go,"
we're going to hit "Go,"
212
617220
2321
デザインが完成し
実行を指示すると
実行を指示すると
10:31
and robots will start 3D printing
in stainless steel,
in stainless steel,
213
619565
3311
ロボットがステンレスで橋を
3D印刷し始めます
3D印刷し始めます
10:34
and then they're going to keep printing,
without human intervention,
without human intervention,
214
622900
3283
そして橋が出来るまで
人の手助けなしに
人の手助けなしに
自律的に印刷を続けます
10:38
until the bridge is finished.
215
626207
1558
10:41
So, as computers are going
to augment our ability
to augment our ability
216
629099
2928
コンピューターが
新しいものを想像しデザインする
人間の能力を拡張し
人間の能力を拡張し
10:44
to imagine and design new stuff,
217
632051
2150
10:46
robotic systems are going to help us
build and make things
build and make things
218
634225
2895
ロボットシステムが
以前には作り得なかったものを
製造・建設する手助けをしてくれます
製造・建設する手助けをしてくれます
10:49
that we've never been able to make before.
219
637144
2084
そういったものを感じ制御する
能力についてはどうでしょう？
能力についてはどうでしょう？
10:52
But what about our ability
to sense and control these things?
to sense and control these things?
220
640347
4160
10:56
What about a nervous system
for the things that we make?
for the things that we make?
221
644531
4031
我々の作る物の神経系はどうか？
11:00
Our nervous system,
the human nervous system,
the human nervous system,
222
648586
2512
人間の神経系は
周囲で起きている
あらゆることを伝えてくれます
あらゆることを伝えてくれます
11:03
tells us everything
that's going on around us.
that's going on around us.
223
651122
2311
しかし我々の作る物の神経系は
ごく原始的なものです
ごく原始的なものです
11:06
But the nervous system of the things
we make is rudimentary at best.
we make is rudimentary at best.
224
654186
3684
11:09
For instance, a car doesn't tell
the city's public works department
the city's public works department
225
657894
3563
例えば 車が街中の交差点で
道路に開いた穴を踏んでも
道路に開いた穴を踏んでも
11:13
that it just hit a pothole at the corner
of Broadway and Morrison.
of Broadway and Morrison.
226
661481
3130
自分で市道路局に
連絡することはありません
連絡することはありません
建物は 中に入った人たちが
気に入ってくれているか
気に入ってくれているか
11:16
A building doesn't tell its designers
227
664635
2032
11:18
whether or not the people inside
like being there,
like being there,
228
666691
2684
設計家に伝えることは
ありません
ありません
おもちゃメーカーは
おもちゃが実際に遊ばれているか
おもちゃが実際に遊ばれているか
11:21
and the toy manufacturer doesn't know
229
669399
3010
11:24
if a toy is actually being played with --
230
672433
2007
どこでどう使われているか
楽しまれているかどうか
知りません
知りません
11:26
how and where and whether
or not it's any fun.
or not it's any fun.
231
674464
2539
バービー人形のデザイナーは
自分の人形に
自分の人形に
11:29
Look, I'm sure that the designers
imagined this lifestyle for Barbie
imagined this lifestyle for Barbie
232
677620
3814
このようなライフスタイルを
想像していたことでしょう
想像していたことでしょう
11:33
when they designed her.
233
681458
1224
11:34
(Laughter)
234
682706
1447
(笑)
11:36
But what if it turns out that Barbie's
actually really lonely?
actually really lonely?
235
684177
2906
でも本当はバービーが
すごく孤独だったとしたら？
すごく孤独だったとしたら？
11:39
(Laughter)
236
687107
3147
(笑)
自分のデザインしたものについて
11:43
If the designers had known
237
691266
1288
実際にどんなことが起きているか
デザイナーに分かれば
デザイナーに分かれば
11:44
what was really happening
in the real world
in the real world
238
692578
2107
11:46
with their designs -- the road,
the building, Barbie --
the building, Barbie --
239
694709
2583
道路にせよ 建物にせよ
バービーにせよ
バービーにせよ
その知識を生かして
11:49
they could've used that knowledge
to create an experience
to create an experience
240
697316
2694
利用者にとって より良い体験を
生み出すことができるでしょう
生み出すことができるでしょう
11:52
that was better for the user.
241
700034
1400
欠けているのは
11:53
What's missing is a nervous system
242
701458
1791
我々がデザインし 作り 使うもの
すべてと我々を繋ぐ神経系です
すべてと我々を繋ぐ神経系です
11:55
connecting us to all of the things
that we design, make and use.
that we design, make and use.
243
703273
3709
11:59
What if all of you had that kind
of information flowing to you
of information flowing to you
244
707915
3555
世に出した自分の作品から
そのような情報が流れてくる
としたらどうでしょう？
としたらどうでしょう？
12:03
from the things you create
in the real world?
in the real world?
245
711494
2183
12:07
With all of the stuff we make,
246
715432
1451
自分の作ったものを
人々が買ってくれるよう
説得するために
説得するために
12:08
we spend a tremendous amount
of money and energy --
of money and energy --
247
716907
2435
12:11
in fact, last year,
about two trillion dollars --
about two trillion dollars --
248
719366
2376
我々は膨大な
お金と労力を費やしています
お金と労力を費やしています
12:13
convincing people to buy
the things we've made.
the things we've made.
249
721766
2854
昨年は２兆ドルという
規模でした
規模でした
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
もしデザインし
作ったものに対し
作ったものに対し
世に出した後 販売された後
公開された後に
公開された後に
12:20
after they're out in the real world,
251
728056
1727
12:21
after they've been sold
or launched or whatever,
or launched or whatever,
252
729807
3614
そのような繋がりを
持てたなら
持てたなら
ビジネスのやり方も
変わるでしょう
変わるでしょう
12:25
we could actually change that,
253
733445
1620
12:27
and go from making people want our stuff,
254
735089
3047
作った商品を人々が欲しくなるよう
仕向けるのでなく
仕向けるのでなく
12:30
to just making stuff that people
want in the first place.
want in the first place.
255
738160
3434
人々がそもそも欲しいと
思うものを作るのです
思うものを作るのです
12:33
The good news is, we're working
on digital nervous systems
on digital nervous systems
256
741618
2787
良い知らせは デザインしたものと繋がる
デジタル神経系に
デジタル神経系に
12:36
that connect us to the things we design.
257
744429
2801
我々は既に取り組んでいる
ということです
ということです
12:40
We're working on one project
258
748365
1627
あるプロジェクトで私たちは
12:42
with a couple of guys down in Los Angeles
called the Bandito Brothers
called the Bandito Brothers
259
750016
3712
ロサンゼルスの
バンディート・ブラザーズに属する
バンディート・ブラザーズに属する
２人と組んで
作業しています
作業しています
12:45
and their team.
260
753752
1407
12:47
And one of the things these guys do
is build insane cars
is build insane cars
261
755183
3433
彼らのやっていることの１つは
とんでもないことをする
とんでもない車を作るということです
とんでもない車を作るということです
12:50
that do absolutely insane things.
262
758640
2873
ほんとうにクレージーな連中です—
12:54
These guys are crazy --
263
762905
1450
12:56
(Laughter)
264
764379
1036
(笑)
12:57
in the best way.
265
765439
1403
いい意味で
13:00
And what we're doing with them
266
768993
1763
我々がやっているのは
13:02
is taking a traditional race-car chassis
267
770780
2440
従来のレーシングカーの車体に
神経系を組み込むということです
13:05
and giving it a nervous system.
268
773244
1585
13:06
So we instrumented it
with dozens of sensors,
with dozens of sensors,
269
774853
3058
何十というセンサーを取り付け
世界第一級のドライバーに
運転してもらい
運転してもらい
13:09
put a world-class driver behind the wheel,
270
777935
2635
砂漠を１週間
狂ったように走り回るのです
狂ったように走り回るのです
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
13:15
And the car's nervous system
captured everything
captured everything
272
783975
2491
車の神経系が
車に起きたことを
すべて捕らえます
すべて捕らえます
13:18
that was happening to the car.
273
786490
1482
データポイントの数は
40億にもなります
40億にもなります
13:19
We captured four billion data points;
274
787996
2621
13:22
all of the forces
that it was subjected to.
that it was subjected to.
275
790641
2310
車が受けたあらゆる力を
記録しています
記録しています
それからクレージーなことをしました
13:24
And then we did something crazy.
276
792975
1659
13:27
We took all of that data,
277
795268
1500
そうやって得たデータを
Dreamcatcherという
デザイン生成AIに入力します
デザイン生成AIに入力します
13:28
and plugged it into a generative-design AI
we call "Dreamcatcher."
we call "Dreamcatcher."
278
796792
3736
13:33
So what do get when you give
a design tool a nervous system,
a design tool a nervous system,
279
801270
3964
デザインツールに神経系を与えて
究極の車体を作れと言ったら
究極の車体を作れと言ったら
13:37
and you ask it to build you
the ultimate car chassis?
the ultimate car chassis?
280
805258
2882
何ができるのでしょう？
13:40
You get this.
281
808723
1973
こんなものが得られます
13:44
This is something that a human
could never have designed.
could never have designed.
282
812293
3713
これは人間には決して
デザインできないようなものです
デザインできないようなものです
13:48
Except a human did design this,
283
816707
1888
デザイン生成AIと
13:50
but it was a human that was augmented
by a generative-design AI,
by a generative-design AI,
284
818619
4309
デジタル神経系で
拡張された人間によって
拡張された人間によって
デザインされたもので
13:54
a digital nervous system
285
822952
1231
13:56
and robots that can actually
fabricate something like this.
fabricate something like this.
286
824207
3005
ロボットで実際に
製造することができます
製造することができます
13:59
So if this is the future,
the Augmented Age,
the Augmented Age,
287
827680
3595
そういう「拡張の時代」が
我々の未来であり
我々の未来であり
14:03
and we're going to be augmented
cognitively, physically and perceptually,
cognitively, physically and perceptually,
288
831299
4261
人間が知的・肉体的・認知的に
拡張されるのだとしたら
拡張されるのだとしたら
いったい どんなことになるのか？
14:07
what will that look like?
289
835584
1408
14:09
What is this wonderland going to be like?
290
837576
3321
そのおとぎの国は
どんな風になるのでしょう？
どんな風になるのでしょう？
14:12
I think we're going to see a world
291
840921
1709
来る世界では
物は製造されるより
14:14
where we're moving
from things that are fabricated
from things that are fabricated
292
842654
3068
栽培されるようになるでしょう
14:17
to things that are farmed.
293
845746
1445
14:20
Where we're moving from things
that are constructed
that are constructed
294
848159
3453
建築されるよりは
育てられるようになるでしょう
14:23
to that which is grown.
295
851636
1704
14:26
We're going to move from being isolated
296
854134
2188
孤立したものから
繋がったものへと
14:28
to being connected.
297
856346
1610
14:30
And we'll move away from extraction
298
858634
2411
採掘から
集積へと変わるでしょう
14:33
to embrace aggregation.
299
861069
1873
服従を求めるより
14:35
I also think we'll shift
from craving obedience from our things
from craving obedience from our things
300
863967
3767
自律を尊ぶようになるでしょう
14:39
to valuing autonomy.
301
867758
1641
拡張された能力によって
14:42
Thanks to our augmented capabilities,
302
870510
1905
14:44
our world is going to change dramatically.
303
872439
2377
世界は劇的に
変わるでしょう
変わるでしょう
世界はもっと多様で
繋がっていて
繋がっていて
14:47
We're going to have a world
with more variety, more connectedness,
with more variety, more connectedness,
304
875576
3246
ダイナミックで 複雑で
14:50
more dynamism, more complexity,
305
878846
2287
適応的で そしてもちろん —
14:53
more adaptability and, of course,
306
881157
2318
より美しいものになります
14:55
more beauty.
307
883499
1217
14:57
The shape of things to come
308
885231
1564
未来に現れるものの姿は
14:58
will be unlike anything
we've ever seen before.
we've ever seen before.
309
886819
2290
見たこともないものに
なるでしょう
なるでしょう
15:01
Why?
310
889133
1159
なぜなら
それらを形作るのは
それらを形作るのは
15:02
Because what will be shaping those things
is this new partnership
is this new partnership
311
890316
3755
テクノロジーと
自然と 人間による
自然と 人間による
15:06
between technology, nature and humanity.
312
894095
3670
新しい共同関係だからです
それは楽しみに待つ価値のある
未来に思えます
未来に思えます
15:11
That, to me, is a future
well worth looking forward to.
well worth looking forward to.
313
899279
3804
15:15
Thank you all so much.
314
903107
1271
ありがとうございました
(拍手)
15:16
(Applause)
315
904402
5669
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