TEDxPortland
Maurice Conti: The incredible inventions of intuitive AI
מוריס קונטי: ההמצאות המדהימות של אינטיליגנציה מלאכותית אינטואיטיבית
Filmed:
Readability: 4.6
6,173,221 views
מה מקבלים כשנותנים לכלי תכנוני מערכת עצבים דיגיטלית? מחשבים שמשפרים את היכולת שלנו לחשוב ולדמיין, ומערכות רובוטיות שיכולות להמציא (ולבנות) עיצובים חדשים רדיקליים לגשרים, מכוניות, מזל"טים ועוד הרבה -- הכל לבד. הצטרפו לסיור בעידן המתוגבר עם העתידן מוריס קונטי וקבלו הצצה לתקופה בה רובוטים ובני אדם יעבדו ייחדיו בכדי להשיג דברים שאף אחד מהם לא יכול היה לבדו.
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
כמה מכם הם יצירתיים,
מעצבים, מהנדסים, יזמים, אמנים,
00:15
designers, engineers,
entrepreneurs, artists,
entrepreneurs, artists,
1
3048
3624
או שאולי פשוט יש לכם דמיון ממש מפותח?
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
תרימו ידיים?
(תשואות)
(תשואות)
אלה רובכם.
00:22
That's most of you.
4
10979
1181
00:25
I have some news for us creatives.
5
13334
2294
יש לי חדשות עבור היצירתיים שבנו.
00:28
Over the course of the next 20 years,
6
16714
2573
במהלך 20 השנים הקרובות,
00:33
more will change around
the way we do our work
the way we do our work
7
21471
2973
יותר הולך להשתנות בדרך בה אנחנו עובדים
00:37
than has happened in the last 2,000.
8
25382
2157
מאשר השתנה ב-2000 השנים האחרונות.
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
בעצם, אני חושב שאנחנו בשחר
של עידן חדש בהיסטוריה האנושית.
של עידן חדש בהיסטוריה האנושית.
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
היו ארבע תקופות היסטוריות מרכזיות
שמוגדרות לפי דרך העבודה שלנו.
שמוגדרות לפי דרך העבודה שלנו.
00:51
The Hunter-Gatherer Age
lasted several million years.
lasted several million years.
11
39404
3275
תקופת הציידים-לקטים ארכה כמה מיליוני שנים.
00:55
And then the Agricultural Age
lasted several thousand years.
lasted several thousand years.
12
43163
3576
ואז, התקופה החקלאית ארכה כמה אלפי שנים.
00:59
The Industrial Age lasted
a couple of centuries.
a couple of centuries.
13
47195
3490
התקופה התעשייתית ארכה כמה מאות שנים.
01:02
And now the Information Age
has lasted just a few decades.
has lasted just a few decades.
14
50709
4287
ועכשיו תקופת המידע ארכה רק כמה עשרות שנים.
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
ועכשיו היום, אנחנו בסיפו
של העידן הגדול הבא שלנו כמין.
של העידן הגדול הבא שלנו כמין.
01:13
Welcome to the Augmented Age.
16
61296
2680
ברוכים הבאים לעידן הרבוד.
01:16
In this new era, your natural human
capabilities are going to be augmented
capabilities are going to be augmented
17
64000
3693
בעידן החדש הזה, היכולות
האנושיות הטבעיות שלכם ירובדו, יתוגברו
האנושיות הטבעיות שלכם ירובדו, יתוגברו
01:19
by computational systems
that help you think,
that help you think,
18
67717
3068
על ידי מערכות מחשוב שעוזרות לכם לחשוב,
01:22
robotic systems that help you make,
19
70809
2186
מערכות רובוטיות שעוזרות לכם ליצור,
01:25
and a digital nervous system
20
73019
1648
ומערכת עצבית דיגיטלית
01:26
that connects you to the world
far beyond your natural senses.
far beyond your natural senses.
21
74691
3690
שמחברת אתכם לעולם שהוא
הרבה מעבר לחושים הטבעיים שלכם.
הרבה מעבר לחושים הטבעיים שלכם.
01:31
Let's start with cognitive augmentation.
22
79437
1942
נפתח עם תגבור קוגניטיבי.
כמה מכם הם סייבורגים מתוגברים?
01:33
How many of you are augmented cyborgs?
23
81403
2200
01:36
(Laughter)
24
84133
2650
(צחוק)
01:38
I would actually argue
that we're already augmented.
that we're already augmented.
25
86807
2821
למעשה, הייתי טוען שאנחנו כבר מתוגברים.
01:42
Imagine you're at a party,
26
90288
1504
דמיינו שאתם במסיבה,
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
ומישהו שואל אתכם שאלה
שאתם לא יודעים את התשובה עליה.
שאתם לא יודעים את התשובה עליה.
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
אם יש לכם אחד מאלה,
בתוך כמה שניות אתם יכולים לדעת את התשובה.
בתוך כמה שניות אתם יכולים לדעת את התשובה.
01:51
But this is just a primitive beginning.
29
99869
2299
אבל זו רק התחלה פרימיטיבית.
01:54
Even Siri is just a passive tool.
30
102863
3331
אפילו סירי היא רק כלי עבודה פסיבי.
01:58
In fact, for the last
three-and-a-half million years,
three-and-a-half million years,
31
106660
3381
למעשה, במהלך שלושה וחצי
מיליוני השנים האחרונות,
מיליוני השנים האחרונות,
02:02
the tools that we've had
have been completely passive.
have been completely passive.
32
110065
3109
כלי העבודה שהיו לנו היו פאסיביים לחלוטין.
02:06
They do exactly what we tell them
and nothing more.
and nothing more.
33
114203
3655
הם עושים בדיוק מה שאנחנו אומרים להם לעשות,
ושום דבר מעבר לכך.
ושום דבר מעבר לכך.
02:09
Our very first tool only cut
where we struck it.
where we struck it.
34
117882
3101
כלי העבודה הראשון הראשון שלנו,
רק חתך איפה שהיכינו איתו.
רק חתך איפה שהיכינו איתו.
02:13
The chisel only carves
where the artist points it.
where the artist points it.
35
121822
3040
האזמל חורט רק במקום שבו האמן מפנה אותו.
02:17
And even our most advanced tools
do nothing without our explicit direction.
do nothing without our explicit direction.
36
125343
5641
ואפילו הכלים המתקדמים ביותר שלנו
לא עושים דבר בלי ההכוונה הישירה שלנו.
לא עושים דבר בלי ההכוונה הישירה שלנו.
02:23
In fact, to date, and this
is something that frustrates me,
is something that frustrates me,
37
131008
3181
בעצם, נכון להיום, וזה משהו
שמתסכל אותי,
שמתסכל אותי,
02:26
we've always been limited
38
134213
1448
תמיד היינו מוגבלים
02:27
by this need to manually
push our wills into our tools --
push our wills into our tools --
39
135685
3501
בשל הצורך הזה לדחוף באופן ידני
את הרצונות שלנו לתוך כלי העבודה שלנו --
את הרצונות שלנו לתוך כלי העבודה שלנו --
02:31
like, manual,
literally using our hands,
literally using our hands,
40
139210
2297
כאילו, באופן ידני,
ממש משתמשים בידיים שלנו,
ממש משתמשים בידיים שלנו,
02:33
even with computers.
41
141531
1428
אפילו עם מחשבים.
02:36
But I'm more like Scotty in "Star Trek."
42
144072
2463
אבל אני יותר כמו סקוטי מ'מסע בין כוכבים'.
02:38
(Laughter)
43
146559
1850
(צחוק)
02:40
I want to have a conversation
with a computer.
with a computer.
44
148433
2146
אני רוצה לנהל שיחה עם מחשב.
02:42
I want to say, "Computer,
let's design a car,"
let's design a car,"
45
150603
2970
אני רוצה להגיד, "מחשב, בוא נתכנן מכונית,"
02:45
and the computer shows me a car.
46
153597
1539
והמחשב יראה לי מכונית.
02:47
And I say, "No, more fast-looking,
and less German,"
and less German,"
47
155160
2608
ואני אומר, "לא, אחת שנראית מהירה יותר,
ופחות גרמנית,"
ופחות גרמנית,"
02:49
and bang, the computer shows me an option.
48
157792
2163
ובום, המחשב מראה לי אפשרות.
02:51
(Laughter)
49
159979
1865
(צחוק)
02:54
That conversation might be
a little ways off,
a little ways off,
50
162208
2306
עכשיו, זה אולי קצת מוקדם לשיחה כזו,
02:56
probably less than many of us think,
51
164538
2665
כנראה פחות ממה שרבים מאתנו חושבים,
02:59
but right now,
52
167227
1763
אבל ממש עכשיו,
03:01
we're working on it.
53
169014
1151
אנחנו עובדים על זה.
03:02
Tools are making this leap
from being passive to being generative.
from being passive to being generative.
54
170189
4033
כלי העבודה עושים את הקפיצה הזו
מלהיות פאסיביים, ללהיות יצרניים.
מלהיות פאסיביים, ללהיות יצרניים.
03:06
Generative design tools
use a computer and algorithms
use a computer and algorithms
55
174831
3308
כלי תכנון יצרניים משתמשים במחשב
ובאלגוריתמים
ובאלגוריתמים
03:10
to synthesize geometry
56
178163
2608
כדי לסנתז גיאומטריה
03:12
to come up with new designs
all by themselves.
all by themselves.
57
180795
2754
כדי להעלות עיצובים חדשים לגמרי בעצמם.
03:15
All it needs are your goals
and your constraints.
and your constraints.
58
183996
2748
כל מה שצריך זה המטרות והמגבלות שלכם.
03:18
I'll give you an example.
59
186768
1408
אני אתן לכם דוגמה.
03:20
In the case of this aerial drone chassis,
60
188200
2788
במקרה של השלדה של המזל"ט הזה,
03:23
all you would need to do
is tell it something like,
is tell it something like,
61
191012
2626
כל מה שאתם תצטרכו לעשות
זה להגיד לו משהו כמו,
זה להגיד לו משהו כמו,
03:25
it has four propellers,
62
193662
1273
יש לזה ארבע מדחפים,
אתם רוצים שזה יהיה עם משקל כמה שיותר קטן,
03:26
you want it to be
as lightweight as possible,
as lightweight as possible,
63
194959
2131
ואתם צריכים שזה יהיה יעיל
מבחינה אווירודינמית.
מבחינה אווירודינמית.
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
ואז, מה שהמחשב עושה, זה שהוא בוחן
את כל מרחב הפתרונות:
את כל מרחב הפתרונות:
03:36
every single possibility that solves
and meets your criteria --
and meets your criteria --
66
204346
3927
כל אחת מהאפשרויות שפותרות
ועונות לקריטריונים שלכם --
ועונות לקריטריונים שלכם --
03:40
millions of them.
67
208297
1442
מיליונים מהן.
03:41
It takes big computers to do this.
68
209763
1975
צריך מחשבים גדולים בשביל לעשות את זה.
03:43
But it comes back to us with designs
69
211762
1955
אבל הוא חוזר אלינו עם עיצובים
03:45
that we, by ourselves,
never could've imagined.
never could've imagined.
70
213741
3143
שאנחנו, בעצמנו,
לעולם לא היינו יכולים להעלות בדמיוננו.
לעולם לא היינו יכולים להעלות בדמיוננו.
03:49
And the computer's coming up
with this stuff all by itself --
with this stuff all by itself --
71
217326
2912
והמחשב מעלה את הרעיונות האלו
לגמרי בעצמו --
לגמרי בעצמו --
אף אחד מעולם לא צייר שום דבר,
03:52
no one ever drew anything,
72
220262
1678
03:53
and it started completely from scratch.
73
221964
2086
והוא התחיל לגמרי מכלום.
03:57
And by the way, it's no accident
74
225038
2387
וזה, דרך אגב, בכלל לא מקרי
03:59
that the drone body looks just like
the pelvis of a flying squirrel.
the pelvis of a flying squirrel.
75
227449
3481
שגוף המזל"ט נראה בדיוק כמו האגן
של סנאי מעופף.
של סנאי מעופף.
04:03
(Laughter)
76
231287
2007
(צחוק)
04:06
It's because the algorithms
are designed to work
are designed to work
77
234040
2302
זה בגלל שהאלגוריתמים מתוכנתים לעבוד
באותה הצורה שהאבולוציה עובדת.
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
מה שמרתק זה שאנחנו מתחילים
לראות את הטכנולוגיה הזו
לראות את הטכנולוגיה הזו
04:13
out in the real world.
80
241399
1159
בחוץ, בעולם האמיתי.
04:14
We've been working with Airbus
for a couple of years
for a couple of years
81
242582
2452
מזה כמה שנים אנחנו עובדים עם איירבוס
04:17
on this concept plane for the future.
82
245058
1909
על הרעיון למטוס העתידי הזה.
04:18
It's a ways out still.
83
246991
2070
זה עוד רחוק עדיין.
04:21
But just recently we used
a generative-design AI
a generative-design AI
84
249085
3780
אבל ממש לא מזמן השתמשנו בבינה מלאכותית
ייצרנית-תכנונית
ייצרנית-תכנונית
04:24
to come up with this.
85
252889
1807
כדי לחשוב על זה.
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
זה חוצץ תא נוסעים מודפס בתלת-מימד
שתוכנן על ידי מחשב.
שתוכנן על ידי מחשב.
זה חזק יותר מהמקורי
אבל שוקל רק חצי ממנו,
אבל שוקל רק חצי ממנו,
04:32
It's stronger than the original
yet half the weight,
yet half the weight,
87
260786
2824
04:35
and it will be flying
in the Airbus A320 later this year.
in the Airbus A320 later this year.
88
263634
3146
והוא יטוס באיירבוס A320 בהמשך השנה.
04:39
So computers can now generate;
89
267405
1559
כך שמחשבים יכולים עתה ליצור;
04:40
they can come up with their own solutions
to our well-defined problems.
to our well-defined problems.
90
268988
4595
הם יכולים למצוא פתרונות משל עצמם
לבעיות המוגדרות היטב שלנו.
לבעיות המוגדרות היטב שלנו.
04:46
But they're not intuitive.
91
274677
1310
אבל הם לא אינטואיטיביים.
04:48
They still have to start from scratch
every single time,
every single time,
92
276011
3086
הם עדיין צריכים להתחיל כל פעם מחדש,
04:51
and that's because they never learn.
93
279121
2565
וזה בגלל שהם אף פעם לא לומדים.
04:54
Unlike Maggie.
94
282368
1766
שלא כמו מגי.
04:56
(Laughter)
95
284158
1581
(צחוק)
04:57
Maggie's actually smarter
than our most advanced design tools.
than our most advanced design tools.
96
285763
3297
מגי בעצם חכמה יותר מכלי התכנון
המתקדמים ביותר שלנו.
המתקדמים ביותר שלנו.
05:01
What do I mean by that?
97
289467
1440
למה אני מתכוון?
05:02
If her owner picks up that leash,
98
290931
1590
אם הבעלים שלה לוקח את הרצועה הזו,
05:04
Maggie knows with a fair
degree of certainty
degree of certainty
99
292545
2068
מגי יודעת ברמה גבוהה של ודאות
שזה הזמן לצאת לטיול.
05:06
it's time to go for a walk.
100
294637
1404
05:08
And how did she learn?
101
296065
1185
ואיך היא למדה?
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
ובכן, בכל פעם שהבעלים לקח את הרצועה,
הם יצאו לטיול.
הם יצאו לטיול.
05:12
And Maggie did three things:
103
300622
1878
ומגי עשתה שלושה דברים:
05:14
she had to pay attention,
104
302524
1869
היא היתה צריכה לשים לב,
05:16
she had to remember what happened
105
304417
2082
היא היתה צריכה לזכור מה קרה
05:18
and she had to retain and create
a pattern in her mind.
a pattern in her mind.
106
306523
4017
והיא היתה צריכה לשמר וליצור
תבנית במוח שלה.
תבנית במוח שלה.
05:23
Interestingly, that's exactly what
107
311429
2095
מעניין, שזה בדיוק מה
05:25
computer scientists
have been trying to get AIs to do
have been trying to get AIs to do
108
313548
2523
שמדעני מחשב ניסו לגרום
לבינה מלאכותית לעשות
לבינה מלאכותית לעשות
05:28
for the last 60 or so years.
109
316095
1859
במהלך 60 השנים האחרונות בערך.
05:30
Back in 1952,
110
318683
1349
בזמנו, ב-1952,
05:32
they built this computer
that could play Tic-Tac-Toe.
that could play Tic-Tac-Toe.
111
320056
3801
הם בנו את המחשב הזה שיכל לשחק
איקס-מיקס-דריקס.
איקס-מיקס-דריקס.
05:37
Big deal.
112
325081
1160
אפשר לחשוב.
05:39
Then 45 years later, in 1997,
113
327029
3000
ואז, 45 שנה אחר כך, ב-1997,
05:42
Deep Blue beats Kasparov at chess.
114
330053
2472
כחול-עמוק מנצח את גארי קספארוב בשח-מט.
05:46
2011, Watson beats these two
humans at Jeopardy,
humans at Jeopardy,
115
334046
4968
2011, ווטסון מנצח את שני בני-האנוש האלה
בתוכנית טריוויה,
בתוכנית טריוויה,
05:51
which is much harder for a computer
to play than chess is.
to play than chess is.
116
339038
2928
שזה הרבה יותר קשה למחשב לשחק מאשר שח-מט.
05:53
In fact, rather than working
from predefined recipes,
from predefined recipes,
117
341990
3812
למעשה, במקום לעבוד על בסיס
מתכונים מוגדרים מראש,
מתכונים מוגדרים מראש,
05:57
Watson had to use reasoning
to overcome his human opponents.
to overcome his human opponents.
118
345826
3323
ווטסון היה צריך להשתמש בהגיון
בכדי לנצח את המתחרים האנושיים שלו.
בכדי לנצח את המתחרים האנושיים שלו.
06:02
And then a couple of weeks ago,
119
350393
2439
ואז, לפני כמה שבועות,
06:04
DeepMind's AlphaGo beats
the world's best human at Go,
the world's best human at Go,
120
352856
4262
התוכנה של חברת דיפ-מיינד, אלפא-גו, ניצחה
את בן-האנוש הטוב ביותר ב-גו,
את בן-האנוש הטוב ביותר ב-גו,
06:09
which is the most difficult
game that we have.
game that we have.
121
357142
2212
שהוא המשחק הקשה ביותר שיש לנו.
למעשה, ב-גו יש יותר מהלכים אפשריים
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
מאשר אטומים ביקום.
06:18
So in order to win,
124
366210
1826
ככה שבשביל לנצח,
06:20
what AlphaGo had to do
was develop intuition.
was develop intuition.
125
368060
2618
מה שאלפא-גו היה צריך לעשות
זה לפתח אינטואיציה.
זה לפתח אינטואיציה.
06:23
And in fact, at some points,
AlphaGo's programmers didn't understand
AlphaGo's programmers didn't understand
126
371098
4110
ולמעשה, בכמה מקרים, המתכנתים של אלפא-גו
לא הבינו
לא הבינו
06:27
why AlphaGo was doing what it was doing.
127
375232
2286
למה אלפא-גו עושה את מה שהוא עושה.
06:31
And things are moving really fast.
128
379451
1660
והדברים מתקדמים מהר מאוד.
06:33
I mean, consider --
in the space of a human lifetime,
in the space of a human lifetime,
129
381135
3227
זאת אומרת, תחשבו --
תוך כדי שנות החיים של אדם אחד,
תוך כדי שנות החיים של אדם אחד,
06:36
computers have gone from a child's game
130
384386
2233
מחשבים הפכו מלהיות משחק ילדים
06:39
to what's recognized as the pinnacle
of strategic thought.
of strategic thought.
131
387920
3048
למה שנחשב לפסגת המחשבה האסטרטגית.
06:43
What's basically happening
132
391999
2417
מה שבעצם קורה הוא
06:46
is computers are going
from being like Spock
from being like Spock
133
394440
3310
שמחשבים הופכים מלהיות כמו ספוק
06:49
to being a lot more like Kirk.
134
397774
1949
ללהיות הרבה יותר דומים לקירק.
06:51
(Laughter)
135
399747
3618
(צחוק)
06:55
Right? From pure logic to intuition.
136
403389
3424
לא ככה? מהגיון קר לאינטואיציה.
07:00
Would you cross this bridge?
137
408184
1743
הייתם חוצים את הגשר הזה?
07:02
Most of you are saying, "Oh, hell no!"
138
410609
2323
רובכם אומרים, "בשום פנים ואופן!"
07:04
(Laughter)
139
412956
1308
(צחוק)
07:06
And you arrived at that decision
in a split second.
in a split second.
140
414288
2657
והחלטתם את זה בשבריר שנייה.
07:08
You just sort of knew
that bridge was unsafe.
that bridge was unsafe.
141
416969
2428
אתם פשוט איכשהו ידעתם שהגשר
הזה אינו בטוח.
הזה אינו בטוח.
07:11
And that's exactly the kind of intuition
142
419421
1989
וזה בדיוק סוג האינטואיציה
07:13
that our deep-learning systems
are starting to develop right now.
are starting to develop right now.
143
421434
3568
שמערכות הלמידה העמוקה שלנו
מתחילות לפתח ממש עכשיו.
מתחילות לפתח ממש עכשיו.
07:17
Very soon, you'll literally be able
144
425722
1707
בקרוב מאוד, אתם ממש תוכלו
07:19
to show something you've made,
you've designed,
you've designed,
145
427453
2206
להראות משהו שאתם יצרתם,
שאתם תכננתם, למחשב,
שאתם תכננתם, למחשב,
והוא יעיף בזה מבט ויגיד,
07:21
to a computer,
146
429683
1153
07:22
and it will look at it and say,
147
430860
1489
"מצטער, גבר, זה בחיים לא יעבוד.
אתה צריך לנסות שוב."
אתה צריך לנסות שוב."
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
או שתוכלו לשאול אם אנשים יאהבו
את השיר הבא שלכם
את השיר הבא שלכם
07:31
or your next flavor of ice cream.
150
439773
2063
או את הטעם החדש של הגלידה.
07:35
Or, much more importantly,
151
443549
2579
או, הרבה יותר חשוב,
07:38
you could work with a computer
to solve a problem
to solve a problem
152
446152
2364
תוכלו לעבוד עם מחשב בשביל לפתור בעיה
07:40
that we've never faced before.
153
448540
1637
בה מעולם לא נתקלנו לפני כן.
לדוגמה, שינוי האקלים.
07:42
For instance, climate change.
154
450201
1401
אנחנו לא עושים עבודה טובה כל-כך בעצמנו,
07:43
We're not doing a very
good job on our own,
good job on our own,
155
451626
2020
אנחנו בהחלט יכולים להיעזר
בכל מה שיעזור לנו.
בכל מה שיעזור לנו.
07:45
we could certainly use
all the help we can get.
all the help we can get.
156
453670
2245
ועל זה אני מדבר,
07:47
That's what I'm talking about,
157
455939
1458
טכנולוגיה שמגבירה
את היכולות הקוגניטיביות שלנו
את היכולות הקוגניטיביות שלנו
07:49
technology amplifying
our cognitive abilities
our cognitive abilities
158
457421
2555
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
כך שאנחנו יכולים לדמיין ולתכנן דברים
שפשוט היו מעבר להישג ידינו
שפשוט היו מעבר להישג ידינו
07:55
as plain old un-augmented humans.
160
463576
2559
בתור בני-אנוש רגילים ובלתי מתוגברים.
07:59
So what about making
all of this crazy new stuff
all of this crazy new stuff
161
467984
2941
אז מה לגבי לייצר
את כל הדברים המשוגעים החדשים האלו
את כל הדברים המשוגעים החדשים האלו
08:02
that we're going to invent and design?
162
470949
2441
שאנחנו הולכים להמציא ולתכנן?
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
אני חושב שהעידן של תגבור אנושי
הוא בדיוק קשור לעולם הפיסיקלי
הוא בדיוק קשור לעולם הפיסיקלי
08:10
as it is about the virtual,
intellectual realm.
intellectual realm.
164
478069
3065
כמו שהוא קשור
לתחום הווירטואלי, איטלקטואלי.
לתחום הווירטואלי, איטלקטואלי.
08:13
How will technology augment us?
165
481833
1921
איך טכנולוגיה תתגבר אותנו?
08:16
In the physical world, robotic systems.
166
484261
2473
בעולם הפיסיקלי, מערכות רובוטיות.
08:19
OK, there's certainly a fear
167
487620
1736
OK, בהחלט קיים חשש
08:21
that robots are going to take
jobs away from humans,
jobs away from humans,
168
489380
2488
שרובוטים יתפסו מקומות עבודה של אנשים,
08:23
and that is true in certain sectors.
169
491892
1830
וזה נכון בתחומים מסויימים.
08:26
But I'm much more interested in this idea
170
494174
2878
אבל אני הרבה יותר מתעניין ברעיון הזה
08:29
that humans and robots working together
are going to augment each other,
are going to augment each other,
171
497076
5010
שאנשים ורובוטים שעובדים ביחד
ייתגברו זה את זה,
ייתגברו זה את זה,
08:34
and start to inhabit a new space.
172
502110
2058
ויתחילו למלא מרחב חדש.
08:36
This is our applied research lab
in San Francisco,
in San Francisco,
173
504192
2362
זו המעבדה שלנו למחקר יישומי בסן-פרנסיסקו,
08:38
where one of our areas of focus
is advanced robotics,
is advanced robotics,
174
506578
3142
היכן שאחד מתחומי המיקוד שלנו
הוא רובוטיקה מתקדמת,
הוא רובוטיקה מתקדמת,
08:41
specifically, human-robot collaboration.
175
509744
2511
בייחוד, שיתוף-פעולה אנושי רובוטי.
08:45
And this is Bishop, one of our robots.
176
513034
2759
וזהו בישופ, אחד הרובוטים שלנו.
08:47
As an experiment, we set it up
177
515817
1789
בתור ניסוי, תכנתנו אותו לעזור
08:49
to help a person working in construction
doing repetitive tasks --
doing repetitive tasks --
178
517630
3460
לבן אדם שעובד בבנייה,
ועושה משימות שחוזרות על עצמן --
ועושה משימות שחוזרות על עצמן --
08:53
tasks like cutting out holes for outlets
or light switches in drywall.
or light switches in drywall.
179
521984
4194
משימות כמו לפעור חורים עבור שקעי חשמל
או מתגים בקירות גבס.
או מתגים בקירות גבס.
08:58
(Laughter)
180
526202
2466
(צחוק)
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
אם כך, השותף האנושי של בישופ
יכול לומר מה לעשות באנגלית פשוטה
יכול לומר מה לעשות באנגלית פשוטה
09:05
and with simple gestures,
182
533012
1305
ועם סימני ידיים פשוטים,
09:06
kind of like talking to a dog,
183
534341
1447
קצת כמו לדבר לכלב,
09:07
and then Bishop executes
on those instructions
on those instructions
184
535812
2143
ואז בישופ מוציא את ההוראות האלה לפועל
09:09
with perfect precision.
185
537979
1892
בדיוק מושלם.
09:11
We're using the human
for what the human is good at:
for what the human is good at:
186
539895
2989
אנחנו משתמשים בבן-האנוש
בשביל מה שבן-האנוש שהוא טוב בו:
בשביל מה שבן-האנוש שהוא טוב בו:
09:14
awareness, perception and decision making.
187
542908
2333
מודעות, תפיסה וקבלת החלטות.
09:17
And we're using the robot
for what it's good at:
for what it's good at:
188
545265
2240
ואנחנו משתמשים ברובוט למה שהוא טוב בו:
09:19
precision and repetitiveness.
189
547529
1748
דיוק וחזרה על פעולות.
09:22
Here's another cool project
that Bishop worked on.
that Bishop worked on.
190
550252
2367
הנה עוד פרויקט מדליק בו בישופ היה מעורב.
09:24
The goal of this project,
which we called the HIVE,
which we called the HIVE,
191
552643
3075
המטרה של הפרויקט הזה, לו קראנו הכוורת,
09:27
was to prototype the experience
of humans, computers and robots
of humans, computers and robots
192
555742
3851
היה ליצור אב-טיפוס של החוויה של בני-אדם,
מחשבים ורובוטים
מחשבים ורובוטים
09:31
all working together to solve
a highly complex design problem.
a highly complex design problem.
193
559617
3220
כולם עובדים יחד בכדי לפתור
בעיית תכנון מורכבת ביותר.
בעיית תכנון מורכבת ביותר.
09:35
The humans acted as labor.
194
563793
1451
בני האדם עבדו כפועלים.
09:37
They cruised around the construction site,
they manipulated the bamboo --
they manipulated the bamboo --
195
565268
3473
הם שייטו מסביב לאתר הבנייה
ועיבדו את הבמבוק --
ועיבדו את הבמבוק --
שדרך אגב, בהיותו חומר לא איזומורפי,
09:40
which, by the way,
because it's a non-isomorphic material,
because it's a non-isomorphic material,
196
568765
2756
קשה לרובוטים במיוחד לעבד אותו.
09:43
is super hard for robots to deal with.
197
571545
1874
אבל אז הרובוטים פיתלו את הסיב הזה,
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
דבר שהיה כמעט בלתי אפשרי לבני האדם לעשות.
09:49
And then we had an AI
that was controlling everything.
that was controlling everything.
200
577964
3621
ואז היתה לנו בינה מלאכותית ששלטה בהכל.
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
היא אמרה לבני האדם מה לעשות,
אמרה לרובוטים מה לעשות
אמרה לרובוטים מה לעשות
ועקבה אחרי אלפי רכיבים בודדים.
09:56
and keeping track of thousands
of individual components.
of individual components.
202
584923
2915
09:59
What's interesting is,
203
587862
1180
מה שמעניין זה,
10:01
building this pavilion
was simply not possible
was simply not possible
204
589066
3141
שלבנות את הביתן הזה היה פשוט בלתי אפשרי
10:04
without human, robot and AI
augmenting each other.
augmenting each other.
205
592231
4524
ללא תגבור הדדי של
אדם, רובוט ובינה מלאכותית.
אדם, רובוט ובינה מלאכותית.
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
OK, אני אחלוק איתכם עוד פרויקט אחד.
הפעם זה קצת מטורף.
הפעם זה קצת מטורף.
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
אנחנו עובדים עם האמן יוריס לאארמן מאמסטרדם
והצוות שלו ב-MX3D
והצוות שלו ב-MX3D
10:17
to generatively design
and robotically print
and robotically print
208
605726
2878
כדי לתכנן באופן ייצרני ולהדפיס בעזרת רובוט
10:20
the world's first autonomously
manufactured bridge.
manufactured bridge.
209
608628
2995
את הגשר הראשון בעולם שייוצר
באופן אוטונומי.
באופן אוטונומי.
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
אז יוריס ויחידת בינה מלאכותית
מתכננים את הדבר הזה ממש עכשיו, ברגעים אלו,
מתכננים את הדבר הזה ממש עכשיו, ברגעים אלו,
10:28
in Amsterdam.
211
616024
1172
באמסטרדם.
10:29
And when they're done,
we're going to hit "Go,"
we're going to hit "Go,"
212
617220
2321
וכשהם יהיו מוכנים, אנחנו נלחץ "קדימה",
10:31
and robots will start 3D printing
in stainless steel,
in stainless steel,
213
619565
3311
ורובוטים יתחילו להדפיס בתלת-מימד,
בפלדת אל-חלד,
בפלדת אל-חלד,
10:34
and then they're going to keep printing,
without human intervention,
without human intervention,
214
622900
3283
והם ימשיכו להדפיס בלא התערבות אנושית
10:38
until the bridge is finished.
215
626207
1558
עד אשר הגשר יהיה מוכן.
10:41
So, as computers are going
to augment our ability
to augment our ability
216
629099
2928
אם כך, מחשבים עומדים לתגבר את היכולות שלנו
10:44
to imagine and design new stuff,
217
632051
2150
לדמיין ולתכנן דברים חדשים,
10:46
robotic systems are going to help us
build and make things
build and make things
218
634225
2895
מערכות רובוטיות יעזרו לנו
לבנות ולייצר דברים
לבנות ולייצר דברים
10:49
that we've never been able to make before.
219
637144
2084
שמעולם לא יכולנו לייצר קודם לכן.
10:52
But what about our ability
to sense and control these things?
to sense and control these things?
220
640347
4160
אבל מה עם היכולת שלנו
לחוש ולשלוט בדברים הללו?
לחוש ולשלוט בדברים הללו?
10:56
What about a nervous system
for the things that we make?
for the things that we make?
221
644531
4031
מה עם מערכת עצבים עבור הדברים שאנו יוצרים?
11:00
Our nervous system,
the human nervous system,
the human nervous system,
222
648586
2512
מערכת העצבים שלנו,
מערכת העצבים האנושית,
מערכת העצבים האנושית,
11:03
tells us everything
that's going on around us.
that's going on around us.
223
651122
2311
מדווחת לנו על כל מה שקורה סביבנו.
11:06
But the nervous system of the things
we make is rudimentary at best.
we make is rudimentary at best.
224
654186
3684
אבל מערכת העצבים של הדברים שאנחנו יוצרים
היא ראשונית במקרה הטוב.
היא ראשונית במקרה הטוב.
11:09
For instance, a car doesn't tell
the city's public works department
the city's public works department
225
657894
3563
לדוגמה, מכונית לא מדווחת
למחלקת האחזקה של העירייה
למחלקת האחזקה של העירייה
11:13
that it just hit a pothole at the corner
of Broadway and Morrison.
of Broadway and Morrison.
226
661481
3130
שהיא בדיוק פגעה בבור
בברודוויי פינת מוריסון.
בברודוויי פינת מוריסון.
11:16
A building doesn't tell its designers
227
664635
2032
בניין לא אומר למתכננים שלו
11:18
whether or not the people inside
like being there,
like being there,
228
666691
2684
אם האנשים בפנים אוהבים להיות שם או לא,
11:21
and the toy manufacturer doesn't know
229
669399
3010
וייצרן צעצועים לא יודע
11:24
if a toy is actually being played with --
230
672433
2007
אם באמת משחקים בצעצוע --
11:26
how and where and whether
or not it's any fun.
or not it's any fun.
231
674464
2539
איך ואיפה ואם בכלל הוא כיפי.
11:29
Look, I'm sure that the designers
imagined this lifestyle for Barbie
imagined this lifestyle for Barbie
232
677620
3814
תראו, אני בטוח שהמתכננים דימיינו
כזה סגנון חיים לברבי
כזה סגנון חיים לברבי
11:33
when they designed her.
233
681458
1224
כשהם תכננו אותה.
11:34
(Laughter)
234
682706
1447
(צחוק)
11:36
But what if it turns out that Barbie's
actually really lonely?
actually really lonely?
235
684177
2906
אבל מה אם ייתברר שברבי בעצם ממש בודדה?
11:39
(Laughter)
236
687107
3147
(צחוק)
11:43
If the designers had known
237
691266
1288
אם המתכננים היו יודעים
11:44
what was really happening
in the real world
in the real world
238
692578
2107
מה באמת קורה בעולם
לתכנונים שלהם -- הכביש, הבניין, ברבי --
11:46
with their designs -- the road,
the building, Barbie --
the building, Barbie --
239
694709
2583
הם היו יכולים להשתמש במידע הזה
11:49
they could've used that knowledge
to create an experience
to create an experience
240
697316
2694
בכדי ליצור חווייה טובה יותר למשתמש.
11:52
that was better for the user.
241
700034
1400
מה שחסר, זו מערכת עצבים
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
שמחברת אותנו לכל הדברים שאנחנו מתכננים,
מייצרים ובהם אנו משתמשים.
מייצרים ובהם אנו משתמשים.
11:59
What if all of you had that kind
of information flowing to you
of information flowing to you
244
707915
3555
מה אם לכולכם היה כזה מידע זורם אליכם
12:03
from the things you create
in the real world?
in the real world?
245
711494
2183
מהדברים שאתם יוצרים בעולם האמיתי?
12:07
With all of the stuff we make,
246
715432
1451
עם כל הדברים שאנחנו יוצרים,
12:08
we spend a tremendous amount
of money and energy --
of money and energy --
247
716907
2435
אנחנו משקיעים המון כסף ואנרגיה --
למעשה, בשנה שעברה,
קרוב לשני טריליון דולר --
קרוב לשני טריליון דולר --
12:11
in fact, last year,
about two trillion dollars --
about two trillion dollars --
248
719366
2376
בלשכנע אנשים לקנות את הדברים שאנו יוצרים.
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
אבל אם היה לכם את הקשר הזה
לדברים שאתם מתכננים ומייצרים
לדברים שאתם מתכננים ומייצרים
12:20
after they're out in the real world,
251
728056
1727
אחרי שהם יוצאים לעולם האמיתי,
12:21
after they've been sold
or launched or whatever,
or launched or whatever,
252
729807
3614
אחרי שהם נמכרו או הושקו או מה שלא יהיה,
12:25
we could actually change that,
253
733445
1620
היינו בעצם יכולים לשנות את זה,
12:27
and go from making people want our stuff,
254
735089
3047
ולעבור מלגרום לאנשים לרצות את הדברים שלנו,
12:30
to just making stuff that people
want in the first place.
want in the first place.
255
738160
3434
לפשוט לייצור דברים שאנשים רוצים מלכתחילה.
12:33
The good news is, we're working
on digital nervous systems
on digital nervous systems
256
741618
2787
החדשות הטובות הן, אנחנו עובדים
על מערכות עצבים דיגיטליות
על מערכות עצבים דיגיטליות
12:36
that connect us to the things we design.
257
744429
2801
שמחברות אותו לדברים שאנחנו מתכננים.
12:40
We're working on one project
258
748365
1627
אנחנו עובדים על פרויקט אחד
12:42
with a couple of guys down in Los Angeles
called the Bandito Brothers
called the Bandito Brothers
259
750016
3712
עם כמה חבר'ה בלוס-אנג'לס שנקראים
האחים באנדיטוס
האחים באנדיטוס
12:45
and their team.
260
753752
1407
והצוות שלהם.
12:47
And one of the things these guys do
is build insane cars
is build insane cars
261
755183
3433
ואחד הדברים שהחבר'ה האלה עושים
זה לבנות מכוניות מטורפות
זה לבנות מכוניות מטורפות
12:50
that do absolutely insane things.
262
758640
2873
שעושות דברים פשוט מטורפים.
12:54
These guys are crazy --
263
762905
1450
החבר'ה האלה משוגעים --
12:56
(Laughter)
264
764379
1036
(צחוק)
12:57
in the best way.
265
765439
1403
בצורה הטובה ביותר.
13:00
And what we're doing with them
266
768993
1763
ומה שאנחנו עושים אתם
13:02
is taking a traditional race-car chassis
267
770780
2440
זה לקחת שלדות מסורתיות של מכוניות מירוץ
13:05
and giving it a nervous system.
268
773244
1585
ולתת להן מערכת עצבים.
13:06
So we instrumented it
with dozens of sensors,
with dozens of sensors,
269
774853
3058
אז ציידנו אותה בעשרות חיישנים,
13:09
put a world-class driver behind the wheel,
270
777935
2635
שמנו נהג ברמה בינלאומית מאחורי ההגה,
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
לקחנו אותה למדבר,
וקרענו לה את הצורה במשך שבוע.
וקרענו לה את הצורה במשך שבוע.
13:15
And the car's nervous system
captured everything
captured everything
272
783975
2491
ומערכת העצבים של המכונית רשמה
את כל מה שקרה למכונית.
13:18
that was happening to the car.
273
786490
1482
13:19
We captured four billion data points;
274
787996
2621
אספנו ארבעה מיליארדי נקודות מידע;
13:22
all of the forces
that it was subjected to.
that it was subjected to.
275
790641
2310
כל הכוחות שפעלו עליה.
13:24
And then we did something crazy.
276
792975
1659
ואז עשינו דבר משוגע.
13:27
We took all of that data,
277
795268
1500
לקחנו את כל המידע הזה,
13:28
and plugged it into a generative-design AI
we call "Dreamcatcher."
we call "Dreamcatcher."
278
796792
3736
והחדרנו אותו ליחידת בינה מלאכותית ייצרנית-
תכנונית לה אנחנו קוראים "לוכדת החלומות".
תכנונית לה אנחנו קוראים "לוכדת החלומות".
13:33
So what do get when you give
a design tool a nervous system,
a design tool a nervous system,
279
801270
3964
אז מה אתם מקבלים אם אתם נותנים
לכלי תכנוני מערכת עצבים,
לכלי תכנוני מערכת עצבים,
13:37
and you ask it to build you
the ultimate car chassis?
the ultimate car chassis?
280
805258
2882
ומבקשים ממנה לתכנן עבורכם
את השלדה האולטימטיבית?
את השלדה האולטימטיבית?
13:40
You get this.
281
808723
1973
אתם מקבלים את זה.
13:44
This is something that a human
could never have designed.
could never have designed.
282
812293
3713
זה משהו שבן אנוש לעולם לא יכול היה לתכנן.
13:48
Except a human did design this,
283
816707
1888
אלא שבן-אנוש כן תכנן את זה,
13:50
but it was a human that was augmented
by a generative-design AI,
by a generative-design AI,
284
818619
4309
אבל זה היה בן אנוש שתוגבר
על ידי בינה מלאכותית ייצורית-תכנונית
על ידי בינה מלאכותית ייצורית-תכנונית
13:54
a digital nervous system
285
822952
1231
מערכת עצבים דיגיטלית
13:56
and robots that can actually
fabricate something like this.
fabricate something like this.
286
824207
3005
ורובוטים שבאמת יכולים ליצור משהו כזה.
13:59
So if this is the future,
the Augmented Age,
the Augmented Age,
287
827680
3595
אם כך, אם זה העתיד, עידן התגבור,
14:03
and we're going to be augmented
cognitively, physically and perceptually,
cognitively, physically and perceptually,
288
831299
4261
ואנחנו הולכים להיות מתוגברים
מבחינה קוגניטיבית, פיזיקלית ותפיסתית,
מבחינה קוגניטיבית, פיזיקלית ותפיסתית,
14:07
what will that look like?
289
835584
1408
איך זה ייראה?
14:09
What is this wonderland going to be like?
290
837576
3321
איך תהיה ארץ הפלאות הזו?
14:12
I think we're going to see a world
291
840921
1709
אני חושב שאנחנו עומדים לחזות בעולם
14:14
where we're moving
from things that are fabricated
from things that are fabricated
292
842654
3068
שבו אנחנו מתקדמים מדברים שמיוצרים
14:17
to things that are farmed.
293
845746
1445
לדברים שמעובדים.
14:20
Where we're moving from things
that are constructed
that are constructed
294
848159
3453
אנחנו עוברים מדברים שנבנים
14:23
to that which is grown.
295
851636
1704
לדברים שמגודלים.
14:26
We're going to move from being isolated
296
854134
2188
אנחנו עוברים מלהיות מבודדים
14:28
to being connected.
297
856346
1610
ללהיות מחוברים.
14:30
And we'll move away from extraction
298
858634
2411
ואנחנו עוברים מהוצאה
14:33
to embrace aggregation.
299
861069
1873
לקבלת האיגוד.
14:35
I also think we'll shift
from craving obedience from our things
from craving obedience from our things
300
863967
3767
אני גם חושב שאחנו נעבור
מלהשתוקק לציות מהדברים שלנו
מלהשתוקק לציות מהדברים שלנו
14:39
to valuing autonomy.
301
867758
1641
להערכה של עצמאות.
14:42
Thanks to our augmented capabilities,
302
870510
1905
תודות ליכולות המתוגברות שלנו,
14:44
our world is going to change dramatically.
303
872439
2377
העולם שלנו הולך להשתנות באופן דרמטי.
14:47
We're going to have a world
with more variety, more connectedness,
with more variety, more connectedness,
304
875576
3246
הולך להיות לנו עולם עם יותר גיוון,
יותר קישוריות,
יותר קישוריות,
14:50
more dynamism, more complexity,
305
878846
2287
יותר דינמיות, יותר מורכבות,
14:53
more adaptability and, of course,
306
881157
2318
יותר יכולות התאמה וכמובן,
14:55
more beauty.
307
883499
1217
יותר יופי.
14:57
The shape of things to come
308
885231
1564
הצורה של הדברים בעתיד
14:58
will be unlike anything
we've ever seen before.
we've ever seen before.
309
886819
2290
תהיה שונה מכל מה שראינו עד עתה.
15:01
Why?
310
889133
1159
למה?
15:02
Because what will be shaping those things
is this new partnership
is this new partnership
311
890316
3755
כי מה שייעצב את הדברים הללו
יהיה שיתוף הפעולה החדש הזה
יהיה שיתוף הפעולה החדש הזה
15:06
between technology, nature and humanity.
312
894095
3670
בין טכנולוגיה, טבע ואנושיות.
15:11
That, to me, is a future
well worth looking forward to.
well worth looking forward to.
313
899279
3804
בשבילי,
זהו עתיד שלגמרי מצדיק את הציפייה לו.
זהו עתיד שלגמרי מצדיק את הציפייה לו.
15:15
Thank you all so much.
314
903107
1271
תודה לכולכם.
15:16
(Applause)
315
904402
5669
(מחיאות כפיים)
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