TEDxPortland
Maurice Conti: The incredible inventions of intuitive AI
Maurice Conti: Neuvěřitelné vynálezy intuitivní umělé inteligence
Filmed:
Readability: 4.6
6,173,221 views
Co vznikne spojením možností nervového systému a nástroje pro design? Spojením počítačů, které umocní naši představivost i schopnost přemýšlet, s robotickými systémy, které dokážou nacházet (a také stavět) radikální nové mostní konstrukce, auta, drony a mnohé další. To vše úplně samostatně. Futurista Maurice Conti vás vezme na prohlídku do éry „zdokonalených schopností“, do časů, ve kterých budou roboti a lidé pracovat bok po boku, aby dosáhli výsledků, kterých by ani jedni ani druzí sami nedocílili.
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
Kolik je mezi vámi kreativců,
návrhářů, techniků, podnikatelů, umělců,
návrhářů, techniků, podnikatelů, umělců,
00:15
designers, engineers,
entrepreneurs, artists,
entrepreneurs, artists,
1
3048
3624
anebo máte prostě jen úžasnou fantazii?
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
Zvedli byste ruce?
(ohlasy z publika)
(ohlasy z publika)
00:22
That's most of you.
4
10979
1181
To je většina.
00:25
I have some news for us creatives.
5
13334
2294
Pro nás kreativce mám novinky.
00:28
Over the course of the next 20 years,
6
16714
2573
V průběhu příštích 20 let
00:33
more will change around
the way we do our work
the way we do our work
7
21471
2973
se změní způsob naší práce víc
00:37
than has happened in the last 2,000.
8
25382
2157
než za předchozích 2 000 let.
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
Vlastně si myslím, že zažíváme
úsvit nového věku lidské historie.
úsvit nového věku lidské historie.
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
Zažili jsme už čtyři hlavní historické
epochy definované stylem práce.
epochy definované stylem práce.
00:51
The Hunter-Gatherer Age
lasted several million years.
lasted several million years.
11
39404
3275
Éra lovců a sběračů
trvala několik milionů let.
trvala několik milionů let.
00:55
And then the Agricultural Age
lasted several thousand years.
lasted several thousand years.
12
43163
3576
Éra zemědělců trvala několik tisíc let.
00:59
The Industrial Age lasted
a couple of centuries.
a couple of centuries.
13
47195
3490
Industriální éra trvala pár století.
01:02
And now the Information Age
has lasted just a few decades.
has lasted just a few decades.
14
50709
4287
A éra informací trvala
jen několik desetiletí.
jen několik desetiletí.
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
A dnes se jako druh ocitáme
na prahu další velké éry.
na prahu další velké éry.
01:13
Welcome to the Augmented Age.
16
61296
2680
Vítejte ve věku
„zdokonalených schopností“.
„zdokonalených schopností“.
01:16
In this new era, your natural human
capabilities are going to be augmented
capabilities are going to be augmented
17
64000
3693
V této nové éře budou vaše
přirozené lidské schopnosti dokonalejší
přirozené lidské schopnosti dokonalejší
díky výpočetním systémům,
které vám pomohou přemýšlet,
které vám pomohou přemýšlet,
01:19
by computational systems
that help you think,
that help you think,
18
67717
3068
robotickým systémům,
které vám pomohou v práci,
které vám pomohou v práci,
01:22
robotic systems that help you make,
19
70809
2186
01:25
and a digital nervous system
20
73019
1648
a digitálnímu nervovému systému,
01:26
that connects you to the world
far beyond your natural senses.
far beyond your natural senses.
21
74691
3690
který vás propojí se světem dokonaleji,
než to dokážou vaše přirozené smysly.
než to dokážou vaše přirozené smysly.
01:31
Let's start with cognitive augmentation.
22
79437
1942
Začněme u kognitivních schopností.
Kolik je mezi vámi vylepšených kyborgů?
Kolik je mezi vámi vylepšených kyborgů?
01:33
How many of you are augmented cyborgs?
23
81403
2200
01:36
(Laughter)
24
84133
2650
(smích)
01:38
I would actually argue
that we're already augmented.
that we're already augmented.
25
86807
2821
Vlastně bych mohl tvrdit,
že už některá vylepšení máme.
že už některá vylepšení máme.
Představte si, že jste na večírku
01:42
Imagine you're at a party,
26
90288
1504
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
a někdo vám položí otázku,
na kterou neznáte odpověď.
na kterou neznáte odpověď.
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
Vlastníte-li něco takového,
dozvíte se to během několika sekund.
dozvíte se to během několika sekund.
01:51
But this is just a primitive beginning.
29
99869
2299
Ale to je jen úplný začátek.
01:54
Even Siri is just a passive tool.
30
102863
3331
I Siri je jen pasivním nástrojem.
01:58
In fact, for the last
three-and-a-half million years,
three-and-a-half million years,
31
106660
3381
Vlastně všechny nástroje,
které jsme používali
které jsme používali
02:02
the tools that we've had
have been completely passive.
have been completely passive.
32
110065
3109
posledních tři a půl milionu let,
byly zcela pasivní.
byly zcela pasivní.
02:06
They do exactly what we tell them
and nothing more.
and nothing more.
33
114203
3655
Dělají přesně to, co řekneme, a nic víc.
02:09
Our very first tool only cut
where we struck it.
where we struck it.
34
117882
3101
Náš úplně první nástroj usekl jen to,
do čeho jsme jím udeřili.
do čeho jsme jím udeřili.
02:13
The chisel only carves
where the artist points it.
where the artist points it.
35
121822
3040
Dláto vyřezává jen tam,
kudy ho umělec vede.
kudy ho umělec vede.
02:17
And even our most advanced tools
do nothing without our explicit direction.
do nothing without our explicit direction.
36
125343
5641
A dokonce i naše nejvyspělejší nástroje
neudělají nic bez našeho jasného pokynu.
neudělají nic bez našeho jasného pokynu.
02:23
In fact, to date, and this
is something that frustrates me,
is something that frustrates me,
37
131008
3181
Vlastně až doteď,
a to je něco, co mě frustruje,
a to je něco, co mě frustruje,
02:26
we've always been limited
38
134213
1448
jsme vždy byli limitováni potřebou
vnucovat ručně naši vůli nástrojům ‒
vnucovat ručně naši vůli nástrojům ‒
02:27
by this need to manually
push our wills into our tools --
push our wills into our tools --
39
135685
3501
02:31
like, manual,
literally using our hands,
literally using our hands,
40
139210
2297
tím ručně myslím doslova rukama,
dokonce i počítačům.
dokonce i počítačům.
02:33
even with computers.
41
141531
1428
02:36
But I'm more like Scotty in "Star Trek."
42
144072
2463
Ale já jsem spíš jako Scotty
ze „Star Treku“.
ze „Star Treku“.
02:38
(Laughter)
43
146559
1850
(smích)
02:40
I want to have a conversation
with a computer.
with a computer.
44
148433
2146
Chci s počítačem konverzovat.
02:42
I want to say, "Computer,
let's design a car,"
let's design a car,"
45
150603
2970
Chci mu říct:
„Počítači, pojďme navrhnout auto“
„Počítači, pojďme navrhnout auto“
02:45
and the computer shows me a car.
46
153597
1539
a na obrazovce se objeví auto.
02:47
And I say, "No, more fast-looking,
and less German,"
and less German,"
47
155160
2608
A já řeknu:
„Ne, spíš závodní a ne tak německé“
„Ne, spíš závodní a ne tak německé“
02:49
and bang, the computer shows me an option.
48
157792
2163
a prásk, počítač mi ukáže další variantu.
02:51
(Laughter)
49
159979
1865
(smích)
02:54
That conversation might be
a little ways off,
a little ways off,
50
162208
2306
K takové konverzaci
nám možná ještě něco chybí,
nám možná ještě něco chybí,
02:56
probably less than many of us think,
51
164538
2665
možná méně, než si mnozí z nás myslí,
02:59
but right now,
52
167227
1763
ale na tom právě teď pracujeme.
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
Nástroje se skokem mění
z pasivních na generativní.
z pasivních na generativní.
03:06
Generative design tools
use a computer and algorithms
use a computer and algorithms
55
174831
3308
Nástroje pro generativní design používají
počítač a algoritmy ke slučování geometrie
počítač a algoritmy ke slučování geometrie
03:10
to synthesize geometry
56
178163
2608
a úplně samy přichází
s novými konstrukcemi.
s novými konstrukcemi.
03:12
to come up with new designs
all by themselves.
all by themselves.
57
180795
2754
03:15
All it needs are your goals
and your constraints.
and your constraints.
58
183996
2748
Vše, co k tomu od vás potřebují,
je určit cíle a kritéria.
je určit cíle a kritéria.
03:18
I'll give you an example.
59
186768
1408
Dám vám příklad.
03:20
In the case of this aerial drone chassis,
60
188200
2788
V případě tohoto šasi pro dron
03:23
all you would need to do
is tell it something like,
is tell it something like,
61
191012
2626
vám jen postačí říct:
má to mít čtyři vrtule,
má to mít čtyři vrtule,
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
chci, aby to bylo co nejlehčí a potřebuji,
aby to nekladlo odpor vzduchu.
aby to nekladlo odpor vzduchu.
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
Počítač pak prozkoumá
všechna prostorová řešení:
všechna prostorová řešení:
03:36
every single possibility that solves
and meets your criteria --
and meets your criteria --
66
204346
3927
každou variantu, která odpovídá
vašemu zadání a splňuje vaše kritéria ‒
vašemu zadání a splňuje vaše kritéria ‒
03:40
millions of them.
67
208297
1442
miliony možností.
03:41
It takes big computers to do this.
68
209763
1975
Vyžaduje to výkonné počítače.
03:43
But it comes back to us with designs
69
211762
1955
Ale výsledkem jsou konstrukce,
na které bychom my sami nikdy nepřišli.
na které bychom my sami nikdy nepřišli.
03:45
that we, by ourselves,
never could've imagined.
never could've imagined.
70
213741
3143
03:49
And the computer's coming up
with this stuff all by itself --
with this stuff all by itself --
71
217326
2912
A počítač na takové věci
přijde úplně sám ‒
přijde úplně sám ‒
nikdo nemusel nic kreslit
03:52
no one ever drew anything,
72
220262
1678
03:53
and it started completely from scratch.
73
221964
2086
a začíná s tím úplně od nuly.
03:57
And by the way, it's no accident
74
225038
2387
A mimochodem, není náhoda,
03:59
that the drone body looks just like
the pelvis of a flying squirrel.
the pelvis of a flying squirrel.
75
227449
3481
že tělo dronu vypadá podobně
jako pánevní kostra poletuchy.
jako pánevní kostra poletuchy.
04:03
(Laughter)
76
231287
2007
(smích)
04:06
It's because the algorithms
are designed to work
are designed to work
77
234040
2302
Je to proto, že algoritmy fungují
stejným způsobem jako evoluce.
stejným způsobem jako evoluce.
04:08
the same way evolution does.
78
236366
1637
04:10
What's exciting is we're starting
to see this technology
to see this technology
79
238715
2660
Je úžasné, že tuto technologii
už můžeme vidět v praxi.
už můžeme vidět v praxi.
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
Nějaký ten rok už s Airbusem pracujeme
na tomto konceptu letadla budoucnosti.
na tomto konceptu letadla budoucnosti.
04:17
on this concept plane for the future.
82
245058
1909
04:18
It's a ways out still.
83
246991
2070
Pořád je to jen model.
04:21
But just recently we used
a generative-design AI
a generative-design AI
84
249085
3780
Ale teprve nedávno jsme použili AI
pro generativní design a navrhli tohle.
pro generativní design a navrhli tohle.
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
Toto je přepážka vytištěná 3D tiskem,
která byla navržena pomocí počítače.
která byla navržena pomocí počítače.
04:32
It's stronger than the original
yet half the weight,
yet half the weight,
87
260786
2824
Je pevnější než ta původní,
přestože má poloviční hmotnost,
přestože má poloviční hmotnost,
04:35
and it will be flying
in the Airbus A320 later this year.
in the Airbus A320 later this year.
88
263634
3146
a letos bude létat v Airbusech A320.
Takže počítače teď umí generovat;
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
dokážou nacházet vlastní řešení,
když jim zadáme přesně definované úkoly.
když jim zadáme přesně definované úkoly.
Ale není to intuitivní.
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
Stále ještě musí začínat od nuly.
04:51
and that's because they never learn.
93
279121
2565
Protože se nikdy nic nenaučí.
04:54
Unlike Maggie.
94
282368
1766
Na rozdíl od Maggie.
04:56
(Laughter)
95
284158
1581
(smích)
04:57
Maggie's actually smarter
than our most advanced design tools.
than our most advanced design tools.
96
285763
3297
Maggie je vlastně chytřejší
než naše nejvyspělejší nástroje.
než naše nejvyspělejší nástroje.
05:01
What do I mean by that?
97
289467
1440
Co tím chci říct?
05:02
If her owner picks up that leash,
98
290931
1590
Pokud vezme její pán vodítko,
05:04
Maggie knows with a fair
degree of certainty
degree of certainty
99
292545
2068
Maggie dost přesně vytuší,
že nastal čas jít na procházku.
že nastal čas jít na procházku.
05:06
it's time to go for a walk.
100
294637
1404
05:08
And how did she learn?
101
296065
1185
A jak se to naučila?
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
Přece tak, že pokaždé, když si pán
vzal vodítko, tak šli na procházku.
vzal vodítko, tak šli na procházku.
05:12
And Maggie did three things:
103
300622
1878
A Maggie udělala tři věci:
05:14
she had to pay attention,
104
302524
1869
musela dávat pozor,
05:16
she had to remember what happened
105
304417
2082
musela si vzpomenout, co se pak stalo,
05:18
and she had to retain and create
a pattern in her mind.
a pattern in her mind.
106
306523
4017
a musela si vytvořit a zapamatovat
model chování.
model chování.
05:23
Interestingly, that's exactly what
107
311429
2095
Je zajímavé, že přesně tohle programátoři
nutili dělat AI posledních asi 60 let.
nutili dělat AI posledních asi 60 let.
05:25
computer scientists
have been trying to get AIs to do
have been trying to get AIs to do
108
313548
2523
05:28
for the last 60 or so years.
109
316095
1859
05:30
Back in 1952,
110
318683
1349
Už v roce 1952 postavili tento počítač,
který uměl hrát Piškvorky.
který uměl hrát Piškvorky.
05:32
they built this computer
that could play Tic-Tac-Toe.
that could play Tic-Tac-Toe.
111
320056
3801
05:37
Big deal.
112
325081
1160
Fakt pecka.
05:39
Then 45 years later, in 1997,
113
327029
3000
Pak o 45 let později, v roce 1997,
porazil Deep Blue Kasparova v šachu.
porazil Deep Blue Kasparova v šachu.
05:42
Deep Blue beats Kasparov at chess.
114
330053
2472
05:46
2011, Watson beats these two
humans at Jeopardy,
humans at Jeopardy,
115
334046
4968
V roce 2011 porazil Watson
tyhle dva lidi v soutěži Riskuj,
tyhle dva lidi v soutěži Riskuj,
05:51
which is much harder for a computer
to play than chess is.
to play than chess is.
116
339038
2928
která je pro počítače
mnohem obtížnější než šachy.
mnohem obtížnější než šachy.
05:53
In fact, rather than working
from predefined recipes,
from predefined recipes,
117
341990
3812
Aby překonal své lidské protivníky,
musel Watson spíše uvažovat,
musel Watson spíše uvažovat,
namísto toho,
aby použil dopředu daný postup,
aby použil dopředu daný postup,
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
A před pár týdny AlphaGo,
vyvinutý v DeepMind,
vyvinutý v DeepMind,
06:04
DeepMind's AlphaGo beats
the world's best human at Go,
the world's best human at Go,
120
352856
4262
porazil nejlepšího hráče Go na světě,
06:09
which is the most difficult
game that we have.
game that we have.
121
357142
2212
což je nejobtížnější hra, jakou známe.
Ve skutečnosti je v Go
možné zahrát více tahy,
možné zahrát více tahy,
06:11
In fact, in Go, there are more
possible moves
possible moves
122
359378
2896
06:14
than there are atoms in the universe.
123
362298
2024
než kolik existuje atomů ve vesmíru.
06:18
So in order to win,
124
366210
1826
Takže aby mohl AlphaGo vyhrát,
musel si vybudovat určitou intuici.
musel si vybudovat určitou intuici.
06:20
what AlphaGo had to do
was develop intuition.
was develop intuition.
125
368060
2618
06:23
And in fact, at some points,
AlphaGo's programmers didn't understand
AlphaGo's programmers didn't understand
126
371098
4110
A programátoři AlphaGo vlastně
v určitých chvílích ani nevěděli,
v určitých chvílích ani nevěděli,
06:27
why AlphaGo was doing what it was doing.
127
375232
2286
proč zahrál právě tak, jak zahrál.
06:31
And things are moving really fast.
128
379451
1660
A k pokroku dochází velmi rychle.
06:33
I mean, consider --
in the space of a human lifetime,
in the space of a human lifetime,
129
381135
3227
Jen si vzpomeňte ‒
během jednoho lidského života
během jednoho lidského života
06:36
computers have gone from a child's game
130
384386
2233
ušly počítače cestu
od dětských her až k tomu,
od dětských her až k tomu,
06:39
to what's recognized as the pinnacle
of strategic thought.
of strategic thought.
131
387920
3048
co považujeme za vrchol
strategického myšlení.
strategického myšlení.
06:43
What's basically happening
132
391999
2417
V podstatě se děje to,
06:46
is computers are going
from being like Spock
from being like Spock
133
394440
3310
že se teď počítače mnohem víc
podobají spíš Kirkovi než Spockovi.
podobají spíš Kirkovi než Spockovi.
06:49
to being a lot more like Kirk.
134
397774
1949
06:51
(Laughter)
135
399747
3618
(smích)
06:55
Right? From pure logic to intuition.
136
403389
3424
Že ano? Namísto čisté logiky intuice.
07:00
Would you cross this bridge?
137
408184
1743
Vydali byste se přes tento most?
07:02
Most of you are saying, "Oh, hell no!"
138
410609
2323
Většina z vás řekne: "Ani za nic!"
07:04
(Laughter)
139
412956
1308
(smích)
07:06
And you arrived at that decision
in a split second.
in a split second.
140
414288
2657
Dospěli jste k tomu ve zlomku sekundy.
07:08
You just sort of knew
that bridge was unsafe.
that bridge was unsafe.
141
416969
2428
Prostě jste nějak odhadli,
že most není bezpečný.
že most není bezpečný.
07:11
And that's exactly the kind of intuition
142
419421
1989
A to je přesně ten druh intuice,
07:13
that our deep-learning systems
are starting to develop right now.
are starting to develop right now.
143
421434
3568
který si zrovna teď začínají
naše systémy hlubokého učení rozvíjet.
naše systémy hlubokého učení rozvíjet.
07:17
Very soon, you'll literally be able
144
425722
1707
Velmi brzy budete moci počítači
ukázat něco, co jste vyrobili a navrhli,
ukázat něco, co jste vyrobili a navrhli,
07:19
to show something you've made,
you've designed,
you've designed,
145
427453
2206
07:21
to a computer,
146
429683
1153
ten se na to podívá a řekne:
07:22
and it will look at it and say,
147
430860
1489
"Hmm, je mi líto kámo, to nebude
nikdy fungovat. Musíš to zkusit znovu."
nikdy fungovat. Musíš to zkusit znovu."
07:24
"Sorry, homie, that'll never work.
You have to try again."
You have to try again."
148
432373
2823
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
Nebo byste se ho mohli zeptat,
jak se lidem bude líbit vaše nová píseň
jak se lidem bude líbit vaše nová píseň
07:31
or your next flavor of ice cream.
150
439773
2063
nebo nová příchuť zmrzliny.
07:35
Or, much more importantly,
151
443549
2579
Nebo něco mnohem důležitějšího,
07:38
you could work with a computer
to solve a problem
to solve a problem
152
446152
2364
mohli byste s počítačem spolupracovat
na problému, který jste ještě neřešili.
na problému, který jste ještě neřešili.
07:40
that we've never faced before.
153
448540
1637
07:42
For instance, climate change.
154
450201
1401
Třeba na změně klimatu.
Kvalitní práci sami nesvedeme,
07:43
We're not doing a very
good job on our own,
good job on our own,
155
451626
2020
mohli bychom využít
veškerou dostupnou pomoc.
veškerou dostupnou pomoc.
07:45
we could certainly use
all the help we can get.
all the help we can get.
156
453670
2245
07:47
That's what I'm talking about,
157
455939
1458
Mluvím o technologii, která umocní
naše kognitivní schopnosti tak,
naše kognitivní schopnosti tak,
07:49
technology amplifying
our cognitive abilities
our cognitive abilities
158
457421
2555
že si dokážeme
představit a navrhnout věci,
představit a navrhnout věci,
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
na které prostě jako obyčejní
lidé let minulých nestačíme.
lidé let minulých nestačíme.
07:55
as plain old un-augmented humans.
160
463576
2559
07:59
So what about making
all of this crazy new stuff
all of this crazy new stuff
161
467984
2941
A proč třeba nevyrobit
všechny ty bláznivé nové věci,
všechny ty bláznivé nové věci,
08:02
that we're going to invent and design?
162
470949
2441
které vymyslíme a navrhneme?
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
Myslím, že éra zdokonalování lidí
se týká stejně tak fyzického světa
se týká stejně tak fyzického světa
08:10
as it is about the virtual,
intellectual realm.
intellectual realm.
164
478069
3065
jako toho virtuálního,
intelektuální sféry.
intelektuální sféry.
08:13
How will technology augment us?
165
481833
1921
Čím nás technologie dokážou obohatit?
08:16
In the physical world, robotic systems.
166
484261
2473
Ve fyzickém světě robotickými systémy.
08:19
OK, there's certainly a fear
167
487620
1736
OK, určitě se všichni obáváme,
že roboti vezmou lidem pracovní místa,
že roboti vezmou lidem pracovní místa,
08:21
that robots are going to take
jobs away from humans,
jobs away from humans,
168
489380
2488
a v některých odvětvích
se tak skutečně stane.
se tak skutečně stane.
08:23
and that is true in certain sectors.
169
491892
1830
08:26
But I'm much more interested in this idea
170
494174
2878
Ale mě mnohem víc zajímá myšlenka,
08:29
that humans and robots working together
are going to augment each other,
are going to augment each other,
171
497076
5010
že při společné práci lidí a robotů
obohatí jedni druhé
obohatí jedni druhé
08:34
and start to inhabit a new space.
172
502110
2058
a začnou obsazovat nový prostor.
Tohle je náš aplikovaný
výzkum v San Francisku,
výzkum v San Francisku,
08:36
This is our applied research lab
in San Francisco,
in San Francisco,
173
504192
2362
kde je jednou z oblastí
našeho zájmu pokročilá robotika,
našeho zájmu pokročilá robotika,
08:38
where one of our areas of focus
is advanced robotics,
is advanced robotics,
174
506578
3142
08:41
specifically, human-robot collaboration.
175
509744
2511
zvláště pak spolupráce lidí a robotů.
08:45
And this is Bishop, one of our robots.
176
513034
2759
A toto je Bishop, jeden z našich robotů.
08:47
As an experiment, we set it up
177
515817
1789
Experimentálně jsme ho nastavili tak,
08:49
to help a person working in construction
doing repetitive tasks --
doing repetitive tasks --
178
517630
3460
aby lidem ve stavebnictví
pomáhal s opakujícími se úkoly ‒
pomáhal s opakujícími se úkoly ‒
08:53
tasks like cutting out holes for outlets
or light switches in drywall.
or light switches in drywall.
179
521984
4194
jako je vyřezávání otvorů v sádrokartonu
pro zásuvky a vypínače.
pro zásuvky a vypínače.
08:58
(Laughter)
180
526202
2466
(smích)
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
Lidský partner umí Bishopovi jednoduchou
řečí a gesty vysvětlit, co má dělat,
řečí a gesty vysvětlit, co má dělat,
09:05
and with simple gestures,
182
533012
1305
asi tak, jako když mluvíte na psa,
09:06
kind of like talking to a dog,
183
534341
1447
09:07
and then Bishop executes
on those instructions
on those instructions
184
535812
2143
a Bishop pak podle těchto instrukcí
s dokonalou přesností postupuje.
s dokonalou přesností postupuje.
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
Lidi využíváme na to, v čem vynikají:
jsou informovaní, mají postřeh
a rozhodují se.
a rozhodují se.
09:14
awareness, perception and decision making.
187
542908
2333
09:17
And we're using the robot
for what it's good at:
for what it's good at:
188
545265
2240
A robota používáme na to, v čem vyniká
zase on: v přesnosti a opakování úkolů.
zase on: v přesnosti a opakování úkolů.
09:19
precision and repetitiveness.
189
547529
1748
Zde je další super projekt,
na kterém Bishop pracuje.
na kterém Bishop pracuje.
09:22
Here's another cool project
that Bishop worked on.
that Bishop worked on.
190
550252
2367
Cílem tohoto projektu,
který jsme nazvali HIVE,
který jsme nazvali HIVE,
09:24
The goal of this project,
which we called the HIVE,
which we called the HIVE,
191
552643
3075
09:27
was to prototype the experience
of humans, computers and robots
of humans, computers and robots
192
555742
3851
bylo namodelovat zkušenosti
lidí, počítačů a robotů,
lidí, počítačů a robotů,
09:31
all working together to solve
a highly complex design problem.
a highly complex design problem.
193
559617
3220
kteří všichni spolupracují při řešení
velmi složitého konstrukčního problému.
velmi složitého konstrukčního problému.
09:35
The humans acted as labor.
194
563793
1451
Lidé hráli roli dělníků.
09:37
They cruised around the construction site,
they manipulated the bamboo --
they manipulated the bamboo --
195
565268
3473
Pohybovali se kolem staveniště,
manipulovali s bambusem ‒
manipulovali s bambusem ‒
což je mimochodem pro roboty velmi těžké,
protože to není izomorfní materiál.
protože to není izomorfní materiál.
09:40
which, by the way,
because it's a non-isomorphic material,
because it's a non-isomorphic material,
196
568765
2756
09:43
is super hard for robots to deal with.
197
571545
1874
Roboti pak toto vlákno navíjeli,
což je pro člověka téměř nemožné.
což je pro člověka téměř nemožné.
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
09:49
And then we had an AI
that was controlling everything.
that was controlling everything.
200
577964
3621
Měli jsme AI, která to všechno řídila.
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
Říkala lidem i robotům, co mají dělat,
09:56
and keeping track of thousands
of individual components.
of individual components.
202
584923
2915
a sledovala přitom tisíce
jednotlivých komponent.
jednotlivých komponent.
09:59
What's interesting is,
203
587862
1180
Zajímavé je,
10:01
building this pavilion
was simply not possible
was simply not possible
204
589066
3141
že vybudování tohoto pavilonu
není jednoduše možné bez toho,
není jednoduše možné bez toho,
10:04
without human, robot and AI
augmenting each other.
augmenting each other.
205
592231
4524
aby se člověk, robot a AI
vzájemně nedoplňovali.
vzájemně nedoplňovali.
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
Povím vám ještě o jednom projektu.
Je to tak trochu šílenost.
Je to tak trochu šílenost.
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
Spolupracujeme s umělcem Jorisem Laarmanem
z Amsterdamu a jeho týmem z MX3D
z Amsterdamu a jeho týmem z MX3D
10:17
to generatively design
and robotically print
and robotically print
208
605726
2878
na generativním návrhu a robotickém tisku
10:20
the world's first autonomously
manufactured bridge.
manufactured bridge.
209
608628
2995
prvního samostatně vyrobeného
mostu na světě.
mostu na světě.
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
Takže, Joris a AI právě teď
tuhle věc v Amsterdamu navrhují.
tuhle věc v Amsterdamu navrhují.
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
A až to budou mít,
stiskneme tlačítko „Start“
stiskneme tlačítko „Start“
10:31
and robots will start 3D printing
in stainless steel,
in stainless steel,
213
619565
3311
a roboti začnou most tisknout
z nerezové oceli
z nerezové oceli
10:34
and then they're going to keep printing,
without human intervention,
without human intervention,
214
622900
3283
a bez zásahu lidí v tom budou pokračovat,
dokud nebude most hotov.
dokud nebude most hotov.
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
Takže s tím, jak počítače
umocňují naši schopnost
umocňují naši schopnost
10:44
to imagine and design new stuff,
217
632051
2150
představit si a navrhnout nové věci,
10:46
robotic systems are going to help us
build and make things
build and make things
218
634225
2895
pomáhají nám robotické systémy
stavět a vytvářet věci,
stavět a vytvářet věci,
10:49
that we've never been able to make before.
219
637144
2084
které jsme až dosud
nebyli schopni vytvořit.
nebyli schopni vytvořit.
10:52
But what about our ability
to sense and control these things?
to sense and control these things?
220
640347
4160
Ale jak je to s naší schopností
umět tyto věci vnímat a řídit?
umět tyto věci vnímat a řídit?
10:56
What about a nervous system
for the things that we make?
for the things that we make?
221
644531
4031
A jaký mají ty věci,
které děláme, nervový systém?
které děláme, nervový systém?
11:00
Our nervous system,
the human nervous system,
the human nervous system,
222
648586
2512
Náš nervový systém, lidský nervový systém,
nám říká o všem, co se kolem nás děje.
11:03
tells us everything
that's going on around us.
that's going on around us.
223
651122
2311
11:06
But the nervous system of the things
we make is rudimentary at best.
we make is rudimentary at best.
224
654186
3684
Ale jejich nervový systém
je přinejlepším primitivní.
je přinejlepším primitivní.
11:09
For instance, a car doesn't tell
the city's public works department
the city's public works department
225
657894
3563
Například, auto neřekne
městskému oddělení veřejných prací,
městskému oddělení veřejných prací,
11:13
that it just hit a pothole at the corner
of Broadway and Morrison.
of Broadway and Morrison.
226
661481
3130
že právě vymetlo výmol
na rohu Broadwaye a Morrisonovy.
na rohu Broadwaye a Morrisonovy.
11:16
A building doesn't tell its designers
227
664635
2032
Budova neřekne svému návrháři,
11:18
whether or not the people inside
like being there,
like being there,
228
666691
2684
zda se lidem uvnitř líbí či nikoliv,
11:21
and the toy manufacturer doesn't know
229
669399
3010
a výrobce hraček neví,
jestli si s hračkou opravdu někdo hraje ‒
11:24
if a toy is actually being played with --
230
672433
2007
11:26
how and where and whether
or not it's any fun.
or not it's any fun.
231
674464
2539
jak a kde si hraje a zda se s ní baví.
11:29
Look, I'm sure that the designers
imagined this lifestyle for Barbie
imagined this lifestyle for Barbie
232
677620
3814
Vím, že si návrhář takový životní styl pro
Barbie představoval, když ji navrhoval.
Barbie představoval, když ji navrhoval.
11:33
when they designed her.
233
681458
1224
11:34
(Laughter)
234
682706
1447
(smích)
11:36
But what if it turns out that Barbie's
actually really lonely?
actually really lonely?
235
684177
2906
Ale co když se ukáže,
že je Barbie ve skutečnosti osamělá?
že je Barbie ve skutečnosti osamělá?
11:39
(Laughter)
236
687107
3147
(smích)
11:43
If the designers had known
237
691266
1288
Pokud by dopředu věděl,
co se bude v reálném světě skutečně dít ‒
co se bude v reálném světě skutečně dít ‒
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
s navrženými cestami, budovami, s Barbie ‒
mohl by tu znalost využít k vytvoření
lepšího zážitku pro uživatele.
lepšího zážitku pro uživatele.
11:49
they could've used that knowledge
to create an experience
to create an experience
240
697316
2694
11:52
that was better for the user.
241
700034
1400
Chybí zde nervový systém,
11:53
What's missing is a nervous system
242
701458
1791
11:55
connecting us to all of the things
that we design, make and use.
that we design, make and use.
243
703273
3709
který by spojoval všechny ty věci,
které navrhujeme, vytváříme a používáme.
které navrhujeme, vytváříme a používáme.
11:59
What if all of you had that kind
of information flowing to you
of information flowing to you
244
707915
3555
Co kdyby k vám všem,
kteří tyto věci v reálném světě tvoříte,
kteří tyto věci v reálném světě tvoříte,
12:03
from the things you create
in the real world?
in the real world?
245
711494
2183
takové informace proudily?
12:07
With all of the stuff we make,
246
715432
1451
Kvůli všem našim produktům utrácíme
obrovské množství peněz a energie ‒
obrovské množství peněz a energie ‒
12:08
we spend a tremendous amount
of money and energy --
of money and energy --
247
716907
2435
jen v loňském roce to byly
asi dvě miliardy dolarů ‒
asi dvě miliardy dolarů ‒
12:11
in fact, last year,
about two trillion dollars --
about two trillion dollars --
248
719366
2376
abychom lidi přesvědčili,
že si mají koupit, co jsme vyrobili.
že si mají koupit, co jsme vyrobili.
12:13
convincing people to buy
the things we've made.
the things we've made.
249
721766
2854
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
Ale abyste to propojení na věci,
které navrhujete a vytváříte, měli i poté,
které navrhujete a vytváříte, měli i poté,
12:20
after they're out in the real world,
251
728056
1727
kdy se dostanou do reálného světa,
kdy už budou prodány nebo spuštěny,
kdy už budou prodány nebo spuštěny,
12:21
after they've been sold
or launched or whatever,
or launched or whatever,
252
729807
3614
12:25
we could actually change that,
253
733445
1620
mohli bychom to změnit a místo toho,
abychom lidi nutili naše věci chtít,
abychom lidi nutili naše věci chtít,
12:27
and go from making people want our stuff,
254
735089
3047
12:30
to just making stuff that people
want in the first place.
want in the first place.
255
738160
3434
bychom prostě dělali věci,
o které lidi v prvé řadě stojí.
o které lidi v prvé řadě stojí.
Je dobré, že už pracujeme
na digitálních nervových systémech,
na digitálních nervových systémech,
12:33
The good news is, we're working
on digital nervous systems
on digital nervous systems
256
741618
2787
12:36
that connect us to the things we design.
257
744429
2801
které nás propojí s tím, co navrhujeme.
12:40
We're working on one project
258
748365
1627
O kus dál, v Los Angeles,
12:42
with a couple of guys down in Los Angeles
called the Bandito Brothers
called the Bandito Brothers
259
750016
3712
spolupracujeme s několika lidmi
z Bandito Brothers a jejich týmem
z Bandito Brothers a jejich týmem
12:45
and their team.
260
753752
1407
na jednom projektu.
12:47
And one of the things these guys do
is build insane cars
is build insane cars
261
755183
3433
A jednou z věcí, jež tito lidé dělají,
je stavění šílených aut,
je stavění šílených aut,
12:50
that do absolutely insane things.
262
758640
2873
která dělají naprosto šílené věci.
12:54
These guys are crazy --
263
762905
1450
Tihle chlapi jsou blázni ‒
12:56
(Laughter)
264
764379
1036
(smích)
12:57
in the best way.
265
765439
1403
v nejlepším slova smyslu.
13:00
And what we're doing with them
266
768993
1763
Děláme s nimi na autu,
13:02
is taking a traditional race-car chassis
267
770780
2440
které má tradiční závodní podvozek,
13:05
and giving it a nervous system.
268
773244
1585
a k němu dostane nervový systém.
13:06
So we instrumented it
with dozens of sensors,
with dozens of sensors,
269
774853
3058
Vybavili jsme ho přístroji
se spoustou senzorů,
se spoustou senzorů,
13:09
put a world-class driver behind the wheel,
270
777935
2635
za volant posadili prvotřídního řidiče,
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
vzali auto do pouště
a týden jsme ho tam týrali.
a týden jsme ho tam týrali.
13:15
And the car's nervous system
captured everything
captured everything
272
783975
2491
A nervový systém zaznamenával vše,
co se s autem dělo.
co se s autem dělo.
13:18
that was happening to the car.
273
786490
1482
Zaznamenali jsme čtyři miliardy měření;
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
všechny síly, které na auto působily.
13:24
And then we did something crazy.
276
792975
1659
A pak jsme udělali něco šíleného.
13:27
We took all of that data,
277
795268
1500
Vzali jsme všechna ta data
13:28
and plugged it into a generative-design AI
we call "Dreamcatcher."
we call "Dreamcatcher."
278
796792
3736
a napojili je do generativní AI,
které říkáme „Dreamcatcher“.
které říkáme „Dreamcatcher“.
13:33
So what do get when you give
a design tool a nervous system,
a design tool a nervous system,
279
801270
3964
A co dostanete, když dáte nástroji
pro design k dispozici nervový systém
pro design k dispozici nervový systém
13:37
and you ask it to build you
the ultimate car chassis?
the ultimate car chassis?
280
805258
2882
a zadáte mu, aby sestavil hotový podvozek?
13:40
You get this.
281
808723
1973
Dostanete tohle.
13:44
This is something that a human
could never have designed.
could never have designed.
282
812293
3713
Je to něco,
čeho by člověk nikdy nebyl schopen.
čeho by člověk nikdy nebyl schopen.
13:48
Except a human did design this,
283
816707
1888
Až na to, že to člověk navrhnul,
13:50
but it was a human that was augmented
by a generative-design AI,
by a generative-design AI,
284
818619
4309
ale schopnosti člověka byly
umocněny díky generativní AI,
umocněny díky generativní AI,
13:54
a digital nervous system
285
822952
1231
digitálnímu nervovému systému a robotům,
kteří něco takového umí skutečně vyrobit.
kteří něco takového umí skutečně vyrobit.
13:56
and robots that can actually
fabricate something like this.
fabricate something like this.
286
824207
3005
13:59
So if this is the future,
the Augmented Age,
the Augmented Age,
287
827680
3595
Takže pokud je tohle budoucnost,
věk zdokonalených schopností,
věk zdokonalených schopností,
14:03
and we're going to be augmented
cognitively, physically and perceptually,
cognitively, physically and perceptually,
288
831299
4261
a pokud budeme kognitivně,
fyzicky i perceptuálně dokonalejší,
fyzicky i perceptuálně dokonalejší,
14:07
what will that look like?
289
835584
1408
jak to bude vypadat?
14:09
What is this wonderland going to be like?
290
837576
3321
Jak bude vypadat ta pohádková země?
14:12
I think we're going to see a world
291
840921
1709
Myslím, že zažijeme svět,
ve kterém věci budeme nechávat vyrůstat,
ve kterém věci budeme nechávat vyrůstat,
14:14
where we're moving
from things that are fabricated
from things that are fabricated
292
842654
3068
14:17
to things that are farmed.
293
845746
1445
namísto toho, abychom je vyráběli.
14:20
Where we're moving from things
that are constructed
that are constructed
294
848159
3453
Kde namísto věcí,
které je nutné zkonstruovat,
které je nutné zkonstruovat,
14:23
to that which is grown.
295
851636
1704
přejdeme k tomu, že nám vyrostou.
14:26
We're going to move from being isolated
296
854134
2188
Už nebudeme izolovaní, ale propojení.
14:28
to being connected.
297
856346
1610
14:30
And we'll move away from extraction
298
858634
2411
A od obrábění materiálu
přejdeme k jeho slučování.
přejdeme k jeho slučování.
14:33
to embrace aggregation.
299
861069
1873
14:35
I also think we'll shift
from craving obedience from our things
from craving obedience from our things
300
863967
3767
Také si myslím, že se od našich věcí
už nebudeme dožadovat poslušnosti,
už nebudeme dožadovat poslušnosti,
14:39
to valuing autonomy.
301
867758
1641
ale že oceníme jejich samostatnost.
14:42
Thanks to our augmented capabilities,
302
870510
1905
Díky našim zdokonaleným schopnostem
se náš svět dramaticky změní.
se náš svět dramaticky změní.
14:44
our world is going to change dramatically.
303
872439
2377
14:47
We're going to have a world
with more variety, more connectedness,
with more variety, more connectedness,
304
875576
3246
Svět bude pestřejší a propojenější,
dynamičtější, komplexnější,
dynamičtější, komplexnější,
14:50
more dynamism, more complexity,
305
878846
2287
14:53
more adaptability and, of course,
306
881157
2318
přizpůsobivější a samozřejmě krásnější.
14:55
more beauty.
307
883499
1217
14:57
The shape of things to come
308
885231
1564
Tvary budoucích věcí se nebudou
podobat ničemu, co jsme až doteď viděli.
podobat ničemu, co jsme až doteď viděli.
14:58
will be unlike anything
we've ever seen before.
we've ever seen before.
309
886819
2290
15:01
Why?
310
889133
1159
Proč? Protože těmhle věcem
dá tvar tohle nové partnerství
dá tvar tohle nové partnerství
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
mezi technologií, přírodou a lidmi.
15:11
That, to me, is a future
well worth looking forward to.
well worth looking forward to.
313
899279
3804
To je pro mě budoucnost,
na kterou stojí za to se těšit.
na kterou stojí za to se těšit.
15:15
Thank you all so much.
314
903107
1271
Děkuji mnohokrát.
15:16
(Applause)
315
904402
5669
(potlesk)
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